Resumo indisponível no momento.

Resumo indisponível no momento.

A identificação dos sítios de ligação dos fatores de transcrição em sequências de DNA é o primeiro passo para a compreensão da regulação gênica. Reconhecer estes padrões nas regiões promotoras de genes co-expressos é um fator determinante para isso. Apesar de existirem vários algoritmos com este propósito, o problema ainda está longe de ser resolvido devido a grande diversidade da expressão gênica e a baixa especificidade dos locais de ligação. Algoritmos do estado-da-arte possuem limitações, tais como elevado número de falsos positivos e baixa precisão para identificação de motifs fracos. Neste artigo nós apresentamos o Discovery Mofifs by Memetic Algorithm, um algoritmo memético desenvolvido utilizando computação evolutiva juntamente com as heurísticas simulated annealing e variable neighborhood search. Para atestar sua capacidade, foram realizados testes em quatro datasets - dois reais e dois sintéticos - e os resultados foram comparados com outras abordagens encontradas bem conhecidas da literatura.

Resumo indisponível.

A biodiversidade das espécies existentes no riquíssimo reino vegetal, tornam os modelos tradicionais de taxonomia uma tarefa muito complexa e morosa, na qual o processo de classificação é tradicionalmente realizado manualmente. As dificuldades presentes nesse processo implicam na existência de poucas pesquisas de classificação vegetal utilizando métodos matemáticos e computacionais. Nesse sentido recentemente esforços tem sido feitos no sentido de desenvolver ferramentas de visão computacional para auxiliar o taxonomista nessa tarefa. De outro ponto de vista a taxonomia vegetal representa um desafio à computação, uma vez que algoritmos de processamento de imagens cada vez mais robustos precisam ser desenvolvidos para atacar esse problema.

Resumo indisponível no momento.

Resumo indisponível no momento.

Aplicação de tecnologias de sequenciamento de nova geração no sequenciamento de cDNA (RNA-Seq), em estudos com transcritos está se tornando amplamente acessível. RNA-Seq é aplicável a descoberta de transcritos, descrição de mecanismos de regulação de genes e análises de expressão diferencial. Um grande número de métodos foi desenvolvido para análises de expressão diferencial em RNA-Seq. Entretanto, não existe um consenso sobre a melhor abordagem se baseando no design do estudo, e a melhor escolha de software depende do objetivo experimental. Nós avaliamos de forma detalhada métodos de mapeamento e, métodos para identificação de expressão diferencial de genes em dados de RNA-Seq. Foram comparados métodos estatísticos para a detecção de genes diferencialmente expressos (GDE) entre duas condições. Nós avaliamos a influência da metodologia de mapeamento e, das metodologias de detecção de GDE no resultado final das análises. Para a comparação foram utilizados dados públicos de RNA-Seq e, TaqMan-PCR. Nossos resultados permitem a indicação de qual seria a melhor escolha de abordagem, dado um objetivo experimental. Também foi possível mensurar o impacto da metodologia de mapeamento nos resultados.

Assim como traços faciais podem ser destacados em uma família, também pode o risco de câncer (ou outras condições, tais como diabetes ou doença cardíaca). Esta semelhança em uma família é causada pela herança de pequenas variações normais dentro de centenas de genes diferentes. Até agora os cientistas têm estudado uma a uma essas variações, o que é uma tarefa difícil e lenta. Com foco no câncer de mama, desenvolvemos novas abordagens computacionais para olhar o efeito combinado de todos os genes, e como esse efeito pode ser influenciado pelo ambiente. Nesta palestra serão discutidas estratégias que buscam formar uma imagem mais clara de como a genética influencia o risco de desenvolvimento de câncer, quem está mais em risco, e o que podemos fazer no futuro para reduzir esse Risco.

Resumo indisponível no momento.

As células são as unidades básicas dos seres vivos e são constituídas de diversos componentes. O desafio de avançar no conhecimento da biologia passa por compreender melhor a organização e regulação destes elementos. É neste contexto que a área de inferência de Redes Gênicas se apresenta como um instrumento para investigar a complexidade da organização e regulação celular, provendo formas de representar o conhecimento sobre o sistema biológico. No entanto, há um grande desafio em reduzir o erro de estimação de modelos computacionais de inferência visto que o número de genes é da ordem de milhares enquanto o número de amostras é comumente de dezenas, o que ainda é um problema aberto. Uma abordagem para lidar com este desafio é integrar, nos modelos de inferência, informações biológicas como dados de ontologia, de interação de proteínas e características topológicas. Porém, este tipo de informação é heterogênea quanto ao tipo, a classe e ao formato. Nesta palestra serão apresentadas algumas soluções para o problema de integração de informações biológicas e características topológicas.

