Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/6917| Title: | MÉTODOS HSA PARA DOBLADO DE PROTEÍNAS CON MODELACIÓN DE GRANO GRUESO |
| Authors: | Soto Monterrubio, Diego A. |
| Issue Date: | 2023-03-01 |
| Publisher: | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Instituto Tecnológico de Ciudad Madero |
| Description: | El problema de doblado de proteínas o PFP (de sus siglas en inglés, Protein Folding Problem) es un reto enorme en diferentes áreas de conocimiento como biología molecular, biología computacional y ciencias de la computación. Este problema consiste en obtener la estructura nativa o terciaria funcional de una proteína o péptido a partir de su secuencia de aminoácidos (estructura primaria). Durante el proceso de obtención a partir de la estructura primaria hasta la estructura terciaria los péptidos pueden obtener una gran cantidad de formas diferentes en su estructura tridimensional de átomos que la conforman y representa la energía libre de Gibbs más baja. Existen métodos que solo utilizan la secuencia de aminoácidos de la proteína y métodos que no solo utilizan está secuencia para resolver el PFP. En este documento se presentan métodos híbridos de recocido simulado (SA, Simulated Annealing) para la solución del PFP basados en ab initio se ha implementado un algoritmo muy eficaz denominado GRSA que es del tipo HSA (Hybrid Simulated Annealing) el cual ha dado lugar a varios algoritmos de ese tipo como GRSA2. Los algoritmos GRSA son sintonizados analíticamente y pueden teóricamente utilizar al menos tres tipos de estrategias de mejora en el área de HSA: a) Los que exploran nuevas soluciones a partir de una solución inicial basada en una predicción de ángulos de torsión basada en el conocimiento, siendo los más prometedores los que obtienen soluciones a partir de la estructura secundaria y los que las obtienen de otros algoritmos, b) Métodos novedosos para mejorar el proceso completo de GRSA a partir de optimización combinatoria y/o basados en la física; estos métodos se emplean para perturbar soluciones y generar otras; y c) Métodos de optimización para la mejora del proceso, a partir de subdividirlo en fases, recomenzarlo o detenerlo por equilibrio dinámico métodos de recalentamiento. Con estas estrategias se han obtenido buenos resultados y estas técnicas, con las estrategias tipo a, b y c se han publicado en la literatura. Cabe señalar que los algoritmos GRSA en particular los denominado GRSA2 han obtenido las mejores soluciones de PFP en el caso de péptidos de forma que su investigación es muy prometedora. Está propuesta de tesis busca desarrollar algoritmos tipo GRSA utilizando estrategias basadas en el conocimiento o tipo a) antes descritas, además de buscar perfeccionar los otros dos tipos de técnicas. El desarrollo de dichas estrategias es un gran reto pues se deben investigar métodos de diferentes áreas del conocimiento particularmente de la física, biotecnología y optimización combinatoria. Para realizar la predicción de una proteína o péptido (instancia) se realiza una sintonización analítica en los algoritmos de HSA. En este documento, se presentan resultados de un conjunto de instancias probadas en los algoritmos HSA y se realiza un análisis de resultados para este conjunto de instancias, mostrando un buen desempeño para GRSA2. Los resultados de GRSA2 son comparados con algoritmos del estado del arte. Posterior al GRSA2, se describe el método GRSA2-SSP con estructuras secundarias y GRSA2-SSPR con la estrategia de selección por ruleta para el refinamiento de cadenas laterales. Por ultimo se presenta el método GRSA2-FCNN, el cual es basado en fragmentos generados por una red neuronal convolucional, aplicando este método a un conjunto de instancias similar al GRSA2-SSP. Se presentan resultados de los métodos GRSA2-SSP, GRSA2-SSPR y GRSA2- FCNN los cuales son comparados con los servidores del estado del arte. |
| metadata.dc.type: | info:eu-repo/semantics/doctoralThesis |
| Appears in Collections: | Doctorado en Ciencias de la Ingeniería |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| D05071339_donacion_tesis_bib.pdf | Tesis | 4.81 MB | Adobe PDF | View/Open |
| D05071339_donacion_licencia_bib.pdf Until 2050-01-01 | Licencia | 53.77 kB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
