- -

Clasificación de Bloqueadores de Ikr Basada en Protocolos de Voltage Clamp y Técnicas de Machine Learning.

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

Clasificación de Bloqueadores de Ikr Basada en Protocolos de Voltage Clamp y Técnicas de Machine Learning.

Show simple item record

Files in this item

dc.contributor.author Escobar-Ropero, Fernando es_ES
dc.contributor.author Gomis-Tena Dolz, Julio es_ES
dc.contributor.author Saiz Rodríguez, Francisco Javier es_ES
dc.contributor.author Romero Pérez, Lucia es_ES
dc.date.accessioned 2021-06-02T06:59:27Z
dc.date.available 2021-06-02T06:59:27Z
dc.date.issued 2020-11-27 es_ES
dc.identifier.isbn 978-84-09-25491-0 es_ES
dc.identifier.uri http://hdl.handle.net/10251/167115
dc.description.abstract [ES] La evaluación de la cardiotoxicidad es clave en el desarrollo de nuevos compuestos y se suele realizar analizando el grado de bloqueo que provocan en los canales de potasio relacionados con el gen humano ether-à-go-go (hERG). El objetivo de este trabajo es desarrollar un clasificador que determine la preferencia de un fármaco para unirse a un estado determinado del canal. Se ha creado un conjunto de 2600, divididos en 13 clases, bloqueadores virtuales con diferentes afinidades y cinéticas por los estados conformacionales del canal. Se realizaron simulaciones utilizando tres protocolos de estimulación que aumentan la probabilidad del canal de ocupar ciertos estados. Para cada simulación se han tomado tres medidas: IC50, la constante de recuperación de la corriente de potasio IKr y una estimación del tiempo necesario para alcanzar el estado estacionario. Por lo tanto, se obtuvieron 9 variables por cada fármaco estudiado. Se desarrolló, entrenó y evaluó un clasificador en dos pasos. En primer lugar, se usaron máquinas de soporte vectorial sobre las IC50 para separar las 13 clases en tres grupos con 4, 5 y 4 clases respectivamente. En segundo lugar, se usaron redes neuronales en cada grupo para terminar de clasificar los bloqueadores. Los tres clasificadores obtuvieron una precisión global en los grupos de test del 90.83, 88.66 y 89.16% respectivamente. es_ES
dc.language Español es_ES
dc.publisher Sociedad Española de Ingeniería Biomédica es_ES
dc.relation.ispartof XXXVIII Congreso Anual de la Sociedad Española de Ingeniería Biomédica (CASEIB 2020). Libro de Actas es_ES
dc.rights Reconocimiento - No comercial - Compartir igual (by-nc-sa) es_ES
dc.subject.classification TECNOLOGIA ELECTRONICA es_ES
dc.title Clasificación de Bloqueadores de Ikr Basada en Protocolos de Voltage Clamp y Técnicas de Machine Learning. es_ES
dc.type Comunicación en congreso es_ES
dc.type Capítulo de libro es_ES
dc.rights.accessRights Abierto es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Ingeniería Electrónica - Departament d'Enginyeria Electrònica es_ES
dc.description.bibliographicCitation Escobar-Ropero, F.; Gomis-Tena Dolz, J.; Saiz Rodríguez, FJ.; Romero Pérez, L. (2020). Clasificación de Bloqueadores de Ikr Basada en Protocolos de Voltage Clamp y Técnicas de Machine Learning. Sociedad Española de Ingeniería Biomédica. 137-140. http://hdl.handle.net/10251/167115 es_ES
dc.description.accrualMethod S es_ES
dc.relation.conferencename XXXVIII Congreso Anual de la Sociedad Española de Ingeniería Biomédica (CASEIB 2020) es_ES
dc.relation.conferencedate Noviembre 25-27,2020 es_ES
dc.relation.conferenceplace Online es_ES
dc.relation.publisherversion http://caseib.es/2020/ es_ES
dc.description.upvformatpinicio 137 es_ES
dc.description.upvformatpfin 140 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.relation.pasarela S\429630 es_ES


This item appears in the following Collection(s)

Show simple item record