MODELADO DE LA ESTABILIDAD CONFORMACIONAL

EN PROTEINAS USANDO APRENDIZAJE AUTOMÁTICO

Y DESCRIPTORES 2D/3D DE LA ESTRUCTURA
MOLECULAR

1
1 Motivación
2 Materiales y Métodos
2.1 Descriptores 2D-3D
AASA
AA2DC
AAp3DCl
P-RDF

2.2 Algoritmos de Aprendizaje

Bayesian Regularized Neural Networks
2.2 Selección de Rasgos y Modelo
Algoritmos Genéticos

3 Experimentos y Resultados
4 Conclusiones y Trabajo Futuro
2
1 Motivación
2 Materiales y Métodos
2.1 Descriptores 2D-3D
AASA
AA2DC
AAp3DCl
P-RDF

2.2 Algoritmos de Aprendizaje

Bayesian Regularized Neural Networks
2.2 Selección de Rasgos y Modelo
Algoritmos Genéticos

3 Experimentos y Resultados
4 Conclusiones y Trabajo Futuro
3
 Contexto

Motivación
Estructura Primaria

• Describe la composición química de la

proteína y el ordenamiento lineal de los
aminoácidos.

4
 Contexto

Motivación
Estructura Secundaria

• Describe patrones estructurales comunes en

el esqueleto proteico.

5
 Contexto

Motivación
Estructura Terciaria

• Describe la estructura tridimensional de la

proteína plegada.

6
 Contexto

Motivación
Estabilidad Conformacional

• ∆𝐺 𝑑−𝑝 = 𝐺 𝑑 − 𝐺 𝑝

7
 Contexto

Motivación
Estabilidad Conformacional

• ∆𝐺 𝑑−𝑝 = 𝐺 𝑑 − 𝐺 𝑝

Variación de la Estabilidad

𝑑−𝑝 𝑑−𝑝
• ∆∆𝐺 = ∆𝐺𝑗 − ∆𝐺𝑘

8
 Contexto

Motivación
Estabilidad Conformacional

Afecta la función y la actividad de la proteína.

Repercusión en los procesos de formulación, purificación y

almacenamiento de las proteínas.

Cambios en la estabilidad en mutaciones de la proteína

asociados con frecuencia al desarrollo de enfermedades.

Aplicación inmediata en el diseño computacional de

proteínas.

9
 Contexto

Motivación
Métodos

Predicción Estabilidad

Funciones de Energía Aprendizaje Automático

(potenciales)
Capriotti et al. 2005, 2008
Shen et al. 2008.
Físicos
Prevost et al. 1991
Pitera & Kollman 2000

Estadísticos
Magyar et al. 2005
Deutch et al. 2007

Empíricos
Cheng et al. 2006
Parthiban et al. 2006

10
 Contexto

Motivación
Herramientas

Nombre Método URL

AUTO-MUTE Estadístico [Link]

FoldX Empírico [Link]

Aprendizaje
IMutant [Link]
Automático

MultiMutate Híbrido [Link]

Aprendizaje
MaterialsInfomatics Automático [Link]

11
 Contexto

Motivación
Predicción de propiedades de proteínas mutadas, objetivo
fundamental en biología molecular.

Necesidad de evaluar un número grande de mutantes.

Métodos basados en modelos físicos proveen resultados

precisos pero computacionalmente costosos.

Aplicación exitosa de métodos basados en aprendizaje

automático a la modelación de propiedades en proteínas.

12
 Objetivos del Proyecto

Motivación
Codificar las estructuras primaria y terciaria de las proteínas.

Broto-Moreau Autocorrelation Coeficients.

Randić 2D Graph Representation.
3D Pseudo Folding Graph.
Radial Distribution Function.

Construir modelos de regresión para predecir cambios en la estabilidad de

proteínas mutadas.
Bayesian Regularized Neural Networks.
Support Vector Machines.
Genetic Algorithms.

