Uma abordagem baseada em computação evolutiva aplicado na inferência de redes de regulação gênica
Autor(a) principal: | |
---|---|
Data de Publicação: | 2015 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
Texto Completo: | http://repositorio.utfpr.edu.br/jspui/handle/1/7420 |
Resumo: | Um organismo vivo pode ser visto como uma rede de moléculas conectadas por reações bioquímicas que possui um complexo sistema de envio e recebimento de sinais que realizam o controle celular. Estudos vêm sendo realizados para entender os mecanismos de controle e os relacionamentos destas reações. Estes mecanismos podem ser entendidos observando a evolução temporal dos níveis de expressão gênica, que são estimados utilizando métodos de extração de informação molecular. A partir destes dados de expressão gênica é possível inferir redes de regulação gênica. Existem muitos métodos para inferir redes de regulação gênica na literatura, o método adotado neste trabalho é o método de seleção de características, composto por um algoritmo de busca e uma função critério. A função critério utilizada é baseada na entropia condicional media e o adotado é o algoritmo genético. Devido ao grande número de genes e os poucos experimentos produzidos, a inferência de redes de regulação gênica é um desafio em aberto na bioinformática. A descoberta dos relacionamentos entre os genes permite entender e analisar doenças, contribuindo na produção de medicamentos mais eficazes contra doenças e em tratamentos. Para a inferência de redes de regulação gênica foram desenvolvidos dois algoritmos genéticos, um com representação dos cromossomos por genes e o outro com representação dos cromossomos por redes. Para a validação das redes inferidas foi utilizado redes gênicas artificiais. O algoritmo genético com representação dos cromossomos por redes apresentou um maior similaridade entre as redes inferidas e as redes gênicas artificiais, porém o algoritmo genético com representação dos cromossomos por genes obteve um tempo computacional muito melhor, dessa forma o algoritmo genético com representação do cromossomo por genes possui um melhor custo-benefício, já que a diferença na similaridade entre as redes inferidas pelos dois algoritmos foi pequena. |
id |
UTFPR-12_8ed89244134be4ab9626d3076318907c |
---|---|
oai_identifier_str |
oai:repositorio.utfpr.edu.br:1/7420 |
network_acronym_str |
UTFPR-12 |
network_name_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
repository_id_str |
|
spelling |
2020-11-10T19:50:17Z2020-11-10T19:50:17Z2015KURODA, Marcelo Massashi. Uma abordagem baseada em computação evolutiva aplicado na inferência de redes de regulação gênica. 2015. Trabalho de Conclusão de Curso (Graduação em Análise e Desenvolvimento de Sistemas) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2015.http://repositorio.utfpr.edu.br/jspui/handle/1/7420Um organismo vivo pode ser visto como uma rede de moléculas conectadas por reações bioquímicas que possui um complexo sistema de envio e recebimento de sinais que realizam o controle celular. Estudos vêm sendo realizados para entender os mecanismos de controle e os relacionamentos destas reações. Estes mecanismos podem ser entendidos observando a evolução temporal dos níveis de expressão gênica, que são estimados utilizando métodos de extração de informação molecular. A partir destes dados de expressão gênica é possível inferir redes de regulação gênica. Existem muitos métodos para inferir redes de regulação gênica na literatura, o método adotado neste trabalho é o método de seleção de características, composto por um algoritmo de busca e uma função critério. A função critério utilizada é baseada na entropia condicional media e o adotado é o algoritmo genético. Devido ao grande número de genes e os poucos experimentos produzidos, a inferência de redes de regulação gênica é um desafio em aberto na bioinformática. A descoberta dos relacionamentos entre os genes permite entender e analisar doenças, contribuindo na produção de medicamentos mais eficazes contra doenças e em tratamentos. Para