Banca de QUALIFICAÇÃO: RAISSA LORENA SILVA DA SILVA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: RAISSA LORENA SILVA DA SILVA
DATA: 04/04/2019
HORA: 10:30
LOCAL: ICEN
TÍTULO:

Aplicação de aprendizado de máquina para predição de genes em dados metagenômicos

PALAVRAS-CHAVES:

aprendizado de máquinas, classificação, predição de genes

PÁGINAS: 45
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Sistemas de Computação
ESPECIALIDADE: Software Básico
RESUMO:

Encontrar genes codificadores de proteínas em sequências genômicas eucarióticas com
métodos in-silico permanece um desafio importante na genômica computacional, apesar de
muitos anos de trabalho intensivo de pesquisa (STANKE et al., 2006). A identificação de genes
codificadores pode ser realizada por meio de duas abordagens, primeiro, "métodos extrínsecos"ou
predição por homologia, e, segundo, "métodos intrínsecos"ou predição por ab initio (MATHÉ et
al., 2002). A predição por homologia busca a similaridade das sequências com genes existentes,
por outro lado, a predição por ab initio procura genes por meio das características da sequência
analisada. A contribuição deste trabalho é a avaliação da composição de um conjunto de treino e a construção de um modelo que identifique genes codificadores de proteínas utilizando aprendizado de máquina, desta forma, a abordagem adotada permitirá que genes anotados e não anotados possam ser encontrados. Outra contribuição importante é um estudo aprofundado das características de sequências genômicas que possam permitir uma identificação mais consistente de genes codificantes. A partir dessas contribuições, será possível desenvolver uma ferramenta de predição de genes que funciona de forma eficaz.

MEMBROS DA BANCA:
Interno - 2378314 - JEFFERSON MAGALHAES DE MORAIS
Externo ao Programa - 2324982 - REGIANE SILVA KAWASAKI FRANCES