13
1 Motivación
2 Materiales y Métodos
2.1 Descriptores 2D-3D
AASA
AA2DC
AAp3DCl
P-RDF

2.2 Algoritmos de Aprendizaje

Bayesian Regularized Neural Networks
2.2 Selección de Rasgos y Modelo
Algoritmos Genéticos

3 Experimentos y Resultados
4 Conclusiones y Trabajo Futuro
14
Amino Acid Sequence Autocorrelation Vectors

Materiales y Métodos
Propuestos para codificar la estructura topológica en
moléculas
• Moreau and Broto, Autocorrelation of topological structure: A new molecular
descriptor. Nouv. J. Chim, 1980, 4, 359-360.

• Wagener et al. Autocorrelation of molecular properties for modelling corticosteroid

binding globulin and cytosolic ah receptor activity by neural networks. J. Am. Chem.
Soc., 117, 7769 (1995).

• Bauknecht et al. Locating biologically active compounds in mediumsized

heterogeneous datasets by topological autocorrelation vectors: dopamine and
benzodiazepine agonists. J. Chem. Inf. Comput. Sci.,36, 1205 (1996).

• Fernández et. al. 2D autocorrelation modeling of the activity of trihalobenzo-

cycloheptapyridine analogues as farnesyl protein transferase inhibitors. Mol.
Simulat. 31, 575, 2005.

• Caballero et al. Modeling of the inhibition constant (Ki) of some cruzain ketone-
based inhibitors using 2D spatial autocorrelation vectors and data-diverse
ensembles of Bayesian-regularized genetic neural networks. QSAR Comb. Sci., 26, 27
(2007).
15
Amino Acid Sequence Autocorrelation Vectors

Materiales y Métodos
Propiedades atractivas

• reducción del volumen de datos al limitar la

distancia topológica.

• longitud del vector de auto correlación

independiente del tamaño de la molécula.

• coeficientes de auto correlación independientes de

la numeración de los átomos, son canónicos.

• basados en la estructura primaria de la proteína.

16
Amino Acid Sequence Autocorrelation Vectors

Materiales y Métodos
Broto-Moreau Autocorrelation Coefficient

𝐴(𝑝𝑘 , 𝑙) = ෍ 𝛿𝑖𝑗 𝑝𝑘𝑖 𝑝𝑘𝑗

𝑖

• 𝑙: distancia topológica
• 𝑝𝑘𝑖 , 𝑝𝑘𝑗 : valor de la propiedad 𝑘 para los átomos 𝑖, 𝑗
1, 𝑑𝑖,𝑗 = 𝑙
• 𝛿𝑖,𝑗 = ൝
0, 𝑑𝑖,𝑗 ≠ 𝑙
• 𝑑𝑖,𝑗 : distancia topológica (en la secuencia) o separación
especial entre los átomos 𝑖, 𝑗

17
Amino Acid Sequence Autocorrelation Vectors

Materiales y Métodos
Propiedades
1
𝐴𝐴𝑆𝐴𝑙𝑝𝑘 = ෍ 𝛿𝑖,𝑗 𝑝𝑘𝑖 𝑝𝑘𝑗 K0 Ht HP …
𝐿
𝑖,𝑗 A ALA -25.5 0.9 13.1 …
• 𝐿: número de términos no

Residuos
C CYS -32.8 1.5 14.3 …
nulos en la suma D ASP -33.1 1.5 14.3 …
S SER -29.9 0.1 11.7 …
… … … … …

A S C T F H G C S D

1
𝐴𝐴𝑆𝐴1𝐻𝑡 = 𝛿𝐴,𝑆 𝐻𝑡𝐴𝐻𝑡𝑆 +
𝐿

18
Amino Acid Sequence Autocorrelation Vectors

Materiales y Métodos
Propiedades
1
𝐴𝐴𝑆𝐴𝑙𝑝𝑘 = ෍ 𝛿𝑖,𝑗 𝑝𝑘𝑖 𝑝𝑘𝑗 K0 Ht HP …
𝐿
𝑖,𝑗 A ALA -25.5 0.9 13.1 …
• 𝐿: número de términos no

