PPGCCM PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO FUNDAÇÃO UNIVERSIDADE FEDERAL DO ABC Telefone/Ramal: Não informado http://propg.ufabc.edu.br/ppgccm

Banca de DEFESA: CARLOS FERNANDO MONTOYA CUBAS

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : CARLOS FERNANDO MONTOYA CUBAS
DATA : 07/12/2020
HORA: 12:30
LOCAL: por participação remota em https://conferenciaweb.rnp.br/webconf/david-41
TÍTULO:

Agrupamento de instâncias em classes de equivalência para lidar com o problema da dimensionalidade em inferência de redes gênicas


PÁGINAS: 135
RESUMO:

A inferência de redes de interação gênica a partir de perfis de expressão é um dos problemas importantes pesquisados em biologia sistêmica, sendo considerado um problema em aberto. Diversas técnicas matemáticas, estatísticas e computacionais têm sido desenvolvidas para modelar, inferir e simular mecanismos de regulação gênica, sendo o problema de inferência o foco desta proposta. Tal proposta tem por objetivo continuar as pesquisas realizadas no mestrado, as quais envolveram o estudo de métodos de inferência de redes gênicas baseados em seleção de características (seleção do melhor conjunto de genes preditores do comportamento de um dado gene alvo em termos de suas expressões temporais de mRNA), propondo alternativas para aumentar o poder de estimação estatística em situações típicas nas quais o conjunto de amostras com perfis de expressão gênica é bem limitado e possuem elevada dimensionalidade (número de genes). Mais concretamente, no mestrado foram propostos métodos para aliviar o problema da dimensionalidade na inferência de redes Booleanas, através de partições no reticulado Booleano induzidas por combinações lineares dos valores dos genes preditores (instâncias dos preditores). Cada valor de combinação linear determina uma classe de equivalência entre as instâncias dos genes preditores. Neste trabalho de doutorado, o problema de agrupamento de instâncias foi reformulado como um problema de busca no reticulado de partições, além de formular estratégias de busca nesse reticulado com base em informações a priori (por exemplo: que uma rede gênica tende a ser composta majoritariamente por funções lineares e de canalização)  para examinar um subespaço de partições potencialmente relevantes sem abrir mão da eficiência computacional. Resultados preliminares indicam que os métodos desenvolvidos, especialmente o método que busca por funções de canalização, obtêm redes competitivas tanto do ponto de vista topológico, como do ponto de vista da dinâmica da expressão gênica gerada pelas redes inferidas. A principal vantagem desses métodos é a superior capacidade de generalização para gerar o próximo estado do sistema com base em estados iniciais sorteados e que não estejam no conjunto de amostras de treinamento. Além disso, desenvolvemos um método de transferência de aprendizado supervisionado obtido da inferência de redes geradas aleatoriamente (sintéticas) que busca estimar a dimensão correta dos conjuntos de genes preditores para os respectivos genes alvos, o qual confere uma vantagem a todos os métodos de inferência de redes gênicas considerados, incluindo o método original sem agrupamento de instâncias.


MEMBROS DA BANCA:
Presidente - Interno ao Programa - 1722875 - DAVID CORREA MARTINS JUNIOR
Membro Titular - Examinador(a) Externo ao Programa - 1849928 - CARLOS DA SILVA DOS SANTOS
Membro Titular - Examinador(a) Externo à Instituição - JUNIOR BARRERA - USP
Membro Titular - Examinador(a) Externo à Instituição - RONALDO FUMIO HASHIMOTO - USP
Membro Titular - Examinador(a) Externo à Instituição - ULISSES DE MENDONÇA BRAGA NETO
Membro Suplente - Examinador(a) Interno ao Programa - 1675615 - LUIZ CARLOS DA SILVA ROZANTE
Membro Suplente - Examinador(a) Externo à Instituição - RICARDO DE SOUZA JACOMINI
Notícia cadastrada em: 13/11/2020 18:55
SIGAA | UFABC - Núcleo de Tecnologia da Informação - ||||| | Copyright © 2006-2021 - UFRN - sigaa-2.sigaa-2