Redes neurais recorrentes para inferência de redes de interação gênica utilizando cadeias de Markov

Microarranjos têm sido fortemente usados para monitorar, somultaneamente, o padrão de expressão de milhares de genes. Assim, uma grande quantidade de dados tem sido gerada e o desafio atual é descobrir como extrair informações úteis destes conjuntos de dados. Dados de Microarranjos são fortemente especializados, envolvendo diversas variáveis de forma não linear e temporal, necessitando de modelos recorrentes não lineares, os quais são complexos para formular e analisar. Este trabalho propõe a utilização de Redes Nunes Recorrentes (RNR) como modelo para os dados devido às suas habilidades de aprendizado de sistemas nâo-lineares e complexos. Uma vez obtido um modelo para os dados utilizando uma RNR, é possível extrair regras que representam as características aprendidas. Analisando as regras em conjunto com a base de dados, propõe-se a representação do conhecimento utilizando Cadeias de Markov. Tais Cadeias são facilmente visualizadas, na forma de grafos de estados, apresentando as interações entre os níveis de