Residuos
C CYS -32.8 1.5 14.3 …
nulos en la suma D ASP -33.1 1.5 14.3 …
S SER -29.9 0.1 11.7 …
… … … … …

A S C T F H G C S D

1
𝐴𝐴𝑆𝐴1𝐻𝑡 = 𝛿𝐴,𝑆 𝐻𝑡𝐴𝐻𝑡𝑆 + 𝛿𝐴,𝐶 𝐻𝑡𝐴𝐻𝑡𝐶
𝐿

19
Amino Acid Sequence Autocorrelation Vectors

Materiales y Métodos
Propiedades
1
𝐴𝐴𝑆𝐴𝑙𝑝𝑘 = ෍ 𝛿𝑖,𝑗 𝑝𝑘𝑖 𝑝𝑘𝑗 K0 Ht HP …
𝐿
𝑖,𝑗 A ALA -25.5 0.9 13.1 …
• 𝐿: número de términos no

Residuos
C CYS -32.8 1.5 14.3 …
nulos en la suma D ASP -33.1 1.5 14.3 …
S SER -29.9 0.1 11.7 …
… … … … …

A S C T F H G C S D

1
𝐴𝐴𝑆𝐴1𝐻𝑡 = 𝛿𝐴,𝑆 𝐻𝑡𝐴𝐻𝑡𝑆 + 𝛿𝐴,𝐶 𝐻𝑡𝐴𝐻𝑡𝐶 + ⋯ + 𝛿𝑆,𝐷 𝐻𝑡𝑆𝐻𝑡𝐷
𝐿

20
Amino Acid Sequence Autocorrelation Vectors

Materiales y Métodos
Properties
1
𝐴𝐴𝑆𝐴𝑙𝑝𝑘 = ෍ 𝛿𝑖,𝑗 𝑝𝑘𝑖 𝑝𝑘𝑗 K0 Ht HP …
𝐿
𝑖,𝑗 A ALA -25.5 0.9 13.1 …
• 𝐿: número de términos no

Residues
C CYS -32.8 1.5 14.3 …
nulos en la suma D ASP -33.1 1.5 14.3 …
S SER -29.9 0.1 11.7 …
… … … … …

A S C T F H G C S D

1
𝐴𝐴𝑆𝐴1𝐻𝑡 = 𝛿𝐴,𝑆 𝐻𝑡𝐴𝐻𝑡𝑆 + 𝛿𝐴,𝐶 𝐻𝑡𝐴𝐻𝑡𝐶 + ⋯ + 𝛿𝑆,𝐷 𝐻𝑡𝑆𝐻𝑡𝐷
𝐿

1
𝐴𝐴𝑆𝐴1𝐻𝑡 = (1 ∗ 0.9 ∗ 0.1) + (0 ∗ 0.9 ∗ 1.5) + ⋯ + 1 ∗ 0.1 ∗ 1.5
9

21
Amino Acid 3D Autocorrelation Vectors

Materiales y Métodos
Extensión del Coeficiente de Auto correlación de
Broto-Moreau a 3D

• sensible respecto a cambios en la disposición

tridimensional de los átomos.

• invariante respecto a traslaciones y rotaciones de la

molécula.

• basados en la estructura terciaria.

22
 Amino Acid 3D Autocorrelation Vectors

Materiales y Métodos
1
𝐴𝐴3𝐷𝐴𝑙𝑝𝑘 = ෍ 𝛿𝑖,𝑗 𝑝𝑘𝑖 𝑝𝑘𝑗
𝐿
𝑖,𝑗

• 𝐿: número de términos no nulos en la suma

𝑠 𝑠
1, 𝑙 − < 𝑑𝑖𝑗 < 𝑙 +
• 𝛿𝑖,𝑗 =൝ 2 2 Función Dirac-delta
0, 𝑒𝑜𝑐
• 𝑑𝑖𝑗 : Distancia Euclidiana entre carbonos α de los
aminoácidos 𝑖, 𝑗
• 𝑙: distancia base
• 𝑠: paso

