Navegando por Autor "Monteiro, Meika Iwata"
Agora exibindo 1 - 1 de 1
- Resultados por página
- Opções de Ordenação
Dissertação Predição de promotores de Bacillus subtilis usando técnicas de aprendizado de máquina(Universidade Federal do Rio Grande do Norte, 2005-12-13) Monteiro, Meika Iwata; Gonçalves, Luiz Marcos Garcia; Souto, Marcílio Carlos Pereira de; ; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790032E1; ; http://lattes.cnpq.br/1562357566810393; ; http://lattes.cnpq.br/6479379685092821; Oliveira, Jauvane Cavalcante de; ; http://lattes.cnpq.br/4054756781423727; Dória Neto, Adrião Duarte; ; http://lattes.cnpq.br/1987295209521433Um dos grandes desafios da Bioinformática é manipular e analisar os dados acumulados nas bases de dados mundiais. A expressão dos genes em procariotos é iniciada quando a enzima RNA polimerase une-se com uma região próxima ao gene, chamada de promotor, onde é localizado os principais elementos regulatórios do processo de transcrição. Apesar do crescente avanço das técnicas experimentais (in vitro) em biologia molecular, caracterizar e identificar um número significante de promotores ainda é uma tarefa difícil. Os métodos computacionais existentes enfrentam a falta de um número adequado de promotores conhecidos para identificar padrões conservados entre as espécies. Logo, um método para predizê-los em qualquer organismo procariótico ainda é um desafio. Neste trabalho, apresentamos uma comparação empírica de técnicas individuais de aprendizado de máquina, tais como: Classificador Bayesiano Ingênuo, Árvores de Decisão, Máquinas de Vetores de Suporte, Redes Neurais do tipo VotedPerceptron, PART e k-Vizinhos Mais Próximos e sistemas multiclassificadores (Bagging e Adaboosting) e Modelo Oculto de Markov à tarefa de predição de promotores procariotos em Bacilos subtilis. Utilizamos a validação cruzada para avaliar todos os métodos de AM. Para esses testes, foram construídas base de dados com seqüências de promotores e não-promotores do Bacillus subtilis e uma base de dados híbrida. Os métodos de AM obtiveram bons resultados com o SVM e o Naïve Bayes. Não conseguimos entretanto, obter resultados relevantes para a base de dados híbrida