Biologia de sistemas e aprendizagem de máquina: novas aplicações de métodos computacionais

• Ano de defesa: 2024
• Autor(a) principal: Santos, João Paulo Cassucci dos
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aprendizagem de máquina; Bioinformática; Bioinformatics; Biologia de sistemas; Biologia molecular; Ciência de redes; Machine learning; Molecular biology; Network science; Systems biology
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/76/76133/tde-05062024-092355/

A ciência de redes nos permite modelar problemas multivariados e complexos de uma forma relativamente simples. Esta vantagem tem se demonstrado bastante promissora dentro do contexto de pesquisas interdisciplinares, pois ela permite caracterizar quantitativamente problemas que antes podiam apenas ser estudados qualitativamente. Um área promissora para a aplicação da ciência de redes é a da biologia molecular, em específico, a biologia de sistemas, onde o contexto em que elementos discretos estão inseridos importa mais do que suas propriedades isoladas. Nesta dissertação, buscamos explorar de duas maneiras distintas as propriedades de redes de modo a averiguar possíveis conclusões biológicas que podem ser extraídas a partir de diferentes experimentos biomoleculares. A primeira abordagem utiliza-se de um novo método de mensurar similaridade entre vetores conhecido como índice de coincidência, que demonstrou ser mais eficiente na extração de informação biológica em redes de interação enzima-enzima do que medidas de correlação tradicionalmente utilizadas para estas modelagens, como o r de Pearson e Spearman. A segunda abordagem aplica novos métodos de extração de características em redes complexas, como o Lifelike Network Automata e o Deterministic Tourist Walk, em conjunto com aplicações de algoritmos de aprendizagem de máquina para classificar bancos de dados de redes biológicas que poderão auxiliar na classificação de organismos e na predição de novas vias metabólicas.