Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/36583
Registro completo de metadados
Campo DCValorIdioma
dc.creatorCruz, Thaysla Fernanda Gomes da-
dc.date.accessioned2025-04-16T21:54:13Z-
dc.date.available2025-04-16T21:54:13Z-
dc.date.issued2021-05-11-
dc.identifier.citationCRUZ, 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.pt_BR
dc.identifier.urihttp://repositorio.utfpr.edu.br/jspui/handle/1/36583-
dc.description.abstractMicroRNAs 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.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Tecnológica Federal do Paranápt_BR
dc.rightsopenAccesspt_BR
dc.rightsAttribution-NonCommercial 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0/*
dc.subjectAprendizado do computadorpt_BR
dc.subjectBioinformáticapt_BR
