Um modelo de deep learning para classificação de organismos vivos utilizando o segmento 18S rRNA da sequência genética

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Frainer, Gustavo Savi
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Pontifícia Universidade Católica do Rio Grande do Sul
Escola Politécnica
Brasil
PUCRS
Programa de Pós-Graduação em Ciência da Computação
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Taxonomic Classification
Metabarcoding
Deep Neural Network
Machine Learning
CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
Link de acesso: https://tede2.pucrs.br/tede2/handle/tede/11711
Resumo: A taxonomia, no campo da biologia, é a ciência que classifica os seres vivos hierarquicamente de acordo com características em comum. Atualmente, existem diversas técnicas para a classificação taxonômica de organismos por meio sequenciamento genético, comumente usando análise metagenômica. No entanto, essas técnicas tendem a ser computacionalmente custosas e, em cenários em que há mutações ou variações genéticas dentro de um mesmo subgrupo, falhas ou inconclusivas. Com o recente avanço do campo da inteligência artificial e machine learning, novas potenciais formas de classificação estão sendo estudadas e desenvolvidas. Neste trabalho, é apresentada uma solução de classificador taxonômico baseado em um modelo de deep learning e, também, é feita uma análise comparativa entre os resultados da solução apresentada e os resultados obtidos com o classificador q2-feature-classifier da plataforma QIIME2. Os resultados obtidos mostram que a solução desenvolvida alcança acurácias maiores, especialmente no nível de Species.
id P_RS_5d391d794d1e3ae6e9871ea8df7722d4
oai_identifier_str oai:tede2.pucrs.br:tede/11711
network_acronym_str P_RS
network_name_str Biblioteca Digital de Teses e Dissertações da PUC_RS
repository_id_str
spelling Um modelo de deep learning para classificação de organismos vivos utilizando o segmento 18S rRNA da sequência genéticaA deep learning model for the classification of living organisms using the 18s rRNA segment of the genetic sequenceTaxonomic ClassificationMetabarcodingDeep Neural NetworkMachine LearningTaxonomic ClassificationMetabarcodingDeep Neural NetworkMachine LearningCIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAOA taxonomia, no campo da biologia, é a ciência que classifica os seres vivos hierarquicamente de acordo com características em comum. Atualmente, existem diversas técnicas para a classificação taxonômica de organismos por meio sequenciamento genético, comumente usando análise metagenômica. No entanto, essas técnicas tendem a ser computacionalmente custosas e, em cenários em que há mutações ou variações genéticas dentro de um mesmo subgrupo, falhas ou inconclusivas. Com o recente avanço do campo da inteligência artificial e machine learning, novas potenciais formas de classificação estão sendo estudadas e desenvolvidas. Neste trabalho, é apresentada uma solução de classificador taxonômico baseado em um modelo de deep learning e, também, é feita uma análise comparativa entre os resultados da solução apresentada e os resultados obtidos com o classificador q2-feature-classifier da plataforma QIIME2. Os resultados obtidos mostram que a solução desenvolvida alcança acurácias maiores, especialmente no nível de Species.Taxonomy, in the field of biology, is the science that classifies living beings hierarchically according to common characteristics. Currently, there are several techniques for the taxonomic classification of organisms through genetic sequencing, commonly using metagenomic analysis. However, these techniques tend to be computationally expensive and, in scenarios where there are mutations or genetic variations within the same subgroup, they may fail or be inconclusive. With the recent advances in the field of artificial intelligence and machine learning, new potential forms of classification are being studied and developed. In this work, a taxonomic classifier solution based on a deep learning model is presented and a comparative analysis is also made between the results of the presented solution and the results obtained with the q2-feature-classifier of the QIIME2 platform. The results obtained show that the developed solution achieves greater accuracies, especially at the Species levelPontifícia Universidade Católica do Rio Grande do SulEscola PolitécnicaBrasilPUCRSPrograma de Pós-Graduação em Ciência da ComputaçãoRuiz, Duncan Dubugras Alcobahttp://lattes.cnpq.br/8250832800932125Frainer, Gustavo Savi2025-06-20T20:37:12Z2025-03-26info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://tede2.pucrs.br/tede2/handle/tede/11711porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da PUC_RSinstname:Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)instacron:PUC_RS2025-07-01T15:00:14Zoai:tede2.pucrs.br:tede/11711Biblioteca Digital de Teses e Dissertaçõeshttp://tede2.pucrs.br/tede2/PRIhttps://tede2.pucrs.br/oai/requestbiblioteca.central@pucrs.br||opendoar:2025-07-01T15:00:14Biblioteca Digital de Teses e Dissertações da PUC_RS - Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)false
