Geradores de homologia persistente e aplicações

Autor(es)

Carlos Henrique Venturi Ronchi

• Tipo de documento: Dissertação de Mestrado
• Imprenta: São Carlos.
• Instituição: Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB)
• Data de defesa: 2019-11-13

Membros da banca

Oziride Manzoli Neto; Denise de Mattos; Thiago de Melo; Afonso Paiva Neto

• Orientador: Márcio Fuzeto Gameiro

Resumo

Nos últimos anos dados são produzidos em uma taxa sem precedentes. Analisar todo o conhecimento obtido através de dados é cada vez mais díficil, devido a proporção das informações. Por isso, é necessário o desenvolvimento de novos métodos de análise. A análise topológica de dados é uma nova área da matemática computacional que procura estudar e entender as propriedades topológicas de dados através de ferramentas como a homologia persistente. Este método estuda de forma geral as componentes conexas, buracos e cavidades dos conjuntos de dados. Este trabalho apresenta os princípios básicos da homologia persistente, sua fundamentação teórica e assim como algumas ferramentas relacionadas, como os ciclos ótimos e imagens de persistência. Com estas ferramentas, propomos alguns modelos para o problema de enovelamento de proteínas. O primeiro é para a predição do score de estabilidade de um banco de proteínas. Alcançamos resultados próximos aos do estado da arte e apresentamos novas perspectivas para o desenvolvimento de proteínas. Já o segundo método estuda o panorama de energias de proteínas simuladas. Mostramos como a homologia persistente pode auxiliar softwares de modelagem para o desenvolvimento de proteínas mais estáveis. (AU)

• Processo FAPESP: 17/14678-0 - Geradores de homologia persistente e aplicações
• Beneficiário: Carlos Henrique Venturi Ronchi
• Modalidade de apoio: Bolsas no Brasil - Mestrado