ARQUITETURA DE GERAÇÃO DE IMAGENS DE SÉRIES TEMPORAIS A PARTIR DE MATERIAL GENÉTICO PARA ANÁLISE EM CNN'S

Sara Lopes Migliari; CRISTIANO NEIA DE OLIVEIRA BASSANI; Pedro Henrique Bugatti

Todos os Trabalhos

Trabalho

DOI

10.29327/171547.3-2

Título do Trabalho

ARQUITETURA DE GERAÇÃO DE IMAGENS DE SÉRIES TEMPORAIS A PARTIR DE MATERIAL GENÉTICO PARA ANÁLISE EM CNN'S

Autores

Sara Lopes Migliari
CRISTIANO NEIA DE OLIVEIRA BASSANI
Pedro Henrique Bugatti

Modalidade

Resumo

Área temática

Database and Software Development

Data de Publicação

08/09/2022

País da Publicação

Brasil

Idioma da Publicação

Português

Página do Trabalho

https://www.even3.com.br/anais/epbioinfo2022/515467-arquitetura-de-geracao-de-imagens-de-series-temporais-a-partir-de-material-genetico-para-analise-em-cnns

ISBN

978-65-5941-801-5

Palavras-Chave

Long non-coding RNA , aprendizado de máquina, rede neural convolucional, processamento de imagens

Resumo

Os estudos genéticos filiados ao uso de tecnologias, como o aprendizado de máquina, têm mostrado enorme compatibilidade com a produção de conhecimento no campo da genética molecular. Por meio de redes neurais convolucionais, enquanto o método de pré-processamento de imagens, o presente trabalho tem como finalidade a geração de matrizes bem como vetores programados capazes de encontrar padrões específicos em fitas genéticas ou em outros ambientes moleculares. Além disso, propõe a formulação de uma arquitetura de aprendizagem de máquina que resulte em séries temporais Gramian Angular Field, Recurrence Plot e Markov Transition Fields a partir de cinco diferentes bases de dados denominados Datasets contendo arquivos genéticos de superfamílias de elementos transitórios de DNAs e RNAs longos não codificantes, nos quais interagem dentro da cromatina causando uma reformulação na transcrição. Os arquivos foram balanceados para evitar que houvesse repetições entre as sequências. Para a plotagem das imagens geradas, um algoritmo realiza a leitura de strings do arquivo em formato FASTA e convertem em dados numéricos, após o tratamento, os materiais acoplados e arquivos assim como as imagens produzidas durante o processo são armazenados em um repositório do tipo “nuvem”. A etapa final ocorre ao serem essas informações sistematizadas, submetidas ao algoritmo de redes convolucionais cujo aprendizado é supervisionado e os novos dados servindo de entrada para CNNs, buscando trazer equivalência de modo a comparar com as arquiteturas presentes dentro da literatura. A aprendizagem de máquina busca contribuir ainda para métricas de avaliação como acurácia, precisão, revocação, F-score, desvio padrão e por gráficas de matrizes de confusão.

Título do Evento: Escola Paranaense de Bioinformática
Cidade do Evento: Curitiba
Título dos Anais do Evento: Anais da Escola Paranaense de Bioinformática (EPB)
Nome da Editora: Even3
Meio de Divulgação: Meio Digital
DOI

Como citar

MIGLIARI, Sara Lopes; BASSANI, CRISTIANO NEIA DE OLIVEIRA; BUGATTI, Pedro Henrique. ARQUITETURA DE GERAÇÃO DE IMAGENS DE SÉRIES TEMPORAIS A PARTIR DE MATERIAL GENÉTICO PARA ANÁLISE EM CNN'S.. In: Anais da Escola Paranaense de Bioinformática (EPB). Anais...Curitiba(PR) UFPR/SEPT, 2022. Disponível em: https//www.even3.com.br/anais/epbioinfo2022/515467-ARQUITETURA-DE-GERACAO-DE-IMAGENS-DE-SERIES-TEMPORAIS-A-PARTIR-DE-MATERIAL-GENETICO-PARA-ANALISE-EM-CNNS. Acesso em: 25/03/2025