Análise de classificadores de seqüências projetados por aprendizado computacional supervisionado e não supervisionado

Autor(es)

Caetano Jimenez Carezzato

• Tipo de documento: Dissertação de Mestrado
• Imprenta: São Paulo.
• Instituição: Universidade de São Paulo (USP). Instituto de Matemática e Estatística (IME/SBI)
• Data de defesa: 2004-02-18
• Orientador: Júnior Barrera

Resumo

Nos últimos anos, milhares de seqüências de DNA e proteínas vêm sendo depositadas em bancos de dados públicos de todo o mundo. Atualmente, o principal desafio da Biologia Molecular Computacional é analisar e extrair informações úteis dessa grande quantidade de dados disponível. Este trabalho tem por objetivo estudar diversos métodos computacionais para a realização de busca de homologia e clustering (reconhecimento de padrões supervisionado e não supervisionado, respectivamente) em seqüências de nucleotídeos e aminoácidos. Foi realizada uma vasta revisão bibliográfica dos principais métodos utilizados na área de reconhecimento de padrões, principalmente em Biologia Computacional. É apresentado um resumo dos principais modelos empregados na área e também resultados de experimentos realizados com genes humanos por meio de uma nova forma de extração de características em seqÜência de DNA. Tais características são baseadas em técnicas de representação Chaos Game e de análise fractal multi-escala. Ao longo desta dissertação são apresentados os elementos necessários para a compreensão das diversas técnicas e características analisadas e um resumo dos principais resultados obtidos com a utilização de tais características para a busca de genes que raramente se expressam (AU)

• Processo FAPESP: 01/03975-5 - Analise de classificados de sequencias projetados por aprendizado computacional supervisionado e nao supervisionado.
• Beneficiário: Caetano Jimenez Carezzato
• Modalidade de apoio: Bolsas no Brasil - Mestrado