Mining the genome for ‘known unknowns’
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Dissertação |
Idioma: | eng |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10400.6/10169 |
Resumo: | Bioinformatics is a multidisciplinary area that combines two major areas: Biology and Computer Science. It’s one of the fastest rising areas of investigation nowadays. It’s also a fundamental area for the processing of data and information from discoveries in the genetics area. One area that is prominent in the bioinformatics area is gene prediction, where various tools are available to aid researchers. Even though there are several gene prediction tools available, the most used are from several years back. They are reliable tools, but need optimization and some are not so flexible for modification. Tools created in the past years base their model on previous tools. In this dissertation work, a new model is proposed. Through ORF extraction from proteincoding sequences of a fasta-formatted file that the user inputs, these are compared to a target sequence of the user’s choice. A profile-HMM is used as the model to compare the sequences, returning a Logp value for each ORF compared with the target sequence. Match, insert and delete state probabilities were modified, to find the best scenario. The Viterbi algorithm was used to train the model, due to its speed. The results obtained were concordant with what we expected: That an ORF, which would be in the target sequence, presented a better Logp value than an ORF from a randomly selected sequence. |
id |
RCAP_770414dc8c6b80c4492ec03b142b23c9 |
---|---|
oai_identifier_str |
oai:ubibliorum.ubi.pt:10400.6/10169 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Mining the genome for ‘known unknowns’Algoritmo de ViterbiGenoma HumanoOpen Reading FramePomegranatePredição de GenesDomínio/Área Científica::Ciências Médicas::Ciências BiomédicasBioinformatics is a multidisciplinary area that combines two major areas: Biology and Computer Science. It’s one of the fastest rising areas of investigation nowadays. It’s also a fundamental area for the processing of data and information from discoveries in the genetics area. One area that is prominent in the bioinformatics area is gene prediction, where various tools are available to aid researchers. Even though there are several gene prediction tools available, the most used are from several years back. They are reliable tools, but need optimization and some are not so flexible for modification. Tools created in the past years base their model on previous tools. In this dissertation work, a new model is proposed. Through ORF extraction from proteincoding sequences of a fasta-formatted file that the user inputs, these are compared to a target sequence of the user’s choice. A profile-HMM is used as the model to compare the sequences, returning a Logp value for each ORF compared with the target sequence. Match, insert and delete state probabilities were modified, to find the best scenario. The Viterbi algorithm was used to train the model, due to its speed. The results obtained were concordant with what we expected: That an ORF, which would be in the target sequence, presented a better Logp value than an ORF from a randomly selected sequence.A bioinformática é uma área multidisciplinar que combina duas áreas fundamentais: biologia e ciências da computação. É uma das áreas de investigação que mais está a crescer nos dias de hoje. É também uma área fundamental para o processamento de dados e informação na área da genética. Um ramo prominente na área da bioinformática é a predição de genes. Várias ferramentas encontram-se disponíveis para auxiliar investigadores. Estas ferramentas também se encontram disponíveis ao público em geral. Embora existam várias ferramentas, as mais utilizadas já têm muitos anos. São ferramentas fiáveis porém algumas precisam de ser otimizadas e não são muito flexíveis no que toca à sua modificação. Neste trabalho de dissertação é proposto um novo modelo. Por meio da extração de ORFs a partir de sequências de DNA que codificam para proteínas, inserido pelo usuário em formato fasta, estes são comparados com uma sequência alvo escolhida pelo utilizador. Foi utilizado um Profile-HMM como modelo para comparar as sequências, em que um valor de probabilidade logarítmica (Logp) é devolvido consoante a semelhança entre as sequências comparadas: o ORF e a sequência alvo. Quanto mais semelhantes forem as sequências comparadas, melhor será o valor da probabilidade logarítmica. Foram criados vários cenários de modo a ver qual seria a melhor forma de implementar o Profile-HMM. Nestes, os estados de correspondência, inserção e deleção foram modificados, até chegar ao melhor cenário. O algoritmo de Viterbi foi utilizado para treinar o modelo, devido à sua velocidade. Os resultados obtidos pelo modelo foram concordantes com o que esperávamos: um ORF que está presente na sequência alvo terá um valor Logp melhor que um ORF que não está presente na sequência alvo.Pombo, Nuno Gonçalo Coelho CostauBibliorumSilva, Nicolas James Queirós da2020-03-20T17:23:39Z2019-07-162019-06-242019-07-16T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.6/10169TID:202364704enginfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-12-15T09:51:35Zoai:ubibliorum.ubi.pt:10400.6/10169Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T00:50:11.863926Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Mining the genome for ‘known unknowns’ |
title |
Mining the genome for ‘known unknowns’ |
spellingShingle |
Mining the genome for ‘known unknowns’ Silva, Nicolas James Queirós da Algoritmo de Viterbi Genoma Humano Open Reading Frame Pomegranate Predição de Genes Domínio/Área Científica::Ciências Médicas::Ciências Biomédicas |
title_short |
Mining the genome for ‘known unknowns’ |
title_full |
Mining the genome for ‘known unknowns’ |
title_fullStr |
Mining the genome for ‘known unknowns’ |
title_full_unstemmed |
Mining the genome for ‘known unknowns’ |
title_sort |
Mining the genome for ‘known unknowns’ |
author |
Silva, Nicolas James Queirós da |
author_facet |
Silva, Nicolas James Queirós da |
author_role |
author |
dc.contributor.none.fl_str_mv |
Pombo, Nuno Gonçalo Coelho Costa uBibliorum |
dc.contributor.author.fl_str_mv |
Silva, Nicolas James Queirós da |
dc.subject.por.fl_str_mv |
Algoritmo de Viterbi Genoma Humano Open Reading Frame Pomegranate Predição de Genes Domínio/Área Científica::Ciências Médicas::Ciências Biomédicas |
topic |
Algoritmo de Viterbi Genoma Humano Open Reading Frame Pomegranate Predição de Genes Domínio/Área Científica::Ciências Médicas::Ciências Biomédicas |
description |
Bioinformatics is a multidisciplinary area that combines two major areas: Biology and Computer Science. It’s one of the fastest rising areas of investigation nowadays. It’s also a fundamental area for the processing of data and information from discoveries in the genetics area. One area that is prominent in the bioinformatics area is gene prediction, where various tools are available to aid researchers. Even though there are several gene prediction tools available, the most used are from several years back. They are reliable tools, but need optimization and some are not so flexible for modification. Tools created in the past years base their model on previous tools. In this dissertation work, a new model is proposed. Through ORF extraction from proteincoding sequences of a fasta-formatted file that the user inputs, these are compared to a target sequence of the user’s choice. A profile-HMM is used as the model to compare the sequences, returning a Logp value for each ORF compared with the target sequence. Match, insert and delete state probabilities were modified, to find the best scenario. The Viterbi algorithm was used to train the model, due to its speed. The results obtained were concordant with what we expected: That an ORF, which would be in the target sequence, presented a better Logp value than an ORF from a randomly selected sequence. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-07-16 2019-06-24 2019-07-16T00:00:00Z 2020-03-20T17:23:39Z |
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 |
http://hdl.handle.net/10400.6/10169 TID:202364704 |
url |
http://hdl.handle.net/10400.6/10169 |
identifier_str_mv |
TID:202364704 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
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 Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799136392159166464 |