Busca avançada
Ano de início
Entree

Causalidade de Granger entre grupos de séries temporais: desenvolvimento de metodologias para seleção de modelos e extensões no domínio da frequência com aplicações em biologia molecular e neurociência

Processo: 11/07762-8
Modalidade de apoio:Auxílio à Pesquisa - Regular
Data de Início da vigência: 01 de julho de 2011
Data de Término da vigência: 31 de dezembro de 2013
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Matemática da Computação
Pesquisador responsável:André Fujita
Beneficiário:André Fujita
Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Pesquisadores associados:Alexandre Galvão Patriota ; João Ricardo Sato ; Patricia Severino
Assunto(s):Biologia computacional  Causalidade de Granger  Análise de séries temporais  Expressão gênica  Redes de interação gênica  Neurociências  Neoplasias cerebrais  Ressonância magnética 
Palavra(s)-Chave do Pesquisador:câncer | causalidade de Granger | Neurociência | redes regulatórias | Bioinformática

Resumo

Wiener (1956) e Granger (1969) introduziram um conceito intuitivo de causalidade (causalidade de Granger) entre duas variáveis que é baseada na ideia de que um efeito nunca ocorre antes de sua causa. Apesar da causalidade de Granger não ser uma "causalidade efetiva" no sentido Aristotélico, este conceito é muito útil para identificar direcionalidade e fluxo de informação em dados observados (biológicos, econômicos, financeiros, etc). Geweke (1984) generalizou esse conceito de causalidade para o caso multivariado, ou seja, quando m séries temporais Granger-causam uma série temporal, enquanto Fujita et al. (2010) generalizaram para o caso entre grupos de variáveis, isto é, quando m séries temporais Granger-causam n outras séries temporais. Apesar da técnica para a identificação da causalidade de Granger entre grupos ser útil para explicar certos eventos naturais, ainda existem algumas limitações a serem superadas. Por exemplo, para sua identificação em dados reais, é necessário definir de forma objetiva quais variáveis pertencem a quais grupos quando nenhuma informação a priori sobre a estrutura dos grupos é fornecida. Além disso, pouco (ou nada) se é conhecido sobre a causalidade de Granger entre grupos de séries temporais no domínio da frequência. Assim, neste projeto, propõe-se desenvolver um critério para seleção de modelos, isto é, uma maneira de definir de forma objetiva quais variáveis pertencem a quais grupos; e também um conceito e metodologia para a identificação de causalidade de Granger entre grupos de séries temporais no domínio da frequência. Propõe-se, ainda, aplicar as técnicas desenvolvidas aqui em dados de expressão gênica relacionados com o câncer e também em dados de ressonância magnética funcional, afim de obter uma melhor compreensão da intrincada rede de interações gênicas no câncer e também da conectividade do cérebro sob diferentes estímulos. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas (4)
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
TAKAHASHI, DANIEL YASUMASA; SATO, JOAO RICARDO; FERREIRA, CARLOS EDUARDO; FUJITA, ANDRE. Discriminating Different Classes of Biological Networks by Analyzing the Graphs Spectra Distribution. PLoS One, v. 7, n. 12, . (11/07762-8, 10/01394-4)
AZEVEDO, HATYLAS; FUJITA, ANDRE; BANDO, SILVIA YUMI; IAMASHITA, PRISCILA; MOREIRA-FILHO, CARLOS ALBERTO. Transcriptional Network Analysis Reveals that AT1 and AT2 Angiotensin II Receptors Are Both Involved in the Regulation of Genes Essential for Glioma Progression. PLoS One, v. 9, n. 11, . (05/56446-0, 11/07762-8, 11/50761-2, 09/53443-1)
SANTOS, SUZANA DE SIQUEIRA; TAKAHASHI, DANIEL YASUMASA; NAKATA, ASUKA; FUJITA, ANDRE. A comparative study of statistical methods used to identify dependencies between gene expression signals. BRIEFINGS IN BIOINFORMATICS, v. 15, n. 6, p. 906-918, . (13/03447-6, 12/25417-9, 11/07762-8, 11/50761-2)
FUJITA, ANDRE; TAKAHASHI, DANIEL Y.; PATRIOTA, ALEXANDRE G.. A non-parametric method to estimate the number of clusters. COMPUTATIONAL STATISTICS & DATA ANALYSIS, v. 73, p. 27-39, . (11/07762-8)