Busca avançada
Ano de início
Entree

Tecnologia da Informação aplicada a genômica para bioenergia: anotação probabilística usando inteligência artificial

Processo: 09/53161-6
Linha de fomento:Auxílio à Pesquisa - Programa BIOEN - Regular
Vigência: 01 de fevereiro de 2010 - 31 de janeiro de 2012
Área do conhecimento:Interdisciplinar
Convênio/Acordo: Microsoft Research
Pesquisador responsável:Ricardo Zorzetto Nicoliello Vêncio
Beneficiário:Ricardo Zorzetto Nicoliello Vêncio
Instituição-sede: Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto (FFCLRP). Universidade de São Paulo (USP). Ribeirão Preto , SP, Brasil
Assunto(s):Bioenergia  Cana-de-açúcar  Genomas  Inteligência artificial 
Publicação FAPESP:http://media.fapesp.br/bv/uploads/pdfs/World...Impact_14_34_35.pdf

Resumo

Atualmente, a abordagem filogenômica se apresenta como o paradigma disponível mais adequado para estabelecer anotações de alta qualidade. O presente projeto tem por objetivo o desenvolvimento de um ambiente de Tecnologia da Informação, destinado a automatizar a anotação de genomas completos de organismos que apresentam interesse estratégico para a área de Bioenergia. O alvo principal é o desenvolvimento de uma metodologia de Inteligência Artificial (Redes Bayesianas) seguido da construção de um sistema de software que viabilize aos biologistas a tarefa de anotação automatizada, integrando fontes de evidências quantitativas e qualitativas de forma probabilística. A anotação probabilística tem como produto final a estimativa da probabilidade de um dado gene pertencer a uma certa classe funcional, um processo ou um componente celular, ao invés de atribuições fixas simplistas sem estimativa de incerteza e sem considerar os diferentes graus/qualidade de evidência. Como objetivo tangível do presente projeto, o transcritoma da cana-de-açúcar será anotado, bem como a porção do genoma que estiver disponível aos membros do consórcio BION-FAPESP. (AU)

