Utilização de Meta-aprendizado para recomendação de algoritmos para análise de dados de expressão gênica

• Processo: 17/05672-8
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de maio de 2017
• Data de Término da vigência: 31 de dezembro de 2017
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: André Carlos Ponce de Leon Ferreira de Carvalho
• Beneficiário: Edesio Pinto de Souza Alcobaça Neto
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Aprendizado computacional Biologia computacional Mineração de dados Algoritmos Neoplasias
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | bioinformática | Meta-Aprendizado | Mineração de Dados | Aprendizado de Máquina

Resumo

Câncer é uma das principais causas da morte na atualidade. O entendimento de seus mecanismos internos e o projeto de modelos computacionais capazes de melhorar o seu diagnóstico terão fortes benefícios. Novas tecnologias de sequenciamento, baseadas em RNA-Seq, disponibilizaram uma grande quantidade de dados, que podem ser usados para diagnóstico de câncer. Como a análise manual desses dados é inviável, algoritmos de aprendizado de máquina têm sido empregados de forma bem sucedida. Contudo, cada algoritmo de aprendizado de máquina possui um viés indutivo, que faz com que melhor se adeque a um dado subconjunto de problemas. Este projeto estuda o uso de estratégias que melhoram ou aperfeiçoam a seleção de algoritmos de classificação para o aprendizado de máquina no contexto de classificação de dados. Será investigado o potencial do uso de meta-aprendizado para associar características presentes em um conjunto de dados às técnicas de classificação mais adequadas para lidar com eles na tarefa de identificação de tumores por meio de expressão gênica, utilizando a tecnologia RNA-Seq e Microarray. (AU)