23
 Amino Acid 3D Autocorrelation Vectors

Materiales y Métodos
Cα 1 Propiedades
Cα 2 A
C K0 Ht HP …
A ALA -25.5 0.9 13.1…

Residuos
Cα3 𝑟
C CYS -32.8 1.5 14.3…
𝑙 A
𝑙 S SER -29.9 0.1 11.7…
Cα 5
S … … … … …

Cα4
C 𝑠
𝑙− 𝑠 1
2 𝑙+ 𝐴𝐴3𝐷𝐴𝑙𝑝𝑘 = ෍ 𝛿𝑖,𝑗 𝑝𝑘𝑖 𝑝𝑘𝑗
2 𝐿
𝑖,𝑗

1
𝐴𝐴3𝐷𝐴𝑙𝐻𝑡 = … + 𝛿𝐴3 𝑆5 𝐻𝑡𝐴𝐻𝑡𝑆5 + 𝛿𝐴3 𝐶4 𝐻𝑡𝐴3 𝐻𝑡𝐶4 + ⋯
𝐿
1
𝐴𝐴3𝐷𝐴𝑙𝐻𝑡 = … + 1 ∗ 0.9 ∗ 0.1 + 0 ∗ 0.9 ∗ 1.5 + ⋯
𝐿 24
1 Motivación
2 Materiales y Métodos
2.1 Descriptores 2D-3D
AASA
AA2DC
AAp3DCl
P-RDF

2.2 Algoritmos de Aprendizaje

Bayesian Regularized Neural Networks
2.2 Selección de Rasgos y Modelo
Algoritmos Genéticos

3 Experimentos y Resultados
4 Conclusiones y Trabajo Futuro
25
 Amino Acid 2D Distance Count

Materiales y Métodos
AA2DC

• caracterización gráfica y numérica de la secuencia.

• transforma una secuencia a espacio de mayor dimensión.

• enriquece la información derivada de la estructura

primaria.

• basado en la estructura primaria.

Randić and Butina. Novel 2-D graphical representation of proteins. Chem. Phys. Lett.
2006, 419.
26
 Amino Acid 2D Distance Count

Materiales y Métodos
1
𝐴𝐴2𝐷𝐶𝑙 = ෍ 𝛿𝑖,𝑗
𝐿
𝑖,𝑗

𝑠 𝑠
1, 𝑙 − < 𝑑𝑖𝑗 < 𝑙 +
• 𝛿𝑖,𝑗 = ൝ 2 2 función Dirac-delta
0, 𝑒𝑜𝑐

• 𝑑𝑖𝑗 : distancia euclidiana entre los aminoácidos 𝑖, 𝑗 en el

grafo
• 𝑙: distancia base
• 𝑠: paso
• 𝐿: longitud de la secuencia

27
 Amino Acid 2D Distance Count

Materiales y Métodos
A S C T F H G C S D

28
 Amino Acid 2D Distance Count

Materiales y Métodos
A

A S C T F H G C S D

29
 Amino Acid 2D Distance Count

Materiales y Métodos
A

A S C T F H G C S D

30
 Amino Acid 2D Distance Count

Materiales y Métodos
C
A

A S C T F H G C S D

31
 Amino Acid 2D Distance Count

Materiales y Métodos
C
A

A S C T F H G C S D

32
 Amino Acid 2D Distance Count

Materiales y Métodos
C
A

F S

A S C T F H G C S D

33
 Amino Acid 2D Distance Count

Materiales y Métodos
C C

D D
G G

C C
A A
S S
H H

T T

F S F S

A S C T F H G C S D

34
 Amino Acid 2D Distance Count

Materiales y Métodos
1
AA2 DCl = 
L i , j  ij
C

D
G
1
𝐴𝐴2𝐷𝐶𝑙 = . . . + 𝛿𝐹𝐴 + 𝛿𝐹𝑆 + 𝛿𝐹𝐶 + 𝛿𝐹𝑇 +. . .
10 C
A
S
H
1
𝐴𝐴2𝐷𝐶𝑙 = . . . +0 + 1 + 0 + 1+. . .
10
T
𝑙
F S

