00 CAMPUS ARISTÓTELES CALAZANS SIMÕES (CAMPUS A. C. SIMÕES) IC - INSTITUTO DE COMPUTAÇÃO Dissertações e Teses defendidas na UFAL - IC
Use este identificador para citar ou linkar para este item: http://www.repositorio.ufal.br/jspui/handle/riufal/808
Tipo: Dissertação
Título: Predição da função das proteí­nas sem alinhamentos usando máquinas de vetor de suporte.
Título(s) alternativo(s): Protein function prediction without alignments by using support vector machines.
Autor(es): Dias, Ulisses Martins
Primeiro Orientador: Lopes, Roberta Vilhena Vieira
metadata.dc.contributor.advisor-co1: Almeida, Eliana Silva de
metadata.dc.contributor.referee1: Costa, Evandro de Barros
metadata.dc.contributor.referee2: Goncalves, Luiz Marcos Garcia
Resumo: Este trabalho apresenta um novo modelo capaz de prever a função de proteí­nas utilizando máquinas de vetor de suporte, um método de aprendizagem de máquina treinado usando parâmetros estruturais calculados a partir da conformação espacial da própria proteí­na. O modelo difere do paradigma comum de predição por não ser necessário calcular similaridades por meio de alinhamentos entre a proteí­na que se deseja prever a função e as proteí­nas de função conhecida presentes nos bancos de dados públicos. Dessa forma, o modelo é capaz de associar função às proteí­nas que não possuem qualquer semelhança com proteí­nas conhecidas, podendo ser usado quando todos os outros métodos falham ou quando não se deseja utilizar o conceito de similaridade na predição da função. A justificativa de que o modelo é válido foi realizada analisando sua performance ao prever funções de proteí­nas desconhecidas, proteí­nas não usadas no treinamento, utilizando como estudo de caso um conjunto de proteí­nas de ligação.
Abstract: This thesis presents a new model to protein function prediction using support vector machines, a machine learning approach trained using structural parameters calculated from protein tertiary structure. The model is different from the others paradigms because it is not necessary to search for similarities against the others known proteins in public databases by alignments. In this way, the model is able to associate functional relationships among proteins with no similarities and it could be used when all other methods fail or when the user don t want to use the concept of similarity in function predictions. The proof that the model is valid was accomplished analyzing its performance with unknown proteins, i.e proteins not used in the training set. The validation approach used a set of binding proteins.
Palavras-chave: Bioinformatic
Protein
Function
Artificial intelligence
Suport vector machines
Ontological Gene
Sting
Bioinformática
Proteí­na
Função
Inteligência artificial
Máquina de vetor de suporte
Gene ontológico
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Idioma: por
País: BR
Editor: Universidade Federal de Alagoas
Sigla da Instituição: UFAL
metadata.dc.publisher.department: Modelagem Computacional de Conhecimento
metadata.dc.publisher.program: Programa de Pós-Graduação em Modelagem Computacional de Conhecimento
Citação: DIAS, Ulisses Martins. Protein function prediction without alignments by using support vector machines.. 2007. 102 f. Dissertação (Mestrado em Modelagem Computacional de Conhecimento) - Universidade Federal de Alagoas, Maceió, 2007.
Tipo de Acesso: Acesso Aberto
URI: http://repositorio.ufal.br/handle/riufal/808
Data do documento: 26-mar-2007
Aparece nas coleções:Dissertações e Teses defendidas na UFAL - IC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissertacao_UlissesMartinsDias_2007.pdf1.19 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.