Estudo da entropia de tsallis para a inferência de redes gênicas
| Ano de defesa: | 2021 |
|---|---|
| Autor(a) principal: |
Amador, Cassio Henrique dos Santos
 |
| Orientador(a): |
Lopes, Fabricio Martins
|
| Banca de defesa: |
Kashiwabara, Andre Yoshiaki
,
Vicente, Fabio Fernandes da Rocha
,
Lopes, Fabricio Martins
,
Hashimoto, Ronaldo Fumio
|
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Universidade Tecnológica Federal do Paraná
Cornelio Procopio |
| Programa de Pós-Graduação: |
Programa de Pós-Graduação em Bioinformática
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: | |
| Área do conhecimento CNPq: | |
| Link de acesso: | http://repositorio.utfpr.edu.br/jspui/handle/1/30174 |
Resumo: | A quantidade de informação de um sistema pode ser medida pela entropia. Um caso particular de sistema é uma rede formada pela interação entre genes, conhecida como redes gênicas. Neste trabalho estuda-se como uma entropia não-extensiva, a entropia de Tsallis, pode fornecer a maior quantidade de informação para as redes gênicas, através da escolha do melhor parâmetro não-extensivo q. Mostra-se que é possível obter numericamente o melhor parâmetro, e que ele depende do número de graus de liberdade do sistema, no caso binário o melhor valor sendo aproximadamente 2, 46. Esse resultado é testado no contexto da inferências de redes gênicas, inicialmente com portas lógicas, seguido de redes gênicas artificiais e por último com dados experimentais obtidos no desafio DREAM4. Por m, são comparados com resultados de trabalhos anteriores, indicando a adequação da entropia de Tsallis na inferência de redes gênicas. |