a inferência de redes de regulação gênica foram desenvolvidos dois algoritmos genéticos, um com representação dos cromossomos por genes e o outro com representação dos cromossomos por redes. Para a validação das redes inferidas foi utilizado redes gênicas artificiais. O algoritmo genético com representação dos cromossomos por redes apresentou um maior similaridade entre as redes inferidas e as redes gênicas artificiais, porém o algoritmo genético com representação dos cromossomos por genes obteve um tempo computacional muito melhor, dessa forma o algoritmo genético com representação do cromossomo por genes possui um melhor custo-benefício, já que a diferença na similaridade entre as redes inferidas pelos dois algoritmos foi pequena.A living organism can be seen as a network of molecules connected by biochemical reactions that has a complex system of sending and receiving signals that perform cellular control. Studies are being conducted to understand the mechanisms of control and the relationships of these reactions. They can be understood by observing the time course gene expression levels, which are estimated using methods of molecular information extraction. From these gene expression data it is possible to infer genetic regulatory networks. There are many methods to infer genetic regulatory networks in the literature, the method adopted in this work is the method of selection of features, composed of a search algorithm and a criterion function. The function criterion used is based on the average conditional entropy and the adopted is the genetic algorithm. Due to the large number of genes and the few experiments produced, the inference of genetic regulatory networks is an open challenge on bioinformatics. The discovery of relationships between the genes allows you to understand and analyze diseases, contributing to the production of more effective drugs against diseases and treatments. For inference of genetic regulatory networks have been developed two genetic algorithms, a chromosome representation for genes and the other with representation of chromosomes by networks. To validate the inferred networks used artificial gene networks. Genetic algorithm with representation of chromosomes by networks presented a greater similarity between the inferred networks and artificial gene networks, but the genetic algorithm with representation of chromosomes for genes obtained a much better computational time, thus the genetic algorithm representation of chromosome for genes has a better cost-benefit, since the difference in similarity between networks inferred by the two algorithms has been small.porUniversidade Tecnológica Federal do ParanáCornelio ProcopioTecnologia em Análise e Desenvolvimento de SistemasUTFPRBrasilCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOInferência (Lógica)EntropiaAlgorítmos genéticosBioinformáticaInferenceEntropyGenetic algorithmsBioinformaticsUma abordagem baseada em computação evolutiva aplicado na inferência de redes de regulação gênicainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisCornélio ProcópioSanches, Danilo SipoliSanches, Danilo SipoliLopes, Fabrício MartinsPaschoal, Alexandre RossiKuroda, Marcelo Massashiinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPRORIGINALCP_COADS_2015_2_11.pdfapplication/pdf2799619http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/7420/1/CP_COADS_2015_2_11.pdf56a21edc2f1cf66563aba0ceeaef714cMD51LICENSElicense.txttext/plain1290http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/7420/2/license.txtb9d82215ab23456fa2d8b49c5df1b95bMD52TEXTCP_COADS_2015_2_11.pdf.txtExtracted texttext/plain81984http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/7420/3/CP_COADS_2015_2_11.pdf.txt5fc7126166ebc138f75b0c5b6588bf5fMD53THUMBNAILCP_COADS_2015_2_11.pdf.jpgGenerated Thumbnailimage/jpeg1263http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/7420/4/CP_COADS_2015_2_11.pdf.jpgc6e56413badab8d2c4256014678ead10MD541/74202020-11-10 