Codificação de Seqüências deAminoácidos e sua Aplicação naClassificação de Proteínas com RedesNeurais Artificiais

• Ano de defesa: 2007
• Autor(a) principal: Thiago de Souza Rodrigues
• Orientador(a): Antonio de Padua Braga
• Banca de defesa: Ana Tereza Ribeiro Vasconcelos, Adrião Duarte Dória Neto, Walmir Matos Caminhas, Jadson Claudio Belchior
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Minas Gerais
• Palavras-chave em Português: Classificação de proteínas; Redes Neurais Artificiais; Sequências de aminoácidos
• Link de acesso: http://hdl.handle.net/1843/GRFO-7JLQW3

Este trabalho visa propor um sistema de codificação de proteínas de modoque seqüências contendo diferentes quantidades de aminoácidos possamser convertidas em vetores de mesma dimensão para serem classificadasfuncionalmente por Redes Neurais Artificiais.O método proposto utiliza janelas deslizantes de tamanhos previamente definidos,que percorrem a seqüência a ser codificada de modo a resultar em um vetor con-tendoinformações sobre a seqüência propriamente dita. O esquema de codifica-çãodeve resultar em vetores não ambíguos, deve considerar a similaridade entreos aminoácidos e deve considerar pequenas regiões de similaridade dando umarelevância proporcional ao tamanho da janela deslizante.Uma comparação entre o método proposto e o método utilizado na literaturaé realizada, onde sequências de aminoácidos correspondentes às proteínas de 10bactérias foram codificadas e utilizadas para treinamento de Redes Neurais Artifi-ciaisa fim de classificar essas seqüências de acordo com as classes funcionais dabase de dados do Cluster of Orthologous Groups (COG).A comparação mostra a superioridade do esquema de codificação proposto vistoque a informação armazenada nos vetores resultantes permitiu que as Redes Neu-raisArtificiais classificassem corretamente os dois conjuntos de sequências de ami-noácidosde acordo com as classes funcionais do COG de várias sequências que nãohaviam sido anteriormente classificadas. As Redes Neurais Artificiais treinadascom os vetores gerados pelo esquema E-SCSW tiveram taxa de acerto que varioude 90, 2% à 100% para as proteínas da Chromobacterium violaceum e de 62, 5% à 100%para as proteínas da Chlamydophila felis.Todas as proteínas, cujos vetores correspondentes foram classificados pelas Re-desNeurais Artificiais de forma diferente com a classificação encontrada nos ban-cosde dados, tiveram sua classificação verificada através do alinhamento realizado pelo CD-Search e a base de dados do COG. As Redes Neurais Artificiais treinadascom os vetores gerados pelo esquema E-SCSW foram capazes de reclassificar cor-retamente184 proteínas da Chromobacterium violaceum e 94 proteínas da Chlamy-dophilafelis as quais haviam sido classificadas de maneira inconsistente nos bancode dados públicos.Este trabalho tem como principal contribuição um novo método de codificaçãode sequências de aminoácidos onde Redes Neurais Artificiais possam utilizar os ve-toresresultantes como conjunto de entrada. A verificação dos resultados mostrouque os bancos de dados públicos possuem algumas inconsistências e que as pro-teínasdepositadas necessitam ser verificadas com uma certa freqüência. O métodode codificação aqui proposto poderia portanto ser utilizado como um complementoaos métodos tradicionais de classificação de proteínas que utilizam como base oalinhamento par-a-par.