Coeficiente de determinação, predição intrinsicamente multivariada e genética

• Processo: 04/04089-7
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de agosto de 2004
• Data de Término da vigência: 31 de julho de 2006
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Ronaldo Fumio Hashimoto
• Beneficiário: Carlos Henrique Aguena Higa
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Assunto(s): Biologia computacional Expressão gênica Análise de sequência com séries de oligonucleotídeos Redes booleanas probabilísticas Predição de genes Coeficiente de determinação
• Palavra(s)-Chave do Pesquisador: Coeficiente De Determinacao | Microarrays | Predicao Genica | Redes Booleanas

Resumo

A tecnologia de microarrays tem se mostrado como uma importante ferramenta para a pesquisa genética envolvendo uma grande quantidade de genes. Um problema chave na análise de expressão de genes, a partir de dados provenientes de microarrays, envolve a predição da expressão de um gene alvo em termos da expressão de outros genes preditores, O coeficiente de determinação (CoD) tem sido usado para medir a qualidade de tais predições. Uma situação particular de configuração de CoDs define o que chamamos de genes de predição intrinsecamente multivariada. Além disso, recentemente, um novo modelo foi proposto na direção de fornecer uma visão integrada de como os genes se interagem: Rede Booleana Probabilística (PBN). Este modelo tem grande potencialidade para explicar a interação de genes dentro de uma célula. Este projeto de pesquisa de mestrado tem como interesse principal estudar problemas relacionados com computação de CoDs e simulações de PBNs. Dentre estes problemas, podemos citar: (i) estudar e implementar algoritmos para estimar CoDs e encontrar genes de predição intrinsecamente multivariada a partir de dados de microarrays; (ii) aplicar as implementações dos algoritmos em dados biológicos provenientes de microarrays para encontrar alguns genes de predição intrinsecamente multivariada e (iii) fazer implementação de algoritmos para simulações de PBNs em computadores de forma a estudar e descobrir possíveis relações matemáticas entre arquitetura de PBNs e CoDs. (AU)

Publicações acadêmicas

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

HIGA, Carlos Henrique Aguena. Coeficientes de determinação, predição intrinsicamente multivariada e genética. 2006. Dissertação de Mestrado - Universidade de São Paulo (USP). Instituto de Matemática e Estatística (IME/SBI) São Paulo.