Aprendendo Histórias: Aprendizado Computacional para Classificar Hiper-histórias Metabólicas

Aluna: Larissa de Oliveira Penteado

Orientador: Prof. Dr. Roberto Marcondes Cesar Jr

Coorientador: Ricardo Luiz de Andrade Abrantes

Resumo:

Com os avanços tecnológicos das últimas décadas e a maior disponibilidade de dados de genômica, proteômica e metabolômica dos organismos, fez-se possível um estudo mais aprofundado sobre as vias de reações presentes nos mesmos. Redes metabólicas são o conjunto de reações que ocorrem no organismo, já o perfil metabolômico apresenta a variação dos metabólitos entre dois estados (antes e depois de algum evento). A partir destas redes e perfis é possível obter hiper-histórias metabólicas que são um conjunto de reações que explicam o fluxo de metabólitos entre os estados. Quando aplicado à rede da levedura, o método adotado na pesquisa deste TCC devolve um número grande (aproximadamente 10^5 soluções) de hiper-histórias, o que torna difícil extrair informações manualmente destes dados. Torna-se interessante, deste modo, a aplicação de técnicas de aprendizagem de máquina que ajudem a agrupar estas soluções para que seja possível melhor analisá-las e compreendê-las. O estudo e aplicação de algoritmos de classificação (de clustering) para esta tarefa são os objetivos principais deste trabalho.
Palavras-chave: Clustering, Aprendizado de Máquina, Redes metabólicas, Perfil metabolômico, Hiper-histórias Metabólicas.