Predição da função das proteí­nas sem alinhamentos usando máquinas de vetor de suporte.

Detalhes bibliográficos
Autor(a) principal: Dias, Ulisses Martins
Data de Publicação: 2007
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal de Alagoas (UFAL)
Texto Completo: http://repositorio.ufal.br/handle/riufal/808
Resumo: This thesis presents a new model to protein function prediction using support vector machines, a machine learning approach trained using structural parameters calculated from protein tertiary structure. The model is different from the others paradigms because it is not necessary to search for similarities against the others known proteins in public databases by alignments. In this way, the model is able to associate functional relationships among proteins with no similarities and it could be used when all other methods fail or when the user don t want to use the concept of similarity in function predictions. The proof that the model is valid was accomplished analyzing its performance with unknown proteins, i.e proteins not used in the training set. The validation approach used a set of binding proteins.
id UFAL_a75058afa002196448ce8ed38e4e00bd
oai_identifier_str oai:www.repositorio.ufal.br:riufal/808
network_acronym_str UFAL
network_name_str Repositório Institucional da Universidade Federal de Alagoas (UFAL)
repository_id_str
spelling Predição da função das proteí­nas sem alinhamentos usando máquinas de vetor de suporte.Protein function prediction without alignments by using support vector machines.BioinformaticProteinFunctionArtificial intelligenceSuport vector machinesOntological GeneStingBioinformáticaProteí­naFunçãoInteligência artificialMáquina de vetor de suporteGene ontológicoCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOThis thesis presents a new model to protein function prediction using support vector machines, a machine learning approach trained using structural parameters calculated from protein tertiary structure. The model is different from the others paradigms because it is not necessary to search for similarities against the others known proteins in public databases by alignments. In this way, the model is able to associate functional relationships among proteins with no similarities and it could be used when all other methods fail or when the user don t want to use the concept of similarity in function predictions. The proof that the model is valid was accomplished analyzing its performance with unknown proteins, i.e proteins not used in the training set. The validation approach used a set of binding proteins.Fundação de Amparo a Pesquisa do Estado de AlagoasEste trabalho apresenta um novo modelo capaz de prever a função de proteí­nas utilizando máquinas de vetor de suporte, um método de aprendizagem de máquina treinado usando parâmetros estruturais calculados a partir da conformação espacial da própria proteí­na. O modelo difere do paradigma comum de predição por não ser necessário calcular similaridades por meio de alinhamentos entre a proteí­na que se deseja prever a função e as proteí­nas de função conhecida presentes nos bancos de dados públicos. Dessa forma, o modelo é capaz de associar função às proteí­nas que não possuem qualquer semelhança com proteí­nas conhecidas, podendo ser usado quando todos os outros métodos falham ou quando não se deseja utilizar o conceito de similaridade na predição da função. A justificativa de que o modelo é válido foi realizada analisando sua performance ao prever funções de proteí­nas desconhecidas, proteí­nas não usadas no treinamento, utilizando como estudo de caso um conjunto de proteí­nas de ligação.Universidade Federal de AlagoasBRModelagem Computacional de ConhecimentoPrograma de Pós-Graduação em Modelagem Computacional de ConhecimentoUFALLopes, Roberta Vilhena VieiraLOPES, R. V. V.Almeida, Eliana Silva deALMEIDA, E. S.Costa, Evandro de BarrosCOSTA, E. B.Goncalves, Luiz Marcos GarciaGONCALVES, L.Dias, Ulisses Martins2015-08-25T18:46:19Z2007-12-102015-08-25T18:46:19Z2007-03-26info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfapplication/pdfDIAS, Ulisses Martins. Protein function prediction without alignments by using support vector machines.. 2007. 102 f. Dissertação (Mestrado em Modelagem Computacional de Conhecimento) - Universidade Federal de Alagoas, Maceió, 2007.http://repositorio.ufal.br/handle/riufal/808porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da Universidade Federal de Alagoas (UFAL)instname:Universidade Federal de Alagoas (UFAL)instacron:UFAL2020-03-16T18:29:21Zoai:www.repositorio.ufal.br:riufal/808Repositório InstitucionalPUBhttp://www.repositorio.ufal.br/oai/requestri@sibi.ufal.bropendoar:2020-03-16T18:29:21Repositório Institucional da Universidade Federal de Alagoas (UFAL) - Universidade Federal de Alagoas (UFAL)false
dc.title.none.fl_str_mv Predição da função das proteí­nas sem alinhamentos usando máquinas de vetor de suporte.