dc.title.none.fl_str_mv Um modelo de deep learning para classificação de organismos vivos utilizando o segmento 18S rRNA da sequência genética
A deep learning model for the classification of living organisms using the 18s rRNA segment of the genetic sequence
title Um modelo de deep learning para classificação de organismos vivos utilizando o segmento 18S rRNA da sequência genética
spellingShingle Um modelo de deep learning para classificação de organismos vivos utilizando o segmento 18S rRNA da sequência genética
Frainer, Gustavo Savi
Taxonomic Classification
Metabarcoding
Deep Neural Network
Machine Learning
Taxonomic Classification
Metabarcoding
Deep Neural Network
Machine Learning
CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
title_short Um modelo de deep learning para classificação de organismos vivos utilizando o segmento 18S rRNA da sequência genética
title_full Um modelo de deep learning para classificação de organismos vivos utilizando o segmento 18S rRNA da sequência genética
title_fullStr Um modelo de deep learning para classificação de organismos vivos utilizando o segmento 18S rRNA da sequência genética
title_full_unstemmed Um modelo de deep learning para classificação de organismos vivos utilizando o segmento 18S rRNA da sequência genética
title_sort Um modelo de deep learning para classificação de organismos vivos utilizando o segmento 18S rRNA da sequência genética
author Frainer, Gustavo Savi
author_facet Frainer, Gustavo Savi
author_role author
dc.contributor.none.fl_str_mv Ruiz, Duncan Dubugras Alcoba
http://lattes.cnpq.br/8250832800932125
dc.contributor.author.fl_str_mv Frainer, Gustavo Savi
dc.subject.por.fl_str_mv Taxonomic Classification
Metabarcoding
Deep Neural Network
Machine Learning
Taxonomic Classification
Metabarcoding
Deep Neural Network
Machine Learning
CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
topic Taxonomic Classification
Metabarcoding
Deep Neural Network
Machine Learning
Taxonomic Classification
Metabarcoding
Deep Neural Network
Machine Learning
CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
description A taxonomia, no campo da biologia, é a ciência que classifica os seres vivos hierarquicamente de acordo com características em comum. Atualmente, existem diversas técnicas para a classificação taxonômica de organismos por meio sequenciamento genético, comumente usando análise metagenômica. No entanto, essas técnicas tendem a ser computacionalmente custosas e, em cenários em que há mutações ou variações genéticas dentro de um mesmo subgrupo, falhas ou inconclusivas. Com o recente avanço do campo da inteligência artificial e machine learning, novas potenciais formas de classificação estão sendo estudadas e desenvolvidas. Neste trabalho, é apresentada uma solução de classificador taxonômico baseado em um modelo de deep learning e, também, é feita uma análise comparativa entre os resultados da solução apresentada e os resultados obtidos com o classificador q2-feature-classifier da plataforma QIIME2. Os resultados obtidos mostram que a solução desenvolvida alcança acurácias maiores, especialmente no nível de Species.
publishDate 2025
dc.date.none.fl_str_mv 2025-06-20T20:37:12Z
2025-03-26
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://tede2.pucrs.br/tede2/handle/tede/11711
url https://tede2.pucrs.br/tede2/handle/tede/11711
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Pontifícia Universidade Católica do Rio Grande do Sul
Escola Politécnica
Brasil
PUCRS
Programa de Pós-Graduação em Ciência da Computação
publisher.none.fl_str_mv Pontifícia Universidade Católica do Rio Grande do Sul
Escola Politécnica
Brasil
PUCRS
Programa de Pós-Graduação em Ciência da Computação
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da PUC_RS
instname:Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)
instacron:PUC_RS
instname_str Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)
instacron_str PUC_RS
institution PUC_RS
reponame_str Biblioteca Digital de Teses e Dissertações da PUC_RS
collection Biblioteca Digital de Teses e Dissertações da PUC_RS
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da PUC_RS - Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)
repository.mail.fl_str_mv biblioteca.central@pucrs.br||
_version_ 1850041319564509184

Registros relacionados