| dc.creator | Lara Muñoz, Jéssica Fernanda | |
| dc.creator | Arenas Salinas, Mauricio (Profesor tutor) | |
| dc.creator | Reyes, José Antonio (Profesor co-tutor) | |
| dc.creator | Alzate Morales, Jans (Profesor informante) | |
| dc.date | 2022-11-09T19:58:56Z | |
| dc.date | 2022-11-09T19:58:56Z | |
| dc.date | 2022 | |
| dc.date.accessioned | 2023-05-19T15:57:09Z | |
| dc.date.available | 2023-05-19T15:57:09Z | |
| dc.identifier | http://dspace.utalca.cl/handle/1950/13009 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/6305806 | |
| dc.description | 71 p. | |
| dc.description | La Superfamilia Fur se compone de proteínas reguladoras de absorción de iones,
estas poseen una similitud funcional y capacidad de unión al ADN, varían según el
cofactor metálico que utilicen dentro de las cuales podemos encontrar del tipo Fur,
Zur, Mur, Nur y PerR. El estudio del sitio de unión en proteínas de la Superfamilia
Fur y factores de transcripción es un tema de gran interés debido a que este tipo
de proteínas pueden ser potencialmente utilizadas en desarrollos y aplicaciones
antimicrobianas. En este estudio se caracterizaron 63 sitios de unión al ADN de
organismos bacterianos pertenecientes a Fur y diversos factores de transcripción,
mediante descriptores moleculares de secuencia y estructura. Utilizando técnicas
de inteligencia artificial se realizó la identificación de características relevantes
para entrenar los modelos predictivos SVM y RF. Del análisis realizado se
determinó que el mejor modelo entrenado con características de secuencia es
SVM logrando un rendimiento de exactitud (Accuracy) de 84.6%, mientras que
utilizando características estructurales el modelo RF es el que logra un mejor
rendimiento con una exactitud (Accuracy) de 77.3%. Los resultados de la
predicción indican que es posible desarrollar un modelo predictivo de zonas de unión al ADN en proteínas con una alta precisión utilizando solo la información de secuencia. // ABSTRACT: The Fur superfamily is composed of ion absorption regulatory proteins. These have
functional similarities and DNA binding capacity. The diversity depends on the
metal cofactor used, among which they can find Fur, Zur, Mur, Nur, and PerR
types. The study of metal binding site proteins in the Fur superfamily and
transcription factors is a very interesting topic because these types of proteins can
potentially be used in antimicrobial development and its applications. In this
investigation, 63 DNA-binding sites of bacterial organisms belonging to the Fur
family and various transcription factors were characterized by molecular
descriptors of sequence and structure. The use of intelligent artificial intelligence
techniques made it possible to identify relevant characteristics for training SVM and
RF predicting models. The performed analysis determined that the best predicting
model using sequence characteristics is SVM, achieving a performance of 84.6%
accuracy while using structural characteristics the RF model achieved the best performance with 77.3% accuracy. The results of the prediction indicate that it is
possible to develop a DNA-binding site predictive model in proteins with high
accuracy using only sequence information. | |
| dc.language | es | |
| dc.publisher | Universidad de Talca (Chile). Escuela de Ingeniería Civil en Bioinformática. | |
| dc.title | Predicción de sitios de unión al ADN en la superfamilia Fur mediante inteligencia artificial y descriptores moleculares | |
| dc.type | Thesis | |
