[en] A NEW LAYERED APPROACH TO BIOLOGICAL DATA REPRESENTATION AND ITS APPLICATIONS COMPARING SEQUENCES

• Ano de defesa: 2024
• Autor(a) principal: DIOGO MUNARO VIEIRA
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] VISAO COMPUTACIONAL; [pt] REPRESENTACAO DE CARACTERISTICAS; [pt] PROTEINAS HOMOLOGAS; [pt] APRENDIZADO DE MAQUINA; [pt] PRIVACIDADE DE DADOS; [pt] BIOLOGIA MOLECULAR; [pt] MODELAGEM DE DADOS; [en] COMPUTER VISION; [en] FEATURES REPRESENTATION; [en] HOMOLOGOUS PROTEINS; [en] MACHINE LEARNING; [en] DATA PRIVACY; [en] MOLECULAR BIOLOGY; [en] DATA MODELING
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=68725&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=68725&idi=2; http://doi.org/10.17771/PUCRio.acad.68725

[pt] A identificação e categorização de proteínas homólogas são tarefas fundamentais no campo da biologia, que dependem de ferramentas que analisam sequências de nucleotídeos ou aminoácidos. No entanto, a detecção automatizada de padrões evolutivos, assim como outras características, usando métodos tradicionais, ainda apresenta desafios científicos. Neste estudo, propomos uma nova abordagem de representação de dados em camadas, que permite explorar padrões evolutivos e outras características de sequências na busca por similaridades, classificação e agrupamento. Utiliza-se um processo livre de alinhamento e são propostos novos algoritmos de similaridade que permitem aprimorar a eficácia dessa abordagem. Esses algoritmos utilizam técnicas inspiradas na percepção humana para capturar similaridades dentro das representações de moléculas biológicas. Avaliações experimentais demonstram bom desempenho e alta precisão em comparação com abordagens propostas anteriormente. Essa representação em camadas se mostra promissora na identificação de proteínas similares, principalmente com características de homólogas distantes. Além disso, sugere-se também o desenvolvimento de novos métodos e algoritmos de aprendizado de máquina em bioinformática que envolvam a privacidade e segurança de dados biológicos.