Autor |
Reis, Adriana Neves dos; |
Lattes do autor |
http://lattes.cnpq.br/7355456363980552; |
Orientador |
Lemke, Ney; |
Instituição |
Universidade do Vale do Rio do Sinos; |
Sigla da instituição |
UNISINOS; |
País da instituição |
Brasil; |
Instituto/Departamento |
Escola Politécnica; |
Idioma |
pt_BR; |
Título |
Reconhecimento e predição de promotores procarióticos:
investigação de uma metodologia in silico baseada em HMMs; |
Resumo |
A expressão dos genes em procariotos é desencadeada quando a enzima RNApolimerase interage com uma região adjacente ao gene, chamada de promotor, onde se encontram os principais elementos regulatórios do processo de transcrição. Apesar do crescente avanço das técnicas experimentais em biologia molecular, caracterizar e identificar um número significante de promotores, presentes em um dado genoma, continua sendo uma tarefa demorada e cara. Abordagens in silico são bastante utilizadas para reconhecer essas regiões em procariotos. Entretanto, além do alto número de falsos positivos obtidos, elas enfrentam a inexistência de um número adequado de promotores conhecidos para identificar padrões conservados entre as espécies. Logo, um método criterioso e confiável para predizêlos em qualquer organismo procariótico ainda é um desafio. Esta dissertação propõe um protocolo de uso de hidden Markov models (HMMs) que emprega Estimação de Limiar de Decisão (ELD) e Análise de Discriminação (AD) neste problema. Quatro espécie; |
Abstract |
Gene expression on prokaryotes initiates when the RNA-polymerase enzyme interacts with DNA regions called promoters. In these regions are located the main regulatory elements of the transcription process. Despite the improvement of in vitro techniques for molecular biology analysis, characterizing and identifying a great number of promoters on a genome is a complex task. In silico approaches are usually employed to recognize theses regions on prokaryotes. Nevertheless, the main drawback is the absence of a large set of promoters to identify conserved patterns among the species. Hence, a in silico method to predict them on any species is a challenge. This work proposes a protocol to use hidden Markov models (HMMs) methodology with Decision Threshold Estimation and Discrimination Analysis on this problem. Four prokaryotic species are investigated (Escherichia coli, Bacillus subtilis, Helicobacter pylori e Helicobacter hepaticus). The influence of different aspects in the recognition and prediction are examined:; |
Palavras-chave |
procariotos; reconhecimento de padrões; HMMs; promotores; HMMs; pattern recognition; prokaryotes; promoters; |
Área(s) do conhecimento |
Ciências Exatas e da Terra; |
Tipo |
Dissertação; |
Data de defesa |
2005-03-03; |
Agência de fomento |
Universidade do Vale do Rio dos Sinos; |
Direitos de acesso |
openAccess; |
URI |
http://www.repositorio.jesuita.org.br/handle/UNISINOS/2210; |
Programa |
Programa de Pós-Graduação em Computação Aplicada; |