Resumo
Para desenvolver um novo medicamento, pesquisadores devem analisar os alvos biológicos de uma dada doença, descobrir e desenvolver candidatos a fármacos para este alvo biológico, realizando em paralelo, testes biológicos em laboratório para validar a eficiência e os efeitos colaterais da substância química. O estudo quantitativo da relação estrutura-atividade (QSAR) envolve a construção de modelos de regressão que relacionam um conjunto de descritores de um composto químico e a sua atividade biológica com relação a um ou mais alvos no organismo. Os conjuntos de dados manipulados pelos pesquisadores para análise QSAR são caracterizados geralmente por um número pequeno de instâncias e isso torna mais complexa a construção de modelos preditivos. Nesse contexto, a transferência de conhecimento utilizando informações de outros modelos QSAR's com mais informações disponíveis para o mesmo alvo biológico seria desejável, diminuindo o esforço e o custo do processo para gerar novos modelos de descritores de compostos químicos. Este trabalho apresenta a proposta de projeto que consiste na utilização de dois métodos de transferência de aprendizagem, por instâncias e por parâmetros, para construção de modelos QSAR para regressão via Vetores Suporte (SVR). A fim de implementar as técnicas de aprendizagem de transferência, uma nova abordagem para a seleção de conjuntos de dados químicos relacionados, que se baseia na integração de diferentes ontologias, será desenvolvida. Os resultados da regressão obtidos pela utilização dos métodos de aprendizagem de transferência serão comparados com os obtidos pelos métodos clássicos em relação à medida de erro médio quadrático (MSE). (AU)
| Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio: |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |