Busca avançada
Ano de início
Entree
Conteúdo relacionado

Aplicação de Modelos Ocultos de Markov a elementos transponíveis

Processo: 12/24774-2
Linha de fomento:Bolsas no Exterior - Pesquisa
Vigência (Início): 15 de março de 2013
Vigência (Término): 14 de julho de 2013
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação
Pesquisador responsável:Carlos Norberto Fischer
Beneficiário:Carlos Norberto Fischer
Anfitrião: Marie-France Sagot
Instituição-sede: Instituto de Geociências e Ciências Exatas (IGCE). Universidade Estadual Paulista (UNESP). Campus de Rio Claro. Rio Claro , SP, Brasil
Local de pesquisa : Université Claude Bernard Lyon 1, França  
Assunto(s):Modelos estatísticos   Biologia computacional   Elementos de DNA transponíveis   Biologia molecular

Resumo

Elementos Transponíveis são trechos de DNA que podem se "mover" de um local para outro dentro de um genoma. Modelos Ocultos de Markov são modelos estatísticos que estão sendo utilizados na solução de alguns problemas da Biologia Molecular. Neste projeto de pós-doutorado, o proponente direcionará as pesquisas visando a aplicação de Modelos Ocultos de Markov para a identificação e classificação de Elementos Transponíveis. O projeto será realizado junto ao Grupo de Pesquisa Bamboo, do INRIA, que também pertence ao Laboratório de Biometria e Biologia Evolutiva da Universidade Lyon 1, França, que atua em Bioinformática e Biologia Computacional. Uma consequência natural esperada com a realização do estágio é a proposição futura de projetos em colaboração entre o Grupo de Bioinformática de Rio Claro, coordenado pelo solicitante, e o Grupo Bamboo. (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)
FISCHER, CARLOS N.; CAMPOS, VICTOR DE A.; BARELLA, VICTOR H. On the Search for Retrotransposons: Alternative Protocols to Obtain Sequences to Learn Profile Hidden Markov Models. JOURNAL OF COMPUTATIONAL BIOLOGY, v. 25, n. 5, p. 517-527, MAY 2018. Citações Web of Science: 0.
SCHIETGAT, LEANDER; VENS, CELINE; CERRI, RICARDO; FISCHER, CARLOS N.; COSTA, EDUARDO; RAMON, JAN; CARARETO, CLAUDIA M. A.; BLOCKEEL, HENDRIK. A machine learning based framework to identify and classify long terminal repeat retrotransposons. PLOS COMPUTATIONAL BIOLOGY, v. 14, n. 4 APR 2018. Citações Web of Science: 1.
FISCHER, CARLOS N.; CARARETO, CLAUDIA M. A.; DOS SANTOS, RENATO A. C.; CERRI, RICARDO; COSTA, EDUARDO; SCHIETGAT, LEANDER; VENS, CELINE. Learning HMMs for nucleotide sequences from amino acid alignments. Bioinformatics, v. 31, n. 11, p. 1836-1838, JUN 1 2015. Citações Web of Science: 1.

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