Inteligência Artificial
Gravado no evento XVI Ciclo de Palestras da Biotecnologia · 1 h 2 min de gravação
Trechos em vídeo

A importância da curadoria de dados em IA
Trecho de a da gravação

Mitos sobre redes neurais e o papel do Random Forest
Trecho de a da gravação

Como funciona a votação no Random Forest
Trecho de a da gravação
Sobre o conteúdo
A palestra intitulada "Inteligência Artificial", apresentada por Anderson Rodrigues dos Santos no evento Ciclo de Palestras da Biotecnologia, aborda como as ferramentas de computação e aprendizado de máquina auxiliam no diagnóstico clínico e na identificação de biomarcadores moleculares.
Inicialmente, o palestrante compartilha sua trajetória profissional entre a academia e o setor empresarial, ressaltando o potencial de integração entre ciência da computação e biotecnologia. Introduz o contexto médico da doença renal crônica (DRC), destacando sua natureza silenciosa, alta mortalidade e a frequente associação causal com comorbidades preexistentes, como diabetes mellitus, hipertensão arterial, obesidade e doenças cardiovasculares, o que torna o diagnóstico e a modelagem preditiva desafios expressivos.
Em seguida, é apresentado o pipeline analítico de metabolômica e proteômica, que utiliza dados obtidos por espectrometria de massas de tempo de voo acoplada a cromatografia líquida (LC-MS TOF). O palestrante detalha como os perfis de massa molecular se transformam em milhares de atributos ou descritores numéricos. Ele demonstra a conversão desses registros em arquivos no formato ARFF pelo utilitário arffcreator, possibilitando sua ingestão no ambiente de aprendizado de máquina Weka.
Na sequência teórica, o palestrante formaliza o funcionamento dos algoritmos supervisionados, focando em árvores de decisão e florestas aleatórias (Random Forest). Utilizando um exemplo clássico de previsão meteorológica, ele deduz o cálculo de entropia de Shannon e do ganho de informação para a escolha do melhor atributo na divisão dos nós da árvore. Explica o processo recursivo de ramificação até a obtenção de nós-folha com entropia nula.
Por fim, expõe-se a arquitetura de Random Forest, na qual múltiplas árvores são construídas com subamostragens e restrições aleatórias de atributos, operando em conjunto por meio de votação por maioria. O palestrante conclui destacando que, mais do que executar algoritmos complexos ou redes neurais profundas, o maior esforço reside no tratamento, seleção, balanceamento e curadoria rigorosa dos dados biológicos.
O que é abordado
- Abertura e trajetória profissional
- Contexto clínico da Doença Renal Crônica (DRC)
- Desafios de dados e amostragem em diagnósticoTrecho de 1 min 59 s
- Pipeline metodológico: do LC-MS ao formato ARFF
- Descritores moleculares e conversão para o Weka
- Vantagens do Random Forest frente a redes neuraisTrecho de 1 min 48 s
- Fundamentos de Árvores de Decisão
- Cálculo de Entropia e Ganho de Informação
- Mecanismo de votação no Random Forest e encerramentoTrecho de 1 min 34 s
Dúvidas que o conteúdo responde
Como os dados de espectrometria de massas são utilizados no modelo de aprendizado de máquina?
Os dados gerados pelo equipamento LC-MS TOF indicam os tempos de voo e pesos moleculares das partículas da amostra. Esses valores de massa e intensidade são extraídos e convertidos para o formato ARFF, atuando como descritores ou atributos de entrada para o algoritmo classificador.
Por que o palestrante prefere o algoritmo Random Forest em relação a redes neurais profundas nesse contexto?
O Random Forest é computacionalmente mais leve, rápido para treinar em milhares de descritores e permite rodar milhares de simulações em pouco tempo com máquinas padrão, ao passo que redes neurais exigiriam alto poder de CPU, memória e tempo excessivo de treinamento para resultados frequentemente equivalentes.
Qual é a função da entropia e do ganho de informação na árvore de decisão?
A entropia mede a impureza ou homogeneidade dos dados em uma determinada divisão. O ganho de informação quantifica a redução da entropia caso um atributo específico seja escolhido; o atributo que proporciona o maior ganho de informação é posicionado no nó correspondente para organizar e separar melhor as classes.
Qual é o principal desafio no uso de aprendizado de máquina para diagnóstico médico segundo a apresentação?
O principal desafio é a curadoria, qualidade e balanceamento dos dados. Rodar algoritmos é trivial, mas garantir que as amostras representem fidedignamente o problema e que os descritores selecionados não criem ruído ou conflito exige a maior parte do trabalho analítico.
Assuntos
Palestrantes

Anderson Rodrigues dos Santos
Palestrante
Graduado em Ciência da Computação (Universidade Católica de Minas Gerais, Brasil, 1995), mestre em Ciência da Computação com ênfase em Inteligência Artificial (Universidade Federal de Minas Gerais, Brasil, 1999) e doutorado. Mestre em Bioinformática também pela Universidade Federal de Minas Gerais (2012). Teve participação significativa na montagem e anotação do primeiro projeto genoma realizado inteiramente no estado de Minas Gerais (Brasil) sobre a bactéria Corynebacterium pseudotuberculosis. Experimentou usar a Ciência da Computação para a montagem e anotação de genomas. Em 2012, fez…
Outros conteúdos deste evento
Gravados no evento XVI Ciclo de Palestras da Biotecnologia
Microbiologia Industrial
Gravado no evento XVI Ciclo de Palestras da Biotecnologia
A palestra aborda os fundamentos e as aplicações da microbiologia industrial, destacando o papel dos microrganismos como biofábricas no setor biotecnológico. São apresentados os…
Ver resumo e capítulosBiotecnologia aplicada ao câncer
Gravado no evento XVI Ciclo de Palestras da Biotecnologia
A palestra aborda as estratégias biotecnológicas aplicadas ao desenvolvimento de drogas anticâncer desenvolvidas no Laboratório de Citogenética (CITOGEN) da Universidade Federal…
Ver resumo e capítulosBiotecnologia Empresarial
Gravado no evento XVI Ciclo de Palestras da Biotecnologia
A palestrante Ana Luiza Araújo relata sua trajetória acadêmica na Universidade Federal de Uberlândia e a transição da pesquisa científica para o mercado corporativo. Ela…
Ver resumo e capítulos

