Uma proposta para melhorar a convergência de MCMC

Detalhes bibliográficos
Autor(a) principal: Agostinho, Nilzair Barreto
Data de Publicação: 2014
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da FURG (RI FURG)
Texto Completo: http://repositorio.furg.br/handle/1/6632
Resumo: Atualmente na área de sistemas Biológicos vêm-se trabalhando para o desenvolvimento de ferramentas que possam auxiliar a obter um maior conhecimento sobre as interações moleculares em um organismo. Pesquisas tem sido desenvolvidas tendo como objetivo principal obter um detalhamento da organização funcional de Sistemas Biológicos. As redes regulatórias genéticas tem sido utilizadas como ferramenta para dispor mapas detalhados sobre as interações entre os genes e consequentemente sobre as interações moleculares e a organização funcional. Porém essas redes regulatórias são altamente complexas e o processo para inferí-las é custoso computacionalmente. Neste trabalho optou-se por trabalhar com redes Bayesianas devido à sua natureza probabilística e flexibilidade. As redes Bayesianas foram amostradas através do MCMC que garante que haja uma convergência para distribuição posterior. Porém, na prática o MCMC é relativamente lento e sem garantia de alcançar a convergência. Desta forma propõe-se utilizar a saída de métodos mais rápidos e menos precisos como GGM como entrada para o método MCMC. Sendo assim, o presente trabalho propõe o desenvolvimento de um BNGGM permitindo que a amostragem MCMC seja guiada por um método mais rápido. Sendo assim, buscou-se então contribuir para o desenvolvimento de métodos de inferência de redes genéticas e assim também acrescentar recursos ao trabalho de desenvolvimento de métodos de diagnósticos e curas de doenças.
id FURG_ef92a4a33c7d86ca4a31992a2bbf49ff
oai_identifier_str oai:repositorio.furg.br:1/6632
network_acronym_str FURG
network_name_str Repositório Institucional da FURG (RI FURG)
repository_id_str
spelling Uma proposta para melhorar a convergência de MCMCAtualmente na área de sistemas Biológicos vêm-se trabalhando para o desenvolvimento de ferramentas que possam auxiliar a obter um maior conhecimento sobre as interações moleculares em um organismo. Pesquisas tem sido desenvolvidas tendo como objetivo principal obter um detalhamento da organização funcional de Sistemas Biológicos. As redes regulatórias genéticas tem sido utilizadas como ferramenta para dispor mapas detalhados sobre as interações entre os genes e consequentemente sobre as interações moleculares e a organização funcional. Porém essas redes regulatórias são altamente complexas e o processo para inferí-las é custoso computacionalmente. Neste trabalho optou-se por trabalhar com redes Bayesianas devido à sua natureza probabilística e flexibilidade. As redes Bayesianas foram amostradas através do MCMC que garante que haja uma convergência para distribuição posterior. Porém, na prática o MCMC é relativamente lento e sem garantia de alcançar a convergência. Desta forma propõe-se utilizar a saída de métodos mais rápidos e menos precisos como GGM como entrada para o método MCMC. Sendo assim, o presente trabalho propõe o desenvolvimento de um BNGGM permitindo que a amostragem MCMC seja guiada por um método mais rápido. Sendo assim, buscou-se então contribuir para o desenvolvimento de métodos de inferência de redes genéticas e assim também acrescentar recursos ao trabalho de desenvolvimento de métodos de diagnósticos e curas de doenças.Werhli, Adriano VelasqueAgostinho, Nilzair Barreto2016-10-15T17:51:09Z2016-10-15T17:51:09Z2014info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfAGOSTINHO, Nilzair Barreto. Uma proposta para melhorar a convergência de MCMC. 2014. 70 f. Dissertação (Programa de Pós-Graduação em Modelagem Computacional) - Instituto de Matemática, Estatística e Física, Universidade Federal do Rio Grande, Rio Grande, 2014.http://repositorio.furg.br/handle/1/6632porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da FURG (RI FURG)instname:Universidade Federal do Rio Grande (FURG)instacron:FURG2016-10-15T17:51:09Zoai:repositorio.furg.br:1/6632Repositório InstitucionalPUBhttps://repositorio.furg.br/oai/request || http://200.19.254.174/oai/requestopendoar:2016-10-15T17:51:09Repositório Institucional da FURG (RI FURG) - Universidade Federal do Rio Grande (FURG)false