𝑙 𝑙
𝑠 𝑠
− +
2 2

36
1 Motivación
2 Materiales y Métodos
2.1 Descriptores 2D-3D
AASA
AA2DC
AAp3DCl
P-RDF

2.2 Algoritmos de Aprendizaje

Bayesian Regularized Neural Networks
2.2 Selección de Rasgos y Modelo
Algoritmos Genéticos

3 Experimentos y Resultados
4 Conclusiones y Trabajo Futuro
37
 Amino Acid Pseudo-folding 3D Distance Count

Materiales y Métodos
Representa la secuencia en un sistema de coordenadas
cartesiano tridimensional

• Grafo construido siguiendo el enfoque de Jeffrey en lugar

del propuesto por Bai & Wang
Bai and Wang. On graphical and numerical representation of protein sequences. Journ. Biomol.
Struct. Dyn. 2006, 23, 537-545.

Jeffrey H. Chaos game representation of gene structure. Nucleic Acid Res. 1990, 18, 2163-2170. 38
Amino Acid Pseudo-folding 3D Distance Count

Materiales y Métodos
1
𝐴𝐴𝑝3𝐷𝐶𝑙 = ෍ 𝛿𝑖,𝑗
𝐿
𝑖,𝑗

𝑠 𝑠
1, 𝑙 − < 𝑑𝑖𝑗 < 𝑙 +
• 𝛿𝑖,𝑗 = ൝ 2 2 función Dirac-delta
0, 𝑒𝑜𝑐

• 𝑑𝑖𝑗 : distancia euclidiana entre los aminoácidos 𝑖, 𝑗 en el

grafo 3D
• 𝑙: distancia base
• 𝑠: paso
• 𝐿: longitud de la secuencia

39
Amino Acid Pseudo-folding 3D Distance Count

Materiales y Métodos
A S C T F H G C S D

40
Amino Acid Pseudo-folding 3D Distance Count

Materiales y Métodos
A S C T F H G C S D

41
Amino Acid Pseudo-folding 3D Distance Count

Materiales y Métodos
A S C T F H G C S D

42
Amino Acid Pseudo-folding 3D Distance Count

Materiales y Métodos
A S C T F H G C S D

43
Amino Acid Pseudo-folding 3D Distance Count

Materiales y Métodos
A S C T F H G C S D

44
Amino Acid Pseudo-folding 3D Distance Count

Materiales y Métodos
A S C T F H G C S D

45
1 Motivación
2 Materiales y Métodos
2.1 Descriptores 2D-3D
AASA
AA2DC
AAp3DCl
P-RDF

2.2 Algoritmos de Aprendizaje

Bayesian Regularized Neural Networks
2.2 Selección de Rasgos y Modelo
Algoritmos Genéticos

3 Experimentos y Resultados
4 Conclusiones y Trabajo Futuro
46
P-RDF. Protein Radial Distribution Function

Materiales y Métodos
Propuesto para codificar la estructura 3D de
moléculas [Gasteiger et al. 1996]

• independiente del número de átomos.

• sensible respecto a cambios en la disposición

tridimensional de los átomos.

• invariante respecto a traslaciones y rotaciones de la

molécula.