Publicações científicas
(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)
JIANG, YUXIANG; ORON, TAL RONNEN; CLARK, WYATT T.; BANKAPUR, ASMA R.; D'ANDREA, DANIEL; LEPORE, ROSALBA; FUNK, CHRISTOPHER S.; KAHANDA, INDIKA; VERSPOOR, KARIN M.; BEN-HUR, ASA; KOO, DA CHEN EMILY; PENFOLD-BROWN, DUNCAN; SHASHA, DENNIS; YOUNGS, NOAH; BONNEAU, RICHARD; LIN, ALEXANDRA; SAHRAEIAN, SAYED M. E.; MARTELLI, PIER LUIGI; PROFITI, GIUSEPPE; CASADIO, RITA; CAO, RENZHI; ZHONG, ZHAOLONG; CHENG, JIANLIN; ALTENHOFF, ADRIAN; SKUNCA, NIVES; DESSIMOZ, CHRISTOPHE; DOGAN, TUNCA; HAKALA, KAI; KAEWPHAN, SUWISA; MEHRYARY, FARROKH; SALAKOSKI, TAPIO; GINTER, FILIP; FANG, HAI; SMITHERS, BEN; OATES, MATT; GOUGH, JULIAN; TORONEN, PETRI; KOSKINEN, PATRIK; HOLM, LIISA; CHEN, CHING-TAI; HSU, WEN-LIAN; BRYSON, KEVIN; COZZETTO, DOMENICO; MINNECI, FEDERICO; JONES, DAVID T.; CHAPMAN, SAMUEL; DUKKA, B. K. C.; KHAN, ISHITA K.; KIHARA, DAISUKE; OFER, DAN; RAPPOPORT, NADAV; STERN, AMOS; CIBRIAN-UHALTE, ELENA; DENNY, PAUL; FOULGER, REBECCA E.; HIETA, REIJA; LEGGE, DUNCAN; LOVERING, RUTH C.; MAGRANE, MICHELE; MELIDONI, ANNA N.; MUTOWO-MEULLENET, PRUDENCE; PICHLER, KLEMENS; SHYPITSYNA, ALEKSANDRA; LI, BIAO; ZAKERI, POOYA; ELSHAL, SARAH; TRANCHEVENT, LEON-CHARLES; DAS, SAYONI; DAWSON, NATALIE L.; LEE, DAVID; LEES, JONATHAN G.; SILLITOE, IAN; BHAT, PRAJWAL; NEPUSZ, TAMAS; ROMERO, ALFONSO E.; SASIDHARAN, RAJKUMAR; YANG, HAIXUAN; PACCANARO, ALBERTO; GILLIS, JESSE; SEDENO-CORTES, ADRIANA E.; PAVLIDIS, PAUL; FENG, SHOU; CEJUELA, JUAN M.; GOLDBERG, TATYANA; HAMP, TOBIAS; RICHTER, LOTHAR; SALAMOV, ASAF; GABALDON, TONI; MARCET-HOUBEN, MARINA; SUPEK, FRAN; GONG, QINGTIAN; NING, WEI; ZHOU, YUANPENG; TIAN, WEIDONG; FALDA, MARCO; FONTANA, PAOLO; LAVEZZO, ENRICO; TOPPO, STEFANO; FERRARI, CARLO; GIOLLO, MANUEL; PIOVESAN, DAMIANO; TOSATTO, SILVIO C. E.; DEL POZO, ANGELA; FERNANDEZ, JOSE M.; MAIETTA, PAOLO; VALENCIA, ALFONSO; TRESS, MICHAEL L.; BENSO, ALFREDO; DI CARLO, STEFANO; POLITANO, GIANFRANCO; SAVINO, ALESSANDRO; REHMAN, HAFEEZ UR; RE, MATTEO; MESITI, MARCO; VALENTINI, GIORGIO; BARGSTEN, JOACHIM W.; VAN DIJK, AALT D. J.; GEMOVIC, BRANISLAVA; GLISIC, SANJA; PEROVIC, VLADMIR; VELJKOVIC, VELJKO; VELJKOVIC, NEVENA; ALMEIDA-E-SILVA, DANILLO C.; VENCIO, RICARDO Z. N.; SHARAN, MALVIKA; VOGEL, JOERG; KANSAKAR, LAKESH; ZHANG, SHANSHAN; VUCETIC, SLOBODAN; WANG, ZHENG; STERNBERG, MICHAEL J. E.; WASS, MARK N.; HUNTLEY, RACHAEL P.; MARTIN, MARIA J.; O'DONOVAN, CLAIRE; ROBINSON, PETER N.; MOREAU, YVES; TRAMONTANO, ANNA; BABBITT, PATRICIA C.; BRENNER, STEVEN E.; LINIAL, MICHAL; ORENGO, CHRISTINE A.; ROST, BURKHARD; GREENE, CASEY S.; MOONEY, SEAN D.; FRIEDBERG, IDDO; RADIVOJAC, PREDRAG. An expanded evaluation of protein function prediction methods shows an improvement in accuracy. Genome Biology, v. 17, SEP 7 2016. Citações Web of Science: 90.
ALMEIDA-E-SILVA, DANILLO C.; VENCIO, RICARDO Z. N. SIFTER-T: A scalable and optimized framework for the SIFTER phylogenomic method of probabilistic protein domain annotation. BIOTECHNIQUES, v. 58, n. 3, p. 140-142, MAR 2015. Citações Web of Science: 0.
SILVA, RICARDO R.; JOURDAN, FABIEN; SALVANHA, DIEGO M.; LETISSE, FABIEN; JAMIN, EMILIEN L.; GUIDETTI-GONZALEZ, SIMONE; LABATE, CARLOS A.; VENCIO, RICARDO Z. N. ProbMetab: an R package for Bayesian probabilistic annotation of LC-MS-based metabolomics. Bioinformatics, v. 30, n. 9, p. 1336-1337, MAY 1 2014. Citações Web of Science: 27.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.