17:50:17.689oai:repositorio.utfpr.edu.br:1/7420TmEgcXVhbGlkYWRlIGRlIHRpdHVsYXIgZG9zIGRpcmVpdG9zIGRlIGF1dG9yIGRhIHB1YmxpY2HDp8OjbywgYXV0b3Jpem8gYSBVVEZQUiBhIHZlaWN1bGFyLCAKYXRyYXbDqXMgZG8gUG9ydGFsIGRlIEluZm9ybWHDp8OjbyBlbSBBY2Vzc28gQWJlcnRvIChQSUFBKSBlIGRvcyBDYXTDoWxvZ29zIGRhcyBCaWJsaW90ZWNhcyAKZGVzdGEgSW5zdGl0dWnDp8Ojbywgc2VtIHJlc3NhcmNpbWVudG8gZG9zIGRpcmVpdG9zIGF1dG9yYWlzLCBkZSBhY29yZG8gY29tIGEgTGVpIG5vIDkuNjEwLzk4LCAKbyB0ZXh0byBkZXN0YSBvYnJhLCBvYnNlcnZhbmRvIGFzIGNvbmRpw6fDtWVzIGRlIGRpc3BvbmliaWxpemHDp8OjbyByZWdpc3RyYWRhcyBubyBpdGVtIDQgZG8gCuKAnFRlcm1vIGRlIEF1dG9yaXphw6fDo28gcGFyYSBQdWJsaWNhw6fDo28gZGUgVHJhYmFsaG9zIGRlIENvbmNsdXPDo28gZGUgQ3Vyc28gZGUgR3JhZHVhw6fDo28gZSAKRXNwZWNpYWxpemHDp8OjbywgRGlzc2VydGHDp8O1ZXMgZSBUZXNlcyBubyBQb3J0YWwgZGUgSW5mb3JtYcOnw6NvIGUgbm9zIENhdMOhbG9nb3MgRWxldHLDtG5pY29zIGRvIApTaXN0ZW1hIGRlIEJpYmxpb3RlY2FzIGRhIFVURlBS4oCdLCBwYXJhIGZpbnMgZGUgbGVpdHVyYSwgaW1wcmVzc8OjbyBlL291IGRvd25sb2FkLCB2aXNhbmRvIGEgCmRpdnVsZ2HDp8OjbyBkYSBwcm9kdcOnw6NvIGNpZW50w61maWNhIGJyYXNpbGVpcmEuCgogIEFzIHZpYXMgb3JpZ2luYWlzIGUgYXNzaW5hZGFzIHBlbG8ocykgYXV0b3IoZXMpIGRvIOKAnFRlcm1vIGRlIEF1dG9yaXphw6fDo28gcGFyYSBQdWJsaWNhw6fDo28gZGUgClRyYWJhbGhvcyBkZSBDb25jbHVzw6NvIGRlIEN1cnNvIGRlIEdyYWR1YcOnw6NvIGUgRXNwZWNpYWxpemHDp8OjbywgRGlzc2VydGHDp8O1ZXMgZSBUZXNlcyBubyBQb3J0YWwgCmRlIEluZm9ybWHDp8OjbyBlIG5vcyBDYXTDoWxvZ29zIEVsZXRyw7RuaWNvcyBkbyBTaXN0ZW1hIGRlIEJpYmxpb3RlY2FzIGRhIFVURlBS4oCdIGUgZGEg4oCcRGVjbGFyYcOnw6NvIApkZSBBdXRvcmlh4oCdIGVuY29udHJhbS1zZSBhcnF1aXZhZGFzIG5hIEJpYmxpb3RlY2EgZG8gQ8OibXB1cyBubyBxdWFsIG8gdHJhYmFsaG8gZm9pIGRlZmVuZGlkby4gCk5vIGNhc28gZGUgcHVibGljYcOnw7VlcyBkZSBhdXRvcmlhIGNvbGV0aXZhIGUgbXVsdGljw6JtcHVzLCBvcyBkb2N1bWVudG9zIGZpY2Fyw6NvIHNvYiBndWFyZGEgZGEgCkJpYmxpb3RlY2EgY29tIGEgcXVhbCBvIOKAnHByaW1laXJvIGF1dG9y4oCdIHBvc3N1YSB2w61uY3Vsby4KRepositório de PublicaçõesPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestopendoar:2020-11-10T19:50:17Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false |
dc.title.pt_BR.fl_str_mv |
Uma abordagem baseada em computação evolutiva aplicado na inferência de redes de regulação gênica |
title |
Uma abordagem baseada em computação evolutiva aplicado na inferência de redes de regulação gênica |
spellingShingle |
Uma abordagem baseada em computação evolutiva aplicado na inferência de redes de regulação gênica Kuroda, Marcelo Massashi CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO Inferência (Lógica) Entropia Algorítmos genéticos Bioinformática Inference Entropy Genetic algorithms Bioinformatics |
title_short |
Uma abordagem baseada em computação evolutiva aplicado na inferência de redes de regulação gênica |
title_full |
Uma abordagem baseada em computação evolutiva aplicado na inferência de redes de regulação gênica |
title_fullStr |
Uma abordagem baseada em computação evolutiva aplicado na inferência de redes de regulação gênica |
title_full_unstemmed |
Uma abordagem baseada em computação evolutiva aplicado na inferência de redes de regulação gênica |
title_sort |
Uma abordagem baseada em computação evolutiva aplicado na inferência de redes de regulação gênica |
author |
Kuroda, Marcelo Massashi |
author_facet |
Kuroda, Marcelo Massashi |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Sanches, Danilo Sipoli |
dc.contributor.referee1.fl_str_mv |
Sanches, Danilo Sipoli |
dc.contributor.referee2.fl_str_mv |
Lopes, Fabrício Martins |
dc.contributor.referee3.fl_str_mv |
Paschoal, Alexandre Rossi |
dc.contributor.author.fl_str_mv |
Kuroda, Marcelo Massashi |
contributor_str_mv |
Sanches, Danilo Sipoli Sanches, Danilo Sipoli Lopes, Fabrício Martins Paschoal, Alexandre Rossi |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO |
topic |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO Inferência (Lógica) Entropia Algorítmos genéticos Bioinformática Inference Entropy Genetic algorithms Bioinformatics |
dc.subject.por.fl_str_mv |
Inferência (Lógica) Entropia Algorítmos genéticos Bioinformática Inference Entropy Genetic algorithms Bioinformatics |
description |
