Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/37933
Registro completo de metadados
Campo DCValorIdioma
dc.creatorChiquitto, Alisson Gaspar-
dc.date.accessioned2025-08-19T22:33:51Z-
dc.date.available2025-08-19T22:33:51Z-
dc.date.issued2025-04-28-
dc.identifier.citationCHIQUITTO, Alisson Gaspar. Aprimorando a classificação de mirtrons com aumento de dados e modelos transformers. 2025. Tese (Doutorado em Programa de Pós-Graduação Associado em Bioinformática (Ufpr/Utfpr)) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2025.pt_BR
dc.identifier.urihttp://repositorio.utfpr.edu.br/jspui/handle/1/37933-
dc.description.abstractAmong the classes of non-coding RNA (ncRNA) sequences, microRNAs and mirtrons are the most extensively studied in the literature, primarily due to their importance in understanding the regulatory mechanisms of these small ncRNAs. From a computational perspective, particularly regarding mirtron classification, a key challenge is the data imbalance problem, which can hinder the generalization ability of machine learning models and contribute, for instance, to model overfitting. This issue compromises the accuracy and reliability of analyses, hindering progress in the identification and characterization of these ncRNA classes. To mitigate the challenges of data imbalance in small sample datasets, this study explores two main strategies. The first involves the development of GENNUS: GENerative Approaches for NUcleotide Sequences, a framework of generative techniques aimed at synthesizing mirtron data. GENNUS comprises two approaches based on Generative Adversarial Networks (GAN) and three approaches based on the Synthetic Minority Over-sampling Technique (SMOTE). The results demonstrate that these approaches are capable of generating synthetic data while preserving the intrinsic patterns and inherent diversity of real mirtron sequences. Moreover, the use of synthetic data eliminates the need for extensive feature engineering, making the modeling process more efficient and accessible. The second strategy explores deep learning techniques, specifically Transformer-based architectures, for the classification of mirtrons and canonical miRNAs. These models leverage the Transformer’s ability to capture long-range dependencies and complex relationships within nucleotide sequences. The results indicate that Transformer-based classifiers outperform stateof-the-art methods, yielding substantial improvements in both generalization and classification accuracy. This approach highlights the potential of deep learning models to enhance ncRNA analysis, paving the way for significant advancements in the field of bioinformatics. This work emphasizes the transformative impact of synthetic data generation and the use of advanced deep learning architectures in addressing the limitations imposed by data imbalance in genomics. The proposed methodologies offer more effective and scalable solutions for ncRNA classification, contributing to a deeper understanding of genetic regulation and enabling new discoveries in computational molecular biology. Additionally, this work also presents contributions in the classification of long non-coding RNAs (lncRNA), further expanding and demonstrating the applicability of machine learning techniques across different contexts of genomic analysis.pt_BR
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Tecnológica Federal do Paranápt_BR
dc.rightsopenAccesspt_BR
dc.subjectBioinformáticapt_BR
dc.subjectRedes neurais (Computação)pt_BR
dc.subjectAlgorítmos genéticospt_BR
dc.subjectBioinformaticspt_BR
dc.subjectNeural networks (Computer science)pt_BR
dc.subjectGenetic algorithmspt_BR
dc.titleAprimorando a classificação de mirtrons com aumento de dados e modelos transformerspt_BR
dc.title.alternativeImproving mirtron classification with data augmentation and transformer modelspt_BR
dc.typedoctoralThesispt_BR
