Examinando por Materia "Aprendizaje de máquina"

Mostrando 1 - 2 de 2

Acceso abierto
Diseño de un modelo clasificatorio de predicción para la selección de moléculas con potencial actividad inhibitoria contra el Virus de la Inmunodeficiencia Humana tipo I (VIH-1)
(Universidad ECCI, 2024) Arias Vargas, Laura Valentina; Herrera Acevedo, Chonny Alexander
El VIH-1 ha representado un desafío de salud pública desde su primera aparición en 1980. Por esta razón, ha sido de vital importancia implementar diferentes metodologías que permitan el desarrollo de fármacos eficaces para su control y posible eliminación. Los modelos predictivos computacionales emergen como una alternativa prometedora para desarrollar nuevas quimioterapias, como lo ejemplifica el Amprenavir (inhibidor de proteasa), cuyo desarrollo se benefició de métodos computacionales. Este estudio se enfoca en el desarrollo y evaluación de modelos predictivos para identificar compuestos activos contra la proteasa del VIH-1, utilizando herramientas de bioinformática y docking molecular. Se utilizó el software KNIME 5.2.5 para construir un modelo de predicción robusto capaz de discriminar eficazmente entre compuestos activos e inactivos, con altos niveles de exactitud, precisión y sensibilidad en la selección de candidatos prometedores. Además, se llevó a cabo un análisis exhaustivo de docking molecular que identificó un diterpeno clerodano y cuatro diterpenos cauranos con alta afinidad hacia el sitio activo de la proteasa del VIH-1. Entre ellos, el compuesto 109 destacó significativamente por su energía de unión más baja (-128,49 kJ/mol), indicando una interacción fuerte y estable. Los compuestos restantes (234, 235, 231 y 230) también mostraron energías de unión favorables, sustentadas por interacciones clave como enlaces de hidrógeno y fuerzas de Van der Waals. El análisis detallado de las interacciones moleculares reveló que el compuesto 109 presentó interacciones pi-sigma, pi-alquilo y alquilo que fortalecen la estabilidad del complejo ligando- proteína. Asimismo, el ligando TL-3 mostró características únicas como interacciones pi-amida y carga atractiva, contribuyendo a su mayor afinidad comparativa. 11 En conclusión, estos hallazgos sugieren que los diterpenos clerodanos y los diterpenos cauranos, especialmente el compuesto 109 derivado de Baccharis flabellata, representan prometedores candidatos para el desarrollo de inhibidores de la proteasa del VIH-1, destacando su potencial aplicación terapéutica en la lucha contra esta enfermedad viral.
Acceso abierto
Simulación de artificios en imágenes de tomografía computarizada y clasificación automática usando algoritmos de machine learning
(Universidad ECCI, 2022) Bustos Garay, Carlos Andrés; Almeida Moreno, Javier Andrés
La Tomografía axial computada ha permitido el diagnóstico temprano de múltiples patologías en cualquier parte del cuerpo. La exploración del cráneo y del cerebro por medio de un escáner nos muestra de manera detallada cada estructura que lo componen y acompañado de medios de contraste resalta las estructuras vasculares circundantes. En la práctica de un estudio pueden aparecer artificios o artefactos independientemente de su origen, que limitan la exploración escanográfica, esto lleva a detener el examen e iniciar de nuevo y sumado a esto con los medios de contraste se tienen que aplicar de nuevo dichos fármacos. Los escáneres de ´ultima generación permiten realizar reconstrucciones completas con pocas proyecciones limitando las dosis de radiación, por medio de métodos algebraicos estadísticos de reconstrucción. El presente trabajo muestra la simulación de artificios en imágenes de tomografía computarizada cerebral, la extracción de características de cada imagen y un algoritmo de clasificación automática para la diferenciación de los artefactos simulados. Los resultados muestran que el algoritmo es capaz de clasificar los artificios simulados con un porcentaje de 90 % debajo de la curva ROC.