Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/36583| Título: | Um classificador para identificação de mirtrons |
| Autor(es): | Cruz, Thaysla Fernanda Gomes da |
| Orientador(es): | Paschoal, Alexandre Rossi |
| Palavras-chave: | Aprendizado do computador Bioinformática Biologia molecular Machine learning Bioinformatics Molecular biology |
| Data do documento: | 11-Mai-2021 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Cornelio Procopio |
| Citação: | CRUZ, Thaysla Fernanda Gomes da. Um classificador para identificação de mirtrons. 2021. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Computação) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2021. |
| Resumo: | Os miRNAs são pequenos RNAs não-codificantes (do inglês "non-coding RNAs") que possuem um papel fundamental na regulação dos genes, o qual diversos processos biológicos nas células animais/vegetais estão sob seu controle. Para que o miRNA se torne maduro e apto a desempenhar seu papel regulatório, sua biogênese canônica é constituída de duas clivagens. Alguns estudos em organismos modelos identificaram uma subclasse de miRNAs, denominada Mirtrons, originadas de uma biogênese de via não canônica que elimina a clivagem de Drosha. Os Mirtrons também participam de diversos processos regulatórios e são potenciais silenciadores de doenças. Apesar das semelhanças entre mirtrons e miRNAs canônicos, uma comparação entre suas diferenças estruturais permitem a compreensão quanto a forma como os processos biológicos são regulados. Além disso, devido às diferenças entre essas classes, preditores de miRNAS não são hábeis a realizar a predição de Mirtrons. Nesse projeto foi realizada uma coleta de dados de mirtrons e microRNAs, bem como a extração de características identificadas pelo estado da arte como distintas entre as classes, a redução de um grande número de características pelo método SFS e por fim o treinamento de um classificador de aprendizado supervisionado denominado Random Forest que realiza a distinção das classes de forma automatizada. |
| Abstract: | MicroRNAs is one of the most explored classes of ncRNA as it acts in the cellular control of several biological processes. In order to become mature and qualified to execute their function, the miRNA perform two cleavages in their canonical biogenesis. Some studies in model orga- nisms identified a miRNA subclass, called Mirtrons, originated from a non-canonical biogenesis pathway that omits Drosha cleavage. Thus, the identification of the differences between these two classes is important not only for mirtron prediction algorithms design but to improve the understanding of mirtron functioning too. In this project we developed a computational model dedicated to mirtron prediction and distinction of canonical miRNAs through the extrac- tion and exploration of features identified by the state of art as distinct between these two classes. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/36583 |
| Aparece nas coleções: | CP - Engenharia da Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| classificadoridentificacaomirtrons.pdf | 2,58 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