Um organismo vivo pode ser visto como uma rede de moléculas conectadas por reações bioquímicas que possui um complexo sistema de envio e recebimento de sinais que realizam o controle celular. Estudos vêm sendo realizados para entender os mecanismos de controle e os relacionamentos destas reações. Estes mecanismos podem ser entendidos observando a evolução temporal dos níveis de expressão gênica, que são estimados utilizando métodos de extração de informação molecular. A partir destes dados de expressão gênica é possível inferir redes de regulação gênica. Existem muitos métodos para inferir redes de regulação gênica na literatura, o método adotado neste trabalho é o método de seleção de características, composto por um algoritmo de busca e uma função critério. A função critério utilizada é baseada na entropia condicional media e o adotado é o algoritmo genético. Devido ao grande número de genes e os poucos experimentos produzidos, a inferência de redes de regulação gênica é um desafio em aberto na bioinformática. A descoberta dos relacionamentos entre os genes permite entender e analisar doenças, contribuindo na produção de medicamentos mais eficazes contra doenças e em tratamentos. Para a inferência de redes de regulação gênica foram desenvolvidos dois algoritmos genéticos, um com representação dos cromossomos por genes e o outro com representação dos cromossomos por redes. Para a validação das redes inferidas foi utilizado redes gênicas artificiais. O algoritmo genético com representação dos cromossomos por redes apresentou um maior similaridade entre as redes inferidas e as redes gênicas artificiais, porém o algoritmo genético com representação dos cromossomos por genes obteve um tempo computacional muito melhor, dessa forma o algoritmo genético com representação do cromossomo por genes possui um melhor custo-benefício, já que a diferença na similaridade entre as redes inferidas pelos dois algoritmos foi pequena. |
publishDate |
2015 |
dc.date.issued.fl_str_mv |
2015 |
dc.date.accessioned.fl_str_mv |
2020-11-10T19:50:17Z |
dc.date.available.fl_str_mv |
2020-11-10T19:50:17Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
KURODA, Marcelo Massashi. Uma abordagem baseada em computação evolutiva aplicado na inferência de redes de regulação gênica. 2015. Trabalho de Conclusão de Curso (Graduação em Análise e Desenvolvimento de Sistemas) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2015. |
dc.identifier.uri.fl_str_mv |
http://repositorio.utfpr.edu.br/jspui/handle/1/7420 |
identifier_str_mv |
KURODA, Marcelo Massashi. Uma abordagem baseada em computação evolutiva aplicado na inferência de redes de regulação gênica. 2015. Trabalho de Conclusão de Curso (Graduação em Análise e Desenvolvimento de Sistemas) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2015. |
url |
http://repositorio.utfpr.edu.br/jspui/handle/1/7420 |
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.publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Cornelio Procopio |
dc.publisher.program.fl_str_mv |
Tecnologia em Análise e Desenvolvimento de Sistemas |
dc.publisher.initials.fl_str_mv |
UTFPR |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Cornelio Procopio |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) instname:Universidade Tecnológica Federal do Paraná (UTFPR) instacron:UTFPR |
instname_str |
Universidade Tecnológica Federal do Paraná (UTFPR) |
instacron_str |
UTFPR |
institution |
UTFPR |
reponame_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
collection |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
bitstream.url.fl_str_mv |
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/7420/1/CP_COADS_2015_2_11.pdf http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/7420/2/license.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/7420/3/CP_COADS_2015_2_11.pdf.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/7420/4/CP_COADS_2015_2_11.pdf.jpg |
bitstream.checksum.fl_str_mv |
56a21edc2f1cf66563aba0ceeaef714c b9d82215ab23456fa2d8b49c5df1b95b 5fc7126166ebc138f75b0c5b6588bf5f c6e56413badab8d2c4256014678ead10 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR) |
repository.mail.fl_str_mv |
|
_version_ |
1805923165889626112 |