Creation date in repository: 2022-11-16
Abstract: Este proyecto se ha desarrollado con la intención de poder agilizar las investigaciones actuales respecto al tema del COVID-19 y el desarrollo de una vacuna eficaz contra el virus. La idea principal consiste en la creación de un modelo de Machine learning que reciba como parámetro de entrada descriptores específicos de un sistema inhibidor de la proteasa principal del COVID-19 y calcule, a partir de ellos, la concentración necesaria de esa sustancia para alcanzar un grado de inhibición de la proteasa equivalente a un 50%, también conocido como pIC50. El objetivo final consiste en poder desplegar, en un futuro, este modelo en una plataforma online que sea accesible mediante la web. Los resultados obtenidos fueron aceptables tras probar diversos tipos de modelos, decantándose finalmente por un modelo de regresión lineal.
Subject: Intel·ligència artificial--Aplicacions a la medicina
Language: spa
Subject areas: Ingeniería informática Computer engineering Enginyeria informàtica
Department: Enginyeria Informàtica i Matemàtiques
Student: Blanco Álvarez, Alberto
Academic year: 2020-2021
Title in different languages: Modelo de machine learning para predecir el grado de inhibición de un compuesto contra la proteasa principal del covid-19. Modelo de machine learning para predecir el grado de inhibición de un compuesto contra la proteasa principal del covid-19. Model de machine learning per predir el grau d'inhibició d'un compost contra la proteasa principal de l'COVID-19.
Work's public defense date: 2021-06-23
Access rights: info:eu-repo/semantics/openAccess
Keywords: Machine learning, COVID-19, drug discovery Machine learning, COVID-19, drug discovery Machine learning, COVID-19, drug discovery
Confidenciality: No
Title in original language: Modelo de machine learning para predecir el grado de inhibición de un compuesto contra la proteasa principal del covid-19.
Project director: Duch Gavaldà, Jordi
Education area(s): Enginyeria Informàtica
Entity: Universitat Rovira i Virgili (URV)
Repositori URV