BioSom
Autor(a) principal: | |
---|---|
Data de Publicação: | 2013 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPR |
Texto Completo: | http://hdl.handle.net/1884/31637 |
Resumo: | Resumo: Genes e proteínas são de grande importância biológica para a compreensão de processos bioquímicos e requerem nomes consistentes. Existem diversas diretrizes para nomenclatura de genes, mas elas não são rigorosamente aplicadas à atribuição de nomes aos genes recém-identificados, gerando assim, inúmeras maneiras de nomear um mesmo gene. Este trabalho tem o objetivo de detectar e minimizar a redundância e a inconsistência de dados para colaborar com a identificação correta de genes. Para isso foram utilizadas técnicas de Inteligência Artificial para identificar os sinônimos realizando um estudo dirigido a dez experimentos distintos. Para selecionar os dados dos experimentos foi construído um banco de dados relacional para armazenar as informações constantes na base NR do NCBI e as informações identificadas neste estudo. Os dados do experimento foram minerados através das técnicas de mapas auto-organizáveis de Kohonen. A Rede SOM de Kohonen foi aplicada para exprimir as relações de similaridade entre os dados. Para identificação dos agrupamentos gerados pela rede SOM foi utilizada a técnica denominada Matriz-U. As informações resultantes deste trabalho permitem inferir os sinônimos dos genes, identificar prováveis nomes para genes nomeados como hipotéticos e apontar possíveis erros de anotação. |
id |
UFPR_f1667340cd77340cdf8b73f0c6ed9696 |
---|---|
oai_identifier_str |
oai:acervodigital.ufpr.br:1884/31637 |
network_acronym_str |
UFPR |
network_name_str |
Repositório Institucional da UFPR |
repository_id_str |
308 |
spelling |
Otemaier, Kelly RafaelaMarchaukoski, Jeroniza NunesSteffens, Maria Berenice ReynaudUniversidade Federal do Paraná. Setor de Educação Profissional e Tecnológica. Programa de Pós-Graduação em Bioinformática2013-09-11T17:38:31Z2013-09-11T17:38:31Z2013-09-11http://hdl.handle.net/1884/31637Resumo: Genes e proteínas são de grande importância biológica para a compreensão de processos bioquímicos e requerem nomes consistentes. Existem diversas diretrizes para nomenclatura de genes, mas elas não são rigorosamente aplicadas à atribuição de nomes aos genes recém-identificados, gerando assim, inúmeras maneiras de nomear um mesmo gene. Este trabalho tem o objetivo de detectar e minimizar a redundância e a inconsistência de dados para colaborar com a identificação correta de genes. Para isso foram utilizadas técnicas de Inteligência Artificial para identificar os sinônimos realizando um estudo dirigido a dez experimentos distintos. Para selecionar os dados dos experimentos foi construído um banco de dados relacional para armazenar as informações constantes na base NR do NCBI e as informações identificadas neste estudo. Os dados do experimento foram minerados através das técnicas de mapas auto-organizáveis de Kohonen. A Rede SOM de Kohonen foi aplicada para exprimir as relações de similaridade entre os dados. Para identificação dos agrupamentos gerados pela rede SOM foi utilizada a técnica denominada Matriz-U. As informações resultantes deste trabalho permitem inferir os sinônimos dos genes, identificar prováveis nomes para genes nomeados como hipotéticos e apontar possíveis erros de anotação.application/pdfDissertaçõesBioSominfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - KELLY RAFAELA OTEMAIER.pdfapplication/pdf5452539https://acervodigital.ufpr.br/bitstream/1884/31637/1/R%20-%20D%20-%20KELLY%20RAFAELA%20OTEMAIER.pdf885625a2e67490bde1e366eef125b7d5MD51open accessTEXTR - D - KELLY RAFAELA OTEMAIER.pdf.txtR - D - KELLY RAFAELA OTEMAIER.pdf.txtExtracted