Resumo indisponível no momento.

Resumo indisponível no momento.

Por serem sésseis, as plantas não têm capacidade de escapar em busca de áreas com melhores condições para sua adaptação. Por este motivo, as plantas respondem ao ambiente através de diversos mecanismos que foram selecionados ao longo da evolução. Tais mecanismos são dependentes de respostas sistêmicas que abrangem desde a expressão dos genes até a resposta fisiológica. As respostas das plantas ao ambiente estão fortemente relacionadas à flexibilidade de seus programas genéticos, bem como à flexibilidade metabólica que seus tecidos apresentam ao nível celular. A forma com que estes padrões gênicos e metabólicos redundam em outras células, gerando reações orquestradas que refletem em um padrão de comportamento em diferentes níveis organizacionais (tecido, órgão e planta como um todo) também são de extrema importância para a resposta da planta ao ambiente. Este trabalho apresenta o desenvolvimento de uma abordagem computacional integrativa para dados de transcritoma, proteoma, metaboloma (e.g: glicoma) e fisiologia, todos relacionados ao processo de desenvolvimento do aerênquima em raízes de cana-de-açúcar. Entre as características da ferramenta está a sua, capacidade em processamento integrado de dados heterogêneos e para organismos não modelo, como a cana-de-açúcar.

Genomas bacterianos possuem uma estrutura simples, são compactos, onde aproximadamente 90% de seu conteúdo é informativo, representando as regiões codificantes. Tais genomas são compostos, frequentemente, por um único cromossomo circular, sendo que algumas bactérias podem contar com a presença de plasmídeos, elementos genéticos móveis extracromossomais, que podem conferir características especiais às bactérias. No entanto, são nos cromossomos que estão os genes essenciais à manutenção celular, sendo que ainda podem carregar outros DNAs integrados, adquiridos de outras fontes, elementos de transposição, entre outros. Tais elementos contribuem para a variabilidade na estrutura genômica. Essas regiões podem ser consideradas atípicas, uma vez que podem apresentar desvios na distribuição de oligonucleotídeos ao longo do genoma. Pois essa distribuição é relativamente estável e particular de cada organismo. Portanto, sabendo que essas regiões podem conter informações distintivas de cada bactéria, vários métodos vêm sendo desenvolvidos para identificá-las, uma vez que a identificação correta das regiões atípicas, vai depender das medidas adotadas e do critério discriminante. Por essa razão, diferentes métodos vêm sendo desenvolvidos na tentativa de melhorar as predições, e aqui nós apresentamos a máxima entropia como nova opção de análise. A máxima entropia é um método simples e rápido, que quando comparado com alguns métodos existentes conseguiu superá-los em termos de eficiência e em tempo de execução. Com essa nova metodologia desenvolvida, exploramos os genomas de duas bactérias de importância econômica para o Brasil, as quais são capazes de fixar nitrogênio, na busca por características exclusivas de cada uma. Obtivemos bons resultados, os quais poderão ser melhor estudados experimentalmente. Dessa forma, a máxima entropia pode agilizar as análises, direcionando o pesquisador para regiões com maior chance de encontrar características exclusivas de cada bactéria de interesse.

A inferência de redes de regulação gênica (GRN) a partir de dados de expressão gênica é um problema importante na área de Biologia Sistêmica. Essa importância se deve ao fato de que uma GRN pode ajudar a elucidar os mecanismos de regulação presentes em um organismo quando estudamos um determinado fenômeno biológico, como o ciclo celular, a apoptose, o desenvolvimento de tecidos, entre outros. Vários algoritmos de inferência e modelos matemáticos de GRN têm sido propostos nas últimas décadas. Nesta palestra, será apresentada uma metodologia baseada no formalismo Booleano e no problema de seleção de características. Serão apresentadas duas medidas utilizadas em algoritmos de inferênca: o coeficiente de determinação e a entropia de Tsallis. Comparamos o desempenho dessas medidas e, além disso, adicionamos conhecimento biológico sobre as interações gênicas, proveniente de um banco de dados público.