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

Detalhes bibliográficos
Autor(a) principal: Carezzato, Caetano Jimenez
Data de Publicação: 2004
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://teses.usp.br/teses/disponiveis/45/45134/tde-20210729-135827/
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
id USP_901eb862a1a08e7cf2ba580378d6a177
oai_identifier_str oai:teses.usp.br:tde-20210729-135827
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Análise de classificadores de seqüências projetados por aprendizado computacional supervisionado e não supervisionadonot availableInteligência ArtificialNos 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 expressamnot availableBiblioteca Digitais de Teses e Dissertações da USPBarrera, JúniorCarezzato, Caetano Jimenez2004-02-18info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://teses.usp.br/teses/disponiveis/45/45134/tde-20210729-135827/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2021-07-31T19:11:03Zoai:teses.usp.br:tde-20210729-135827Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212021-07-31T19:11:03Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Análise de classificadores de seqüências projetados por aprendizado computacional supervisionado e não supervisionado
not available
title Análise de classificadores de seqüências projetados por aprendizado computacional supervisionado e não supervisionado
spellingShingle Análise de classificadores de seqüências projetados por aprendizado computacional supervisionado e não supervisionado
Carezzato, Caetano Jimenez
Inteligência Artificial
title_short Análise de classificadores de seqüências projetados por aprendizado computacional supervisionado e não supervisionado
title_full Análise de classificadores de seqüências projetados por aprendizado computacional supervisionado e não supervisionado
title_fullStr Análise de classificadores de seqüências projetados por aprendizado computacional supervisionado e não supervisionado
title_full_unstemmed Análise de classificadores de seqüências projetados por aprendizado computacional supervisionado e não supervisionado
title_sort Análise de classificadores de seqüências projetados por aprendizado computacional supervisionado e não supervisionado
author Carezzato, Caetano Jimenez
author_facet Carezzato, Caetano Jimenez
author_role author
dc.contributor.none.fl_str_mv Barrera, Júnior
dc.contributor.author.fl_str_mv Carezzato, Caetano Jimenez
dc.subject.por.fl_str_mv Inteligência Artificial
topic Inteligência Artificial
description 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
publishDate 2004
dc.date.none.fl_str_mv 2004-02-18
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 https://teses.usp.br/teses/disponiveis/45/45134/tde-20210729-135827/
url https://teses.usp.br/teses/disponiveis/45/45134/tde-20210729-135827/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1809090927589851136

Registros relacionados