MBC-6-M3-R2

Algoritmos de la Biología Computacional

Algoritmos de redes neuronales artificiales (ANN)

Algoritmos de redes neuronales artificiales

Transferencia de principios biológicos a algoritmos de redes neuronales artificiales.

• Relación no lineal entre entrada (input) y salida (output).
• Procesamiento de información masiva en paralelo.
• Construcción de algoritmos basada en datos.
• Capacidad para generalizar a nuevos elementos de datos.

Neurona artificial

La neurona artificial:Muy simplificada en relación con la biología. Combinación lineal de entrada, pesos, y umbral. Función de respuesta no lineal (sigmoidea) Elección típica: o (x)=1/(1+ e´(-x))

Separación lineal por una simple red neuronal

Correlaciones de secuencia de orden superior

Digamos que un péptido necesita uno y solo un aminoácido grande en las posiciones P3 y P4 para llenar la hendidura de unión o binding cleft. ¿Cómo se formularía esto para probar si un péptido puede unirse?

Correlaciones de secuencia de orden superior

Las redes neuronales pueden aprender correlaciones de orden superior.

Ninguna función lineal puede separar los puntos.

Red neuronal: Función lineal

Red neuronal con una capa oculta

Red neuronal con una capa oculta

¿Cómo funciona? A continuación se observa el ejemplo para el input (0,0

Referencias

Morten Nielsen. (2019, July). Artificial Neural Networks. 22125 - Algorithms in Bioinformatics, DTU. https://kurser.dtu.dk/course/22125