Busca avançada
Ano de início
Entree

Estratégia híbrida em algoritmos genéticos para melhoria de alinhamentos múltiplos de sequências

Processo: 19/00030-3
Modalidade de apoio:Bolsas no Brasil - Iniciação Científica
Data de Início da vigência: 01 de março de 2019
Data de Término da vigência: 31 de dezembro de 2020
Área de conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
Pesquisador responsável:Geraldo Francisco Donegá Zafalon
Beneficiário:Vitoria Zanon Gomes
Instituição Sede: Instituto de Biociências, Letras e Ciências Exatas (IBILCE). Universidade Estadual Paulista (UNESP). Campus de São José do Rio Preto. São José do Rio Preto , SP, Brasil
Assunto(s):Biologia computacional   Alinhamento de sequência   Heurística   Algoritmos genéticos
Palavra(s)-Chave do Pesquisador:Algoritmos Geneticos | Alinhamento múltiplo de seqüências | bioinformática | Otimização de Algoritmos | Bioinformática

Resumo

O alinhamento múltiplo de sequências (AMS) é uma tarefa importante no contexto da bioinformática, uma vez que é utilizado como referência para variados tipos de análises biológicas. Existem diferentes estratégias baseadas em diversas heurísticas para a execução de AMS, como o alinhamento progressivo (AP) e os algoritmos genéticos (AG). O AG, ao contrário do AP, possui a vantagem de adaptar suas soluções ao longo da execução do algoritmo, o que geralmente permite obter bons resultados de alinhamentos, mesmo com conjuntos de sequências pouco similares. No entanto, com os algoritmos genéticos alcançam-se facilmente pontos de máximo local, o que afeta negativamente a qualidade dos alinhamentos produzidos. Dessa forma, o presente trabalho tem o objetivo de modelar e implementar uma estratégia híbrida de algoritmos genéticos para AMS, a partir do refinamento local de regiões do alinhamento com a estratégia de alinhamento progressivo. Com isso, espera-se que seja possível amenizar o problema de máximo local dos AGs, de modo a oferecer uma abordagem que seja capaz de produzir resultados com maior significância biológica.

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

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)
GOMES, VITORIA ZANON; ANDRADE, MATHEUS CARREIRA; AMORIM, ANDERSON RICI; DONEGA ZAFALON, GERALDO FRANCISCO; FILIPE, J; SMIALEK, M; BRODSKY, A; HAMMOUDI, S. A Hybrid Genetic Algorithm using Progressive Alignment and Consistency based Approach for Multiple Sequence Alignments. ICEIS: PROCEEDINGS OF THE 24TH INTERNATIONAL CONFERENCE ON ENTERPRISE INFORMATION SYSTEMS - VOL 2, v. N/A, p. 8-pg., . (19/00030-3)
DONEGA ZAFALON, GERALDO FRANCISCO; GOMES, VITORIA ZANON; AMORIM, ANDERSON RICI; VALENCIO, CARLOS ROBERTO; FILIPE, J; SMIALEK, M; BRODSKY, A; HAMMOUDI, S. A Hybrid Approach using Progressive and Genetic Algorithms for Improvements in Multiple Sequence Alignments. PROCEEDINGS OF THE 23RD INTERNATIONAL CONFERENCE ON ENTERPRISE INFORMATION SYSTEMS (ICEIS 2021), VOL 1, v. N/A, p. 8-pg., . (19/00030-3)