Combinando la Similaridad Secuencial por Pares y Máquinas de Soporte Vectorial para Detectar Relaciones Evolutivas y Estructurales Remotas de Proteínas

Un elemento clave para entender la maquinaria molecular de la célula es comprender la estructura y función de cada proteína codificada en el genoma. Un medio muy exitoso para inferir la estructura o función de una proteína previamente no anotada es a través de la similitud de secuencia con una o más proteínas cuya estructura o función ya se conoce. Con este fin, proponemos un medio para representar proteínas utilizando puntuaciones de similitud secuencial por pares. Esta representación, combinada con un algoritmo de clasificación discriminativa conocido como la máquina de soporte vectorial (SVM), proporciona un medio poderoso para detectar sutiles relaciones estructurales y evolutivas entre proteínas. El algoritmo, llamado SVM-pairwise, cuando se prueba en su capacidad para reconocer familias previamente no vistas de la base de datos SCOP, presenta un rendimiento significativamente mejor que SVM-Fisher, HMMs de perfil y PSI-BLAST.