Debido al gran desarrollo científico-tecnológico en los últimos años, se ha experimentado un rápido incremento en los datos experimentales de estructuras de proteínas. Junto a estos datos experimentales, los métodos computacionales están contribuyendo a solucionar el paradigma secuencia-estructura-función de aquellas proteínas de las que se conoce poco, con el objetivo de extraer información nueva y útil.   La cantidad de datos biológicos disponibles para el análisis y predicción de la estructura de las proteínas hace necesaria la aplicación de herramientas computacionales eficientes. La Minería de datos es una alternativa a los métodos estadísticos tradicionales aplicados a los análisis de datos biológicos. La integración de las bases de datos y la minería de datos pede resultar útil en la extracción de información y para la predicción mediante la aplicación de métodos de clasificación, agrupamiento, asociación y selección de rasgos. Estos análisis se ven limitados por la forma en que los datos son almacenados en las bases de datos biológicos, lo que significa que las bases de datos biológicas no están preparadas para la aplicación de algoritmos basados en máquinas de conocimiento. Es por ello que el desarrollo de estrategias específicas para la preparación de datos se ha tornado un paso importante en el proceso de descubrimiento de conocimiento aplicado a las bases de datos biológicos.

Bases de datos de estructura de proteínas como Protein Data Bank, UniProt y CATH contienen información valiosa que pudiera resultar útil para el mejor entendimiento de las funciones de las proteínas y su plegamiento. A pesar de que esta información se encuentra bien estructurada, no permite la aplicación de máquinas de conocimiento o minería de datos,

Nosotros estamos actualmente desarrollando una nueva metodología que permita la aplicación de herramientas de minería de datos en el análisis de información estructural de proteínas.

Authors:

Presentation:
Presencial

Thematic:
Minería de datos y reconocimiento de patrones