Analise de classificados de sequencias projetados por aprendizado computacional supervisionado e nao supervisionado.

• Processo: 01/03975-5
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de agosto de 2001
• Data de Término da vigência: 31 de julho de 2003
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Matemática da Computação
• Pesquisador responsável: Junior Barrera
• Beneficiário: Caetano Jimenez Carezzato
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Assunto(s): Genética Agrupamento de dados Reconhecimento de padrões
• Palavra(s)-Chave do Pesquisador: Busca De Homologia | Clustering | Genetica | Gramaticas Estocasticas | Reconhecimento De Padroes | Sequencia De Proteinas

Resumo

Nos últimos anos, milhares de seqüências de DNA e proteínas vêm sendo depositadas em bancos de dados públicos em todo o mundo. Atualmente, o principal desafio da Biologia Molecular Computacional é analisar e extrair informações úteis dessa grande quantidade de dados disponíveis. Este trabalho tem por objetivo estudar e comparar diversos métodos computacionais para a realização de busca de homologia e clustering (i.e., reconhecimento de padrões supervisionado e não supervisionado) em seqüências de nucleotídeos (i.e., DNA) e aminoácidos (i.e., proteínas). Para a comparação das diversas métodos, modelaremos os dados por Gramáticas Estocásticas que serão estimadas a partir de dados reais. Essas gramáticas estocásticas serão utilizadas para a geração dos dados de testes. Dados conjuntos de seqüências de categorias diferentes, treinamos uma gramática estocástica para cada conjunto e geramos dados de testes através de realizações dessas gramáticas. Aplicaremos os algoritmos que queremos comparar nos dados gerados e verificaremos a precisão de cada um. (AU)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

CAREZZATO, Caetano Jimenez. Análise de classificadores de seqüências projetados por aprendizado computacional supervisionado e não supervisionado. 2004. Dissertação de Mestrado - Universidade de São Paulo (USP). Instituto de Matemática e Estatística (IME/SBI) São Paulo.