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 | Tamanho | Formato | |
---|---|---|---|---|
Dissertacao_UlissesMartinsDias_2007.pdf | 1.19 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.