Protein function prediction without alignments by using support vector machines.
title Predição da função das proteí­nas sem alinhamentos usando máquinas de vetor de suporte.
spellingShingle Predição da função das proteí­nas sem alinhamentos usando máquinas de vetor de suporte.
Dias, Ulisses Martins
Bioinformatic
Protein
Function
Artificial intelligence
Suport vector machines
Ontological Gene
Sting
Bioinformática
Proteí­na
Função
Inteligência artificial
Máquina de vetor de suporte
Gene ontológico
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
title_short Predição da função das proteí­nas sem alinhamentos usando máquinas de vetor de suporte.
title_full Predição da função das proteí­nas sem alinhamentos usando máquinas de vetor de suporte.
title_fullStr Predição da função das proteí­nas sem alinhamentos usando máquinas de vetor de suporte.
title_full_unstemmed Predição da função das proteí­nas sem alinhamentos usando máquinas de vetor de suporte.
title_sort Predição da função das proteí­nas sem alinhamentos usando máquinas de vetor de suporte.
author Dias, Ulisses Martins
author_facet Dias, Ulisses Martins
author_role author
dc.contributor.none.fl_str_mv Lopes, Roberta Vilhena Vieira
LOPES, R. V. V.
Almeida, Eliana Silva de
ALMEIDA, E. S.
Costa, Evandro de Barros
COSTA, E. B.
Goncalves, Luiz Marcos Garcia
GONCALVES, L.
dc.contributor.author.fl_str_mv Dias, Ulisses Martins
dc.subject.por.fl_str_mv Bioinformatic
Protein
Function
Artificial intelligence
Suport vector machines
Ontological Gene
Sting
Bioinformática
Proteí­na
Função
Inteligência artificial
Máquina de vetor de suporte
Gene ontológico
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
topic Bioinformatic
Protein
Function
Artificial intelligence
Suport vector machines
Ontological Gene
Sting
Bioinformática
Proteí­na
Função
Inteligência artificial
Máquina de vetor de suporte
Gene ontológico
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
description This thesis presents a new model to protein function prediction using support vector machines, a machine learning approach trained using structural parameters calculated from protein tertiary structure. The model is different from the others paradigms because it is not necessary to search for similarities against the others known proteins in public databases by alignments. In this way, the model is able to associate functional relationships among proteins with no similarities and it could be used when all other methods fail or when the user don t want to use the concept of similarity in function predictions. The proof that the model is valid was accomplished analyzing its performance with unknown proteins, i.e proteins not used in the training set. The validation approach used a set of binding proteins.
publishDate 2007
dc.date.none.fl_str_mv 2007-12-10
2007-03-26
2015-08-25T18:46:19Z
2015-08-25T18:46:19Z
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 DIAS, Ulisses Martins. Protein function prediction without alignments by using support vector machines.. 2007. 102 f. Dissertação (Mestrado em Modelagem Computacional de Conhecimento) - Universidade Federal de Alagoas, Maceió, 2007.
http://repositorio.ufal.br/handle/riufal/808
identifier_str_mv DIAS, Ulisses Martins. Protein function prediction without alignments by using support vector machines.. 2007. 102 f. Dissertação (Mestrado em Modelagem Computacional de Conhecimento) - Universidade Federal de Alagoas, Maceió, 2007.
url http://repositorio.ufal.br/handle/riufal/808
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
application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Alagoas
BR
Modelagem Computacional de Conhecimento
Programa de Pós-Graduação em Modelagem Computacional de Conhecimento
UFAL
publisher.none.fl_str_mv Universidade Federal de Alagoas
BR
Modelagem Computacional de Conhecimento
Programa de Pós-Graduação em Modelagem Computacional de Conhecimento
UFAL
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal de Alagoas (UFAL)
instname:Universidade Federal de Alagoas (UFAL)
instacron:UFAL
instname_str Universidade Federal de Alagoas (UFAL)
instacron_str UFAL
institution UFAL
reponame_str Repositório Institucional da Universidade Federal de Alagoas (UFAL)
collection Repositório Institucional da Universidade Federal de Alagoas (UFAL)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal de Alagoas (UFAL) - Universidade Federal de Alagoas (UFAL)
repository.mail.fl_str_mv ri@sibi.ufal.br
_version_ 1748233736056471552

Registros relacionados