Banca de DEFESA: EDWIN JAHIR RUEDA ROJAS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: EDWIN JAHIR RUEDA ROJAS
DATA: 30/09/2021
HORA: 09:30
LOCAL: On-line
TÍTULO:

Identificação de candidatos a genes de referência utilizando Redes Geradoras Adversárias

PALAVRAS-CHAVES:

Redes Adversas Generativas, RNA-seq, Aprendizagem profunda, genes
de referência, detector de novidades

PÁGINAS: 54
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Sistemas de Computação
RESUMO:

Os Genes de referência (GR) são genes constitutivos necessários para a manutenção das funções celulares básicas. Estes genes são usados como controle interno em técnicas de análise de expressão gênica, como qRT PCR, pois seu nível de expressão permanece constante ou sua variação é insignificante em diferentes condições de estresse. Estes genes devem mostrar a variabilidade resultante das imperfeições da tecnologia empregada e dos procedimentos de preparo, o que garante que qualquer variação na quantidade de material genético estará relacionada à mesma medida do objeto de investigação e controle, daí sua importância para identificá-los. iferentes tecnologias de alto rendimento são utilizadas para identificar estes tipos de genes, incluindo o sequenciamento de RNA (RNA-seq), o qual permite medir os níveis de expressão gênica em um tecido específico ou em uma célula isolada. Assim, também existem técnicas de identificação in-silico baseadas principalmente em algoritmos de agrupamento, onde o principal obstáculo é o baixo número de genes de referência identificados na literatura, o qual varia dependendo da célula ou tecido estudado. É por esta razão que nesta pesquisa é apresentado um método proposto baseado em algoritmos de geração de dados sintéticos (modelos adversários) para mitigar o obstáculo descrito acima. O método proposto para a identificação in-silico de candidatos a genes de referência consiste em quatro etapas principais. Primeiramente, o conjunto de dados RNA-seq é pré-processado para posteriormente (na segunda etapa) empregar redes adversárias para aumentar o conjunto de genes de referência. Assim, na terceira etapa é treinado um detector de novidades com o conjunto de genes aumentados para a identificação de genes candidatos. Finalmente, Na quarta etapa, usando a pontuação recall, validamos o desempenho do detector de novidades proposto na terceira etapa. O método proposto foi validado com o conjunto de dados Escherichia coli, identificando 691 genes candidatos de um total de 4.168 genes não classificados. Os resultados mostram que aumentar o conjunto de dados usando o modelo adversário proposto melhora a pontuação do classificador em um 20% nos dados de teste. A principal contribuição da metodologia proposta foi reduzir em até 3% a quantidade de genes a serem testados no laboratório como genes de referência ou não.

MEMBROS DA BANCA:
Presidente - 2378314 - JEFFERSON MAGALHAES DE MORAIS
Interno - 1913763 - ROMMEL THIAGO JUCÁ RAMOS
Interno - 381.226.502-87 - RONNIE CLEY DE OLIVEIRA ALVES - UFRGS
Externo à Instituição - LUIS CARLOS GUIMARÃES