47
P-RDF. Protein Radial Distribution Function

Materiales y Métodos
𝑵−𝟏 𝑵
𝟐
𝑹𝑫𝑭𝒓𝑨 = 𝒇 ෍ ෍ 𝑨𝒊 𝑨𝒋 𝒆−𝑩 𝒓−𝒓𝒊𝒋
𝒊 𝒋>𝟏

• 𝑓 : factor de escala
• 𝑁 : número de átomos
• 𝐵 : parámetro de suavizado
• 𝑟 : radio de la esfera con centro en el átomo i
• 𝑟𝑖𝑗 : distancia de átomo i al j
• A : propiedad característica

Para extenderlo a proteínas, solo se considerarán los 𝑪𝜶

48
 P-RDF. Protein Radial Distribution Function

Materiales y Métodos
Cα 1 Propiedades
Cα 2 A
C K0 Ht HP …
A ALA -25.5 0.9 13.1…

Residuos
Cα3 𝑟
C CYS -32.8 1.5 14.3…
A
𝑟3,5
S SER -29.9 0.1 11.7…
Cα 5
S … … … … …

Cα4
C
2
−B (r − r3,5 )
RDFKr 0 = ... + K 0[ A]K 0[ S ] e + ..
2
−B (r − r3,5 )
RDFKr 0 = ... + (−25.5)(−29.9) e + ..

49
P-RDF. Protein Radial Distribution Function

Materiales y Métodos
48 propiedades para los aminoácidos
𝑟 : de 3Å a 34.5Å con variaciones de 1.5Å.

• 1056 atributos iniciales

• se descartan atributos correlacionados (coeficiente

mayor que 0.8)

• 366 atributos

50
 P-RDF. Protein Radial Distribution Function

Materiales y Métodos
Indices RDF
𝑟1 𝑟2 𝑟1
𝑅𝐷𝐹𝐾0 𝑅𝐷𝐹𝐾0 𝑅𝐷𝐹𝐻𝑡 ΔΔ𝐺
… …
Mutantes Chymotrypsin

Mutant 1 142.3 307.3 … 1032.1 … 0.9

inhibitor-2

Mutant 1 154.4 332.5 … 1003.9 … -0.18

… … … … …

Mutant m 137.8 298.4 … 987.4 … 1.3

51
1 Motivación
2 Materiales y Métodos
2.1 Descriptores 2D-3D
AASA
AA2DC
AAp3DCl
P-RDF

2.2 Algoritmos de Aprendizaje

Bayesian Regularized Neural Networks
2.2 Selección de Rasgos y Modelo
Algoritmos Genéticos

3 Experimentos y Resultados
4 Conclusiones y Trabajo Futuro
52
Bayesian Regularized Neural Networks (BRANN)

Materiales y Métodos
𝐸 = γ𝑁1 σ𝑁
𝑖=0 𝑡𝑖 −𝑜𝑖
2 + 1−𝛾 1 σ𝑛 𝑤
𝑛 𝑗=0 𝑗
en lugar de 𝐸 = 𝑁1 σ𝑁
𝑖=0 𝑡𝑖 −𝑜𝑖
2

• 𝑡𝑖 : salida esperada para el i-ésimo ejemplo

• 𝑜𝑖 : salida de la neurona para el i-ésimo ejemplo

• 𝛾 : radio de desempeño

• 𝑤𝑗 : peso j-ésimo de la red

53
Bayesian Regularized Neural Networks (BRANN)

Materiales y Métodos
𝐸 = γ𝑁1 σ𝑁𝑖=0 1
𝑡𝑖 −𝑜𝑖 2 + 1−𝛾 σ𝑛 𝑤
𝑛 𝑗=0 𝑗

Capacidad de generalización mejorada

54
Bayesian Regularized Neural Networks (BRANN)

Materiales y Métodos
𝐸 = γ𝑁1 σ𝑁𝑖=0 1
𝑡𝑖 −𝑜𝑖 2 + 1−𝛾 σ𝑛 𝑤
𝑛 𝑗=0 𝑗

Capacidad de generalización mejorada

Implementación (Matlab)

Levenverg-Marquardt Algorithm

MacKay Bayesian Framework

Función de transferencia hiperbólica en las capas

ocultas y lineal en las capas de entrada y salida
55
 Artificial Neural Networks Ensembles