dc.description.resumoDentre as classes de sequências de RNA não-codificante (ncRNA), os microRNAs e mirtrons são as mais estudados na literatura, principalmente pela importância na compreensão dos mecanismos de regulação genética desses pequenos ncRNAs. Do ponto de vista computacional, no que se trata sobre a classificação, em particular de mirtrons, tem-se o problema do desbalanceamento de dados, que pode comprometer a capacidade de generalização dos modelos de aprendizagem de máquina, contribuindo, por exemplo, para o superajuste dos modelos (overfitting). Esse problema compromete a precisão e a confiabilidade das análises, dificultando avanços na identificação e caracterização dessas classes de ncRNAs. Como forma de mitigar os problemas de desbalanceamento em amostras pequenas de dados, este estudo explora duas estratégias principais. A primeira consiste no desenvolvimento do GENNUS: GENerative Approaches for NUcleotide Sequences, um conjunto de abordagens generativas voltadas para a síntese de dados de mirtrons. O GENNUS é composto por duas abordagens baseadas em Redes Adversárias Generativas (Generative Adversarial Networks - GAN) e três abordagens baseadas na Synthetic Minority Over-sampling Technique (SMOTE). Os resultados demonstram que essas abordagens são capazes de gerar dados sintéticos, reservando padrões intrínsecos e a diversidade inerente das sequências reais de mirtrons, sem a ecessidade de engenharia de atributos, tornando o processo de modelagem mais eficiente e acessível. A segunda estratégia explora técnicas de aprendizagem profunda, em específico as arquiteturas baseadas em Transformer, para a classificação de mirtrons e miRNAs canônicos. Esses modelos aproveitam a capacidade do Transformer de capturar dependências de longo alcance e relações complexas dentro das sequências de nucleotídeos. Os resultados indicam que os classificadores baseados em Transformer superam métodos estado da arte, proporcionando melhorias substanciais na generalização e na precisão da classificação. Essa abordagem demonstra o potencial dos modelos de aprendizagem profunda para aprimorar a análise de ncRNA, abrindo caminho para avanços significativos no campo da bioinformática. Este trabalho destaca o impacto transformador da geração de dados sintéticos e da utilização de arquiteturas avançadas de aprendizado profundo, na mitigação das limitações impostas pelo desbalanceamento de dados na genômica. As metodologias propostas oferecem soluções mais eficazes e escaláveis para a classificação de ncRNA, contribuindo para uma compreensão mais aprofundada da regulação genética e viabilizando novas descobertas no campo da biologia molecular computacional. Adicionalmente, este trabalho também apresenta contribuições na área de classificação de RNAs longos não-codificantes (lncRNA), expandindo e demonstrando a aplicabilidade de técnicas de aprendizado de máquina, em diferentes contextos de análise genômica.pt_BR
dc.degree.localCornélio Procópiopt_BR
dc.publisher.localCornelio Procopiopt_BR
dc.creator.IDhttps://orcid.org/0000-0002-8534-0674pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/6062023075074006pt_BR
dc.contributor.advisor1Paschoal, Alexandre Rossi-
dc.contributor.advisor1IDhttps://orcid.org/0000-0002-8887-0582pt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5834088144837137pt_BR
dc.contributor.advisor-co1Raittz, Roberto Tadeu-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/9568041005753425pt_BR
dc.contributor.referee1Paschoal, Alexandre Rossi-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/5834088144837137pt_BR
dc.contributor.referee2Guizelini, Dieval-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/1281246225342109pt_BR
dc.contributor.referee3Domingues, Douglas Silva-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/7905667701769534pt_BR
dc.contributor.referee4Lopes, Fabricio Martins-
dc.contributor.referee4Latteshttp://lattes.cnpq.br/1660070580824436pt_BR
dc.contributor.referee5Lopes, Flavia Lombardi-
dc.contributor.referee5Latteshttp://lattes.cnpq.br/2957834927297648pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.programPrograma de Pós-Graduação Associado em Bioinformática (Ufpr/Utfpr)pt_BR
dc.publisher.initialsUTFPRpt_BR
dc.subject.cnpqCNPQ::CIENCIAS SOCIAIS APLICADASpt_BR
dc.subject.capesCiência da Computaçãopt_BR
Aparece nas coleções:CP - Programa de Pós-Graduação em Bioinformática

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
classificacaomirtronsmodelostransformer.pdf13,45 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.