Logo do repositório
  • Página Inicial(current)
  • Buscar
    Por Data de PublicaçãoPor AutorPor TítuloPor Assunto
  • Tutoriais
  • Documentos
  • Sobre o RI
  • Eventos
    Repositório Institucional da UFRN: 15 anos de conexão com o conhecimento
  • Padrão
  • Amarelo
  • Azul
  • Verde
  • English
  • Português do Brasil
Entrar

SIGAA

  1. Início
  2. Pesquisar por Autor

Navegando por Autor "Souza, Jackson Gomes de"

Filtrar resultados informando as primeiras letras
Agora exibindo 1 - 2 de 2
  • Resultados por página
  • Opções de Ordenação
  • Nenhuma Miniatura disponível
    Tese
    A novel deep neural network technique for drug-target interaction prediction
    (Universidade Federal do Rio Grande do Norte, 2024-12-10) Souza, Jackson Gomes de; Fernandes, Marcelo Augusto Costa; Barbosa, Raquel de Melo; https://orcid.org/0000-0001-7536-2506; http://lattes.cnpq.br/3475337353676349; https://orcid.org/0000-0003-0665-7153; http://lattes.cnpq.br/7022849614714429; Villén, Fátima García; Silva, Lucileide Medeiros Dantas da; Coutinho, Maria Gracielly Fernandes
    A descoberta de fármacos (DD, do inglês drug discovery) é um processo demorado e caro. Portanto, a indústria emprega estratégias como reposicionamento de fármacos, que permite aplicar medicamentos já aprovados para tratar uma doença diferente, como ocorreu nos primeiros meses de 2020, durante a pandemia do COVID-19. A predição da interação fármaco-receptor (DTI, do inglês drug-target interaction) é uma parte essencial do processo de DD porque pode acelerá-lo e reduzir seu custo. A predição de DTI realizada in silico tem utilizado métodos baseados em molecular docking simulation, similaridade, redes e grafos. Este trabalho apresenta o MPS2IT-DTI, um modelo de predição de DTI obtido de uma pesquisa realizada por: definição de um novo método para representar sequências de moléculas e proteínas por meio de imagens; e definição de uma deep learning baseada em uma rede neural convolucional para criar um novo método de predição de DTI. Resultados da pesquisa demonstram que a representação de sequências de moléculas e proteínas como imagens é uma alternativa viável à utilização de abordagens baseadas no uso de técnicas de Processamento de Linguagem Natural (NLP, do ingles natural language processing) e, portanto, não adota uma camada de embedding na rede neural. Resultados de treinamento conduzidos com os datasets Davis e KIBA demonstraram que o MPS2IT-DTI é comparável aos métodos do estado-da-arte em termos de performance e complexidade do modelo da rede neural. Experimentos realizados com o dataset Davis resultaram em um índice de concordância (CI, do inglês concordance index) de 0.876 e um MSE de 0.276; e com o dataset KIBA, foram obtidos 0.836 e 0.226, respectivamente. Por fim, resultados de experimentos com o BindingDB dataset e seis proteínas-chave do SARS-CoV-2 indicaram que o MPS2IT-DTI é comparável aos métodos do estado-da-arte na tarefa de reposicionamento de fármacos antivirais aprovados para uso comercial para o tratamento da COVID-19.
  • Carregando...
    Imagem de Miniatura
    Dissertação
    Técnicas de computação natural para segmentação de imagens médicas
    (Universidade Federal do Rio Grande do Norte, 2009-09-28) Souza, Jackson Gomes de; Costa, José Alfredo Ferreira; ; http://lattes.cnpq.br/9745845064013172; ; http://lattes.cnpq.br/7022849614714429; Martins, Allan de Medeiros; ; http://lattes.cnpq.br/4402694969508077; Carvalho, Bruno Motta de; ; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4791070J6
    Segmentação de imagens é um dos problemas de processamento de imagens que merece especial interesse da comunidade científica. Neste trabalho, são estudado métodos não-supervisionados para detecção de algomerados (clustering) e reconhecimento de padrões (pattern recognition) em segmentação de imagens médicas Métodos baseados em técnicas de computação natural têm se mostrado bastante atrativos nestas tarefas e são estudados aqui como uma forma de verificar a sua aplicabilidade em segmentação de imagens médicas. Este trabalho trata de implementa os métodos GKA (Genetic K-means Algorithm), GFCMA (Genetic FCM Algorithm) PSOKA (Algoritmo de clustering baseado em PSO (Particle Swarm Optimization) e K means) e PSOFCM (Algoritmo de clustering baseado em PSO e FCM (Fuzzy C Means)). Além disso, como forma de avaliar os resultados fornecidos pelos algoritmos são utilizados índices de validação de clustering como forma de medida quantitativa Avaliações visuais e qualitativas também são realizadas, principalmente utilizando dados do sistema BrainWeb, um gerador de imagens do cérebro, como ground truth
Repositório Institucional - UFRN Campus Universitário Lagoa NovaCEP 59078-970 Caixa postal 1524 Natal/RN - BrasilUniversidade Federal do Rio Grande do Norte© Copyright 2025. Todos os direitos reservados.
Contato+55 (84) 3342-2260 - R232Setor de Repositórios Digitaisrepositorio@bczm.ufrn.br
DSpaceIBICT
OasisBR
LAReferencia
Customizado pela CAT - BCZM