Notícias

Banca de QUALIFICAÇÃO: KLEBER PADOVANI DE SOUZA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: KLEBER PADOVANI DE SOUZA
DATA: 16/04/2019
HORA: 09:00
LOCAL: ICEN, LACOMP02
TÍTULO:

Aprendizado de máquinas aplicado à montagem de genomas de microrganismos


PALAVRAS-CHAVES:

Aprendizado de máquina, aprendizado por reforço, aprendizado profundo, Deep Q-Network, montagem de genomas, metagenômica


PÁGINAS: 77
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Sistemas de Informação
RESUMO:

Os microrganismos são essenciais para toda a vida, pois são a maior fonte de nutrientes existente e os transformadores primários da matéria morta em uma nova forma orgânica disponível para o ambiente. Além disso, eles influenciam no desenvolvimento e saúde de seres vivos, incluindo humanos, e nas transformações químicas para a geração de componentes necessários para a vida no planeta. Dada a íntima relação dos microrganismos com os demais seres vivos, a compreensão dos genomas desses micróbios torna-se necessária para a expansão do conhecimento a respeito da vida em suas diferentes formas. Com isso, são possíveis diversas descobertas úteis à humanidade, especialmente aquelas relacionadas a doenças humanas e que dão suporte a avanços científicos que permitem a melhoria de diagnósticos, tratamentos e prevenções de tais doenças. As tecnologias de sequenciamento de DNA têm colaborado enormemente na descoberta do código genético do seres vivos. A etapa de sequenciamento é o primeiro grande passo para a obtenção das sequências contidas nas moléculas de DNA dos organismos na forma digitalizada - como texto. Contudo, os equipamentos responsáveis pela leitura de cada componente das moléculas de DNA e produção de textos correspondentes, os sequenciadores, ainda não são capazes de ler moléculas muito extensas. Por isso, a metodologia de sequenciamento comumente utilizada quebra as moléculas de DNA do organismo em fragmentos menores com tamanhos próximos aos tamanhos máximos de leituras dos sequenciadores. Porém, esse tamanho máximo é insignificante quando comparado ao tamanho total do genoma de diversos organismos. Para conseguir se alcançar o texto correspondente ao genoma do organismo com base nas leituras desses fragmentos menores, faz-se uso de uma ferramenta computacional, denominada montador. O objetivo do montador é analisar sequências textuais pequenas de modo a alcançar a composição da molécula de DNA que originou tais fragmentos. O problema da montagem baseia-se em sobreposições e apresenta grande complexidade computacional, enquadrando-se na classe de problemas computacionais para os quais não se conhece um algoritmo que produza uma solução ótima em tempo razoável, a classe NP-difícil. Por conta disso, as ferramentas de montagem existentes atualmente, embora produzam soluções aproximadas, ainda mantêm abertos diversos desafios de montagem. Esses desafios ainda são o foco de diversas investigações que buscam alcançar melhores montadores, incluindo abordagens que fazem uso de técnicas de inteligência artificial. Métodos de aprendizado de máquinas (AM) têm sido aplicados como estratégia primária ou complementar no problema de fragmentação da montagem de DNA com resultados animadores, mas ainda incipientes. Neste cenário, este projeto tem como objetivo trazer contribuições teóricas e práticas envolvendo o uso de técnicas avançadas e atuais de AM para a obtenção de montagens mais abrangentes e confiáveis de genomas de microrganismos. Sua hipótese central é apresentada como segue: Máquinas de montagem de genomas pelo uso de técnicas avançadas de aprendizado de máquinas, especificamente, técnicas de aprendizado por reforço profunda, são, respeitando restrições de domínio, possíveis. Especificamente, esta proposta visa explorar, de forma sistemática, a aplicação do algoritmo pioneiro de aprendizado por reforço profundo, o Deep Q-Network (DQN), no problema da montagem de fragmentos de DNA em amostras com alvo, como é o caso de montagens direcionadas a genes. Os resultados preliminares alcançados, juntamente com os promissores resultados obtidos em trabalhos relacionados, sugerem a viabilidade da aplicação de DQN na busca por melhores soluções ao problema da montagem de fragmentos de DNA de microrganismos, contribuindo consequentemente com o avanço das demais áreas do conhecimento diretamente envolvidas, como computação, biologia e medicina.


MEMBROS DA BANCA:
Externo à Instituição - ANDRE CARLOS PONCE DE LEON F. DE CARVALHO
Interno - 2323064 - FILIPE DE OLIVEIRA SARAIVA
Interno - 2378314 - JEFFERSON MAGALHAES DE MORAIS
Externo ao Programa - 2324982 - REGIANE SILVA KAWASAKI FRANCES
Presidente - 381.226.502-87 - RONNIE CLEY DE OLIVEIRA ALVES - UFRGS
Notícia cadastrada em: 05/04/2019 12:26
SIGAA | Centro de Tecnologia da Informação e Comunicação (CTIC) - (91)3201-7793 | Copyright © 2006-2024 - UFPA - castanha.ufpa.br.castanha2