Materiales y Métodos
Capacidad de generalización del sistema mejorada

Configuración del Ensemble

• datos particionados en varios conjuntos de

entrenamiento y prueba

• BRANNs entrenadas con diferentes subconjuntos para

asegurar la diversidad
• Salida calculada como el promedio de cada BRANN

56
1 Motivación
2 Materiales y Métodos
2.1 Descriptores 2D-3D
AASA
AA2DC
AAp3DCl
P-RDF

2.2 Algoritmos de Aprendizaje

Bayesian Regularized Neural Networks
2.2 Selección de Rasgos y Modelo
Algoritmos Genéticos

3 Experimentos y Resultados
4 Conclusiones y Trabajo Futuro
57
 Algoritmos Genéticos (GA)

Materiales y Métodos
Población pequeña de modelos bien ajustados

Busca el mejor subconjunto de atributos.

Configuración del Algoritmo Genético

• los individuos son BRANNs entrenados con una

arquitectura fija
• cada individuo es entrenado con un subconjunto, de
tamaño fijo, de entre los 366 atributos calculados
• función de adaptación definida como la suma del error
de cada BRAN
• se permite elitismo
58
1 Motivación
2 Materiales y Métodos
2.1 Descriptores 2D-3D
AASA
AA2DC
AAp3DCl
P-RDF

2.2 Algoritmos de Aprendizaje

Bayesian Regularized Neural Networks
2.2 Selección de Rasgos y Modelo
Algoritmos Genéticos

3 Experimentos y Resultados
4 Conclusiones y Trabajo Futuro
59
 Experimentos

Experimentos y Resultados
Descripción de los datos
• 94 mutantes de Chymotrypsin inhibitor-2 tomados
de la base de datos Protherm

GA, BRANNs, Ensembles y validación

• evaluadas varias arquitecturas
• estabilidad de cada mutante calculada varias veces,
salida del sistema calculada como el promedio de
cada predicción
• cantidad variable de BRANNs en cada ensemble
• capacidad de generalización calculada como el
coeficiente de correlación 𝑅2 entre el valor real del
ΔΔ𝐺 y el calculado para cada mutante 60
 Experimentos

Experimentos y Resultados
Preparación Algoritmos
Genéticos
• calcular atributos •buscar los mejores atributos
• eliminar correlacionados •encontrar mejores BRANNs

Validación Construcción del

Ensemble
•coeficiente de correlación
• determinar el número óptimo de
BRANNs

61
 Resultados

Experimentos y Resultados
Selección de los coeficientes más relevantes

Modelos de regresión estables para más de 50 BRANNs en

el Ensemble

Modelos para el 𝚫𝚫𝑮 con coeficiente de correlación

superiores al 𝟎. 𝟖 y 𝟎. 𝟕 para los conjuntos de
entrenamiento y prueba.

62
 Resumen

Experimentos y Resultados
Descriptor
AASA 2D/3D AA2DC AAp3DCI P-RDF
GBRNN

Chymotrypsin
Gene V, 𝑅2 = 0.66
𝑅2 = 0.70

Lyzozyme ,
𝑅2 = 0.68
EGBRNN
Algoritmos

Chymotrypsin 2D,
𝑅2 = 0.58

Chymotrypsin 3D,
𝑅2 = 0.72

64 proteínas, 70%
SVM

64 proteínas, 𝑅2 = 0.70 precisión

GSVM

64 proteínas, 𝑅2 = 0.50
80% precisión
63
1 Motivación
2 Materiales y Métodos
2.1 Descriptores 2D-3D
AASA
AA2DC
AAp3DCl
P-RDF

2.2 Algoritmos de Aprendizaje

Bayesian Regularized Neural Networks
2.2 Selección de Rasgos y Modelo
Algoritmos Genéticos

3 Experimentos y Resultados
4 Conclusiones y Trabajo Futuro
64
 Conclusiones y Trabajo Futuro

Conclusiones y Trabajo Futuro

Resultados prometedores en la aplicación de descriptores
2D/3D de la estructura molecular.

Enfoque complementario para la predicción de

propiedades en las proteínas.

Necesidad de evaluar para mutantes de otras proteínas.

65
Gracias

66