Estimación vectorial de secuencias de aminoácidos

• Karen Alicia Aguilar Cruz ^[1] ; María Teresa Zagaceta Álvarez ^[1] ; Rosaura Palma Orozco ^[1] ; José de Jesús Medel Juárez ^[1]
  1. [1] Instituto Politécnico Nacional

     Instituto Politécnico Nacional

     México

     
• Localización: DYNA new technologies, ISSN-e 2386-8406, Vol. 5, Nº. 1, 2018
• Idioma: español
• Títulos paralelos:
  • Amino acid sequence vectorial estimation
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    Las dinámicas internas de los sistemas vistos como cajas negras (BB, por sus siglas en inglés Black Box) son desconocidas, y pueden describirse utilizando el proceso de identificación a través de la relación entre sus entradas y salidas medibles. En este trabajo, se presenta la aplicación de un estimador descrito en forma vectorial para obtener los parámetros que definen a un sistema tipo BB a través del gradiente estocástico y el segundo momento de probabilidad. El resultado de la estimación es aplicado en un identificador de primer orden, comprobando la convergencia a través del funcional del error. El sistema utilizado como referencia para la identificación es la secuencia de aminoácidos 1RTH, cadena A de la molécula Transcriptasa Inversa HIV1, expresada en caracteres. El porcentaje de identificación es obtenido con base en la reconstrucción de la referencia, mostrando entonces que la reconstrucción de este tipo de señal biológica es viable a partir de parámetros estimados, que pueden ser utilizados para crear bases de datos sintéticas o aplicarse en problemas de clasificación una vez que la convergencia entre la señal de referencia y la identificada tienden a cero.

  • English

    The internal dynamic systems viewed as Black Boxes (BB) are unknown and could be described by identification processes between the relationship their inputs and outputs. Within this work, an application of a vectorial estimation filter is presented, to obtain the parameters described through BB system considering the stochastic gradient and the second probability moment. The estimation results are applied to a first order identifier, obtaining convergence measurements using the functional error. The considered reference system is the 1RTH amino acid sequence given in characters, which is the A chain from the Inverse Transcriptase HIV1 molecule. The identification percentage is obtained from the reference reconstruction, showing that these Biological signals could be reconstructed from estimation and identification adaptation, which would help to create synthetic signals data bases or into classification problems, once the convergence rate tends to zero.