Resumo

VALENCIA-COLMAN, Laura S.  e  DAZA С., Edgar E.. Reconhecimento de vias biossintéticas para semioquímicos usando técnicas de aprendizado de máquina. Rev.Colomb.Quim. [online]. 2022, vol.51, n.2, pp.35-40.  Epub 12-Jan-2024. ISSN 0120-2804.  https://doi.org/10.15446/rev.colomb.quim.v51n2.101546.

Neste trabalho consideramos 148 semioquímicos reportados para a família Scarabaeidae, cuja estrutura química foi caracterizada usando um conjunto de 200 descritores moleculares de 5 classes diferentes. A seleção dos descritores mais discriminantes foi realizada com três técnicas diferentes: Análise de Componentes Principais, para cada classe de descritores, Florestas Aleatórias e Boruta-Shap, aplicadas a todos os descritores. Embora as três técnicas sejam conceitualmente diferentes, elas selecionaram um número semelhante de descritores de cada classe. Nós propusemos uma combinação de técnicas de aprendizado de máquina para buscar um padrão estrutural no conjunto de semioquímicos e então realizar sua classificação. O padrão foi estabelecido a partir da alta pertinência de um subconjunto desses metabólitos aos grupos que foram obtidos por um método de agrupamento baseado em lógica fuzzy, C-means; o padrão descoberto corresponde às rotas biossintéticas pelas quais eles são obtidos biologicamente. Essa primeira classificação foi corroborada com o uso dos mapas auto-organizados de Kohonen. Para classificar os semioquímicos cuja pertença a uma rota não foi claramente definida, construímos dois modelos de Perceptrons Multicamadas que tiveram um desempenho aceitável.

Palavras-chave : florestas aleatórias; C-means; descritores moleculares; família Scarabaeidae; perceptron multicamadas; redes neurais.

        · resumo em Espanhol | Inglês     · texto em Espanhol     · Espanhol ( pdf )