AutoML para Classificação Multirrótulo de Doenças de piRNAs

• Processo: 25/03665-0
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Iniciação Científica
• Data de Início da vigência: 01 de maio de 2025
• Data de Término da vigência: 31 de agosto de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Ricardo Cerri
• Beneficiário: Anna Carolina Brito Santos Farias
• Supervisor: Isaac Triguero Velazquez
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Instituição Anfitriã: Universidad de Granada (UGR), Espanha
• Vinculado à bolsa: 24/09531-3 - Redes Neurais Artificiais para Predição de Doenças Associadas a piRNAS, BP.IC
• Assunto(s): Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | AutoML | Classificação multitrrótulo | piRNAs | Aprendizado de Máquina

Resumo

Os RNAs associados com a proteína PIWI (piRNAs) são uma classe de pequenos RNAs não codificantes essenciais para a regulação gênica, o desenvolvimento embrionário e a diferenciação celular. Estudos recentes destacam seu envolvimento em doenças como câncer, infertilidade masculina, Alzheimer e distúrbios cardiovasculares. Entretanto, apesar de sua importância e do crescente uso de abordagens computacionais na biologia, a predição de doenças associadas a piRNAs ainda é pouco explorada devido à alta dimensionalidade dos dados e ao número limitado de amostras. O projeto em andamento, financiado pela FAPESP no Brasil, aplica redes neurais a esse problema, enfatizando a necessidade de técnicas como regularização e otimização da arquitetura. Nesse contexto, o AutoML surge como uma solução promissora, automatizando a seleção de modelos e o ajuste de hiperparâmetros para aumentar a robustez. No entanto, estudos comparativos sobre ferramentas de AutoML para a predição de doenças associadas a piRNAs são escassos. Este projeto BEPE propõe avaliar múltiplas ferramentas de AutoML para classificação multirrótulo, identificando seus pontos fortes e limitações. Essa abordagem não apenas ajudará a determinar as ferramentas mais eficazes para essa tarefa, mas também fornecerá uma compreensão mais aprofundada das vantagens e limitações de cada uma, contribuindo para o avanço das aplicações de AutoML em estudos biológicos.