Desenvolvimento de estimadores Bayesianos para o modelo Markoviano oculto

• Processo: 03/11704-7
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de março de 2004
• Data de Término da vigência: 28 de fevereiro de 2006
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
• Pesquisador responsável: Luis Aparecido Milan
• Beneficiário: Daiane Aparecida Zuanetti
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Assunto(s): Biologia computacional Inferência bayesiana
• Palavra(s)-Chave do Pesquisador: Bioinformatica | Inferencia Bayesiana | Modelo De Markoviano Oculto | Simulacao

Resumo

O Modelo de Markoviano Oculto, ou Hidden Markov Model, HMM, é uma metodologia de desenvolvimento recente que tem-sido utilizada por pesquisadores de áreas como ciência da computação, engenharia e biologia. As suas principais aplicações tem sido na identificação de genes em cadeias de DNA e em reconhecimento da fala por computador, Speech Recognition. Duas referências básicas sobre estes assuntos são Churchill (1989), Buli. Math. Biol., 51, 79-94, e Rabiner e Juang (1986) IEEE Acoustics, Speech & Signal Processing Magazine, 3, 4-16. Este tema foi abordado em um projeto de Iniciação Científica pela mesma aluna, onde o modelo tradicional foi avaliado no que se refere à sua capacidade de identificar genes em seqüências de DNA, no contexto dos estimadores de máxima verossimilhança. Neste projeto propomos o desenvolvimento de modelagem bayesiana para modelos HMM. A metodologia a ser utilizada inclui estudos de simulação e a abordagem da questão da seleção de modelos utilizando os métodos apropriados ao contexto bayesiano. Também será tratada a escolha da distribuição a priori, estudando-se a questão da sensibilidade das estimativas dos parâmetros e do modelo selecionado a esta escolha. Uma aplicação a um problema com um conjunto de dados reais será feita ao final, possivelmente a um problema de identificação de genes ou â identificação de homologia remota em proteínas. (AU)