dc.title.none.fl_str_mv Uma proposta para melhorar a convergência de MCMC
title Uma proposta para melhorar a convergência de MCMC
spellingShingle Uma proposta para melhorar a convergência de MCMC
Agostinho, Nilzair Barreto
title_short Uma proposta para melhorar a convergência de MCMC
title_full Uma proposta para melhorar a convergência de MCMC
title_fullStr Uma proposta para melhorar a convergência de MCMC
title_full_unstemmed Uma proposta para melhorar a convergência de MCMC
title_sort Uma proposta para melhorar a convergência de MCMC
author Agostinho, Nilzair Barreto
author_facet Agostinho, Nilzair Barreto
author_role author
dc.contributor.none.fl_str_mv Werhli, Adriano Velasque
dc.contributor.author.fl_str_mv Agostinho, Nilzair Barreto
description Atualmente na área de sistemas Biológicos vêm-se trabalhando para o desenvolvimento de ferramentas que possam auxiliar a obter um maior conhecimento sobre as interações moleculares em um organismo. Pesquisas tem sido desenvolvidas tendo como objetivo principal obter um detalhamento da organização funcional de Sistemas Biológicos. As redes regulatórias genéticas tem sido utilizadas como ferramenta para dispor mapas detalhados sobre as interações entre os genes e consequentemente sobre as interações moleculares e a organização funcional. Porém essas redes regulatórias são altamente complexas e o processo para inferí-las é custoso computacionalmente. Neste trabalho optou-se por trabalhar com redes Bayesianas devido à sua natureza probabilística e flexibilidade. As redes Bayesianas foram amostradas através do MCMC que garante que haja uma convergência para distribuição posterior. Porém, na prática o MCMC é relativamente lento e sem garantia de alcançar a convergência. Desta forma propõe-se utilizar a saída de métodos mais rápidos e menos precisos como GGM como entrada para o método MCMC. Sendo assim, o presente trabalho propõe o desenvolvimento de um BNGGM permitindo que a amostragem MCMC seja guiada por um método mais rápido. Sendo assim, buscou-se então contribuir para o desenvolvimento de métodos de inferência de redes genéticas e assim também acrescentar recursos ao trabalho de desenvolvimento de métodos de diagnósticos e curas de doenças.
publishDate 2014
dc.date.none.fl_str_mv 2014
2016-10-15T17:51:09Z
2016-10-15T17:51:09Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv AGOSTINHO, Nilzair Barreto. Uma proposta para melhorar a convergência de MCMC. 2014. 70 f. Dissertação (Programa de Pós-Graduação em Modelagem Computacional) - Instituto de Matemática, Estatística e Física, Universidade Federal do Rio Grande, Rio Grande, 2014.
http://repositorio.furg.br/handle/1/6632
identifier_str_mv AGOSTINHO, Nilzair Barreto. Uma proposta para melhorar a convergência de MCMC. 2014. 70 f. Dissertação (Programa de Pós-Graduação em Modelagem Computacional) - Instituto de Matemática, Estatística e Física, Universidade Federal do Rio Grande, Rio Grande, 2014.
url http://repositorio.furg.br/handle/1/6632
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da FURG (RI FURG)
instname:Universidade Federal do Rio Grande (FURG)
instacron:FURG
instname_str Universidade Federal do Rio Grande (FURG)
instacron_str FURG
institution FURG
reponame_str Repositório Institucional da FURG (RI FURG)
collection Repositório Institucional da FURG (RI FURG)
repository.name.fl_str_mv Repositório Institucional da FURG (RI FURG) - Universidade Federal do Rio Grande (FURG)
repository.mail.fl_str_mv
_version_ 1807384362544529408