Texttext/plain137253https://acervodigital.ufpr.br/bitstream/1884/31637/2/R%20-%20D%20-%20KELLY%20RAFAELA%20OTEMAIER.pdf.txt98795f2415d8f696b858602cb6bf28abMD52open accessTHUMBNAILR - D - KELLY RAFAELA OTEMAIER.pdf.jpgR - D - KELLY RAFAELA OTEMAIER.pdf.jpgGenerated Thumbnailimage/jpeg1202https://acervodigital.ufpr.br/bitstream/1884/31637/3/R%20-%20D%20-%20KELLY%20RAFAELA%20OTEMAIER.pdf.jpg001bcbdd8f86f2e2ab16a28a9c71f928MD53open access1884/316372016-04-08 03:05:38.371open accessoai:acervodigital.ufpr.br:1884/31637Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082016-04-08T06:05:38Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false |
dc.title.pt_BR.fl_str_mv |
BioSom |
title |
BioSom |
spellingShingle |
BioSom Otemaier, Kelly Rafaela Dissertações |
title_short |
BioSom |
title_full |
BioSom |
title_fullStr |
BioSom |
title_full_unstemmed |
BioSom |
title_sort |
BioSom |
author |
Otemaier, Kelly Rafaela |
author_facet |
Otemaier, Kelly Rafaela |
author_role |
author |
dc.contributor.other.pt_BR.fl_str_mv |
Marchaukoski, Jeroniza Nunes Steffens, Maria Berenice Reynaud Universidade Federal do Paraná. Setor de Educação Profissional e Tecnológica. Programa de Pós-Graduação em Bioinformática |
dc.contributor.author.fl_str_mv |
Otemaier, Kelly Rafaela |
dc.subject.por.fl_str_mv |
Dissertações |
topic |
Dissertações |
description |
Resumo: Genes e proteínas são de grande importância biológica para a compreensão de processos bioquímicos e requerem nomes consistentes. Existem diversas diretrizes para nomenclatura de genes, mas elas não são rigorosamente aplicadas à atribuição de nomes aos genes recém-identificados, gerando assim, inúmeras maneiras de nomear um mesmo gene. Este trabalho tem o objetivo de detectar e minimizar a redundância e a inconsistência de dados para colaborar com a identificação correta de genes. Para isso foram utilizadas técnicas de Inteligência Artificial para identificar os sinônimos realizando um estudo dirigido a dez experimentos distintos. Para selecionar os dados dos experimentos foi construído um banco de dados relacional para armazenar as informações constantes na base NR do NCBI e as informações identificadas neste estudo. Os dados do experimento foram minerados através das técnicas de mapas auto-organizáveis de Kohonen. A Rede SOM de Kohonen foi aplicada para exprimir as relações de similaridade entre os dados. Para identificação dos agrupamentos gerados pela rede SOM foi utilizada a técnica denominada Matriz-U. As informações resultantes deste trabalho permitem inferir os sinônimos dos genes, identificar prováveis nomes para genes nomeados como hipotéticos e apontar possíveis erros de anotação. |
publishDate |
2013 |
dc.date.accessioned.fl_str_mv |
2013-09-11T17:38:31Z |
dc.date.available.fl_str_mv |
2013-09-11T17:38:31Z |
dc.date.issued.fl_str_mv |
2013-09-11 |
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/1884/31637 |
url |
http://hdl.handle.net/1884/31637 |
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 UFPR instname:Universidade Federal do Paraná (UFPR) instacron:UFPR |
instname_str |
Universidade Federal do Paraná (UFPR) |
instacron_str |
UFPR |
institution |
UFPR |
reponame_str |
Repositório Institucional da UFPR |
collection |
Repositório Institucional da UFPR |
bitstream.url.fl_str_mv |
https://acervodigital.ufpr.br/bitstream/1884/31637/1/R%20-%20D%20-%20KELLY%20RAFAELA%20OTEMAIER.pdf https://acervodigital.ufpr.br/bitstream/1884/31637/2/R%20-%20D%20-%20KELLY%20RAFAELA%20OTEMAIER.pdf.txt https://acervodigital.ufpr.br/bitstream/1884/31637/3/R%20-%20D%20-%20KELLY%20RAFAELA%20OTEMAIER.pdf.jpg |
bitstream.checksum.fl_str_mv |
885625a2e67490bde1e366eef125b7d5 98795f2415d8f696b858602cb6bf28ab 001bcbdd8f86f2e2ab16a28a9c71f928 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR) |
repository.mail.fl_str_mv |
|
_version_ |
1801860672533823488 |