Avaliação Comparativa do Aprendizado Baseado em Múltiplas Instâncias Quando Aplicado a Um Problema Relacional da Bioinformática

• Processo: 08/02692-9
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de junho de 2008
• Data de Término da vigência: 31 de outubro de 2008
• 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: Fabiana Esteves de Paiva
• 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 Classificação
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | bioinformática | Classificação | Aprendizado de Máquina

Resumo

A Bioinformática freqüentemente utiliza dos métodos do Aprendizado de Máquina para resolver problemas da Biologia. Dentre eles, pode ser citado o método de aprendizado baseado em Múltiplas Instâncias, que foi originalmente proposto para predizer a atividade de medicamentos. Nesse caso, a classificação da atividade de uma molécula de medidamento depende das diversas formas que ela pode assumir. Vale observar que esse problema pode ser modelado de forma relacional: um objeto pode ter de 1 a N configurações distintas, onde um objeto corresponde à uma molécula e cada configuração corresponde às formas que ela pode assumir. Dessa forma, uma abordagem do Aprendizado de Máquina relacional, como a Programação Lógica Indutiva, pode ser aplicada a um problema de Múltiplas Instâncias. Entretanto, enquanto as técnicas de aprendizado baseado em Múltiplas Instâncias lidam de forma natural com atributos numéricos, as aplicações da Programação Lógica Indutiva exigem o pré-processamento desses atributos para o tipo categórico. O objetivo deste trabalho é avaliar comparativamente o desempenho desses dois métodos de aprendizado quando aplicados a um problema relacional da Bioinformática.