weka

Revista Cubana de Ciencias Informáticas
ISSN: 1994-1536 | e-ISSN: 2227-1899
RNPS: 0547
http://rcci.uci.cu

Tipo de artículo: Artículo original
Temática: Bioinformática
Recibido: 10/4/2011 | Aceptado: 28/4/2012

Predicción

de

resistencia

a

fármacos

del

VIH

utilizando

multiclasificadores
Using multi-classifiers to predict HIV drug resistance
Joel ArencibiaRamirez1*, Isis Bonet2
1

Centro de Identificación y Seguridad Digital. Universidad de las Ciencias Informáticas, Carretera a San Antonio de

los Baños, km 2 ½, Torrens, Boyeros, La Habana, Cuba. CP.: 19370. Correo-e: joelar@uci.cu
2

Centro de Estudios de Informática. Universidad Central “Marta Abreu” de Las Villas, Santa Clara, Cuba. Correo-e:

isisb@uclv.edu.cu
*Autor para correspondenciaResumen
El presente trabajo muestra el uso de multiclasificadores para mejorar la predicción de resistencia de la proteína
transcriptasa inversa, ante 9 inhibidores de la misma. Específicamente se utiliza un multiclasificador que divide la
base en conjuntos de casos bien clasificados por los diferentes clasificadores bases, combinando las salidas con un
metaclasificador. Las bases de casosse construyeron a partir de la relación genotipo-fenotipo de varios mutantes del
virus, disponible en la base de datos de Stanford, para lo que se utilizó una herramienta desarrollada con este
propósito. Para entrenar los clasificadores y multiclasificadores se utilizó una extensión de la plataforma de
aprendizaje automatizado Weka. La selección de los clasificadores de base se facilitó con laimplementación de una
aplicación para el cálculo de diferentes medidas de diversidad. Los resultados fueron comparados con otros
clasificadores y multiclasificadores, determinando para cada inhibidor, aquel con mejores resultados, logrando una
efectividad superior al 97% en la mayoría de los casos. Los multiclasificadores entrenados, podrán utilizarse pa ra
predecir la resistencia a estosfármacos, partiendo de la información genética de nuevas cepas del virus.
Palabras clave: Clasificación, clasificadores, modelos de combinación de clasificadores, multiclasificadores,
predicción de resistencia a fármacos.

Abstract
protein to nine inhibitors. A multiclassifier which makes clusters to divide the dataset considering the base classifiers
performance is particularly used. The systemlearns how to decide from the group, which are the best classifiers for a
given pattern, using a meta-classifier. The datasets were built starting from the pairs genotype-phenotype, available
on Stanford database. A tool to convert a dataset from a format to another one was developed and it was used for this
purpose. An extension of the Weka Machine Learning Workbench was used to train theclassifiers. The choice of the
base classifiers was done by using a tool for calculating some diversity measures, which were developed for
improving that process. The results were compared to the ones reached for other classifiers and multiclassifiers. So
we could determine the multiclassifier with the best performance for each inhibitor, which reached correct
classifications up to 97% for most ofthe datasets. The trained multiclassifiers can be use d to predict the resistance of
new VIH mutations to these drugs.
Keywords: Classification, classifiers, ensembles, multiclassifiers, resistance to drugs prediction.

Grupo Editorial “Ediciones Futuro”
Universidad de las Ciencias Informáticas. La Habana, Cuba
rcci@uci.cu

Revista Cubana de Ciencias Informáticas
ISSN: 1994-1536 |e-ISSN: 2227-1899
RNPS: 0547
http://rcci.uci.cu

1. Introducción
La búsqueda de nuevos fármacos efectivos para el VIH es un gran reto para los científicos. Para poder diseñar un
fármaco efectivo contra un virus como éste, el cual manifiesta alta capacidad de mutación, es necesario conocer la
estructura tridimensional de todas las variantes mutantes de la proteína que se pretende atacar. El i...