Aprendizado de máquina multirrótulo para predição de doenças associadas a RNAs longos não-codificantes

• Processo: 22/14762-9
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de maio de 2023
• Data de Término da vigência: 28 de fevereiro de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Ricardo Cerri
• Beneficiário: Lívia Umberto Bertoni
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Bolsa(s) vinculada(s): 24/05438-9 - Comitês de árvores profundos para predição de doenças associadas a lncRNA., BE.EP.IC
• Assunto(s): Aprendizado computacional Classificação multirrótulo Doenças
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Classificacao Multirrotulo | doenças | RNAs longos não codificantes | Aprendizado de máquina

Resumo

RNAs longos não codificantes (lncRNAs) são RNAs com mais de 200 nucleotídeos e que não são traduzidos em proteínas. Estes apresentam importante papel em diversas atividades vitais. Em paralelo, um número crescente de estudos têm revelado associações entre expressões anormais destes RNAs e doenças humanas. Assim, diversas abordagens biotecnológicas têm sido usadas para identificação e detecção de lncRNAs. Entretanto, existem algumas dificuldades nesses processos, associadas a custo, procedimento operacional e processo experimental. Dessa forma, é desejável a construção de modelos baseados em inteligência artificial para predição de doenças com base nos dados de lncRNA, que serão úteis para diagnóstico e terapia de doenças. Este projeto tem como objetivo a implementação de um método de predição de doenças associadas à lncRNAs, tratando-se de um caso de classificação multirrótulo, uma vez que um mesmo lncRNA pode estar associado a mais de uma doença. Serão analisados e testados diferentes métodos dependentes e independentes de algoritmo, e seus resultados serão comparados com outros métodos da literatura. Os resultados serão avaliados utilizando conjuntos de dados de sequências de lncRNAs utilizando medidas de avaliação específicas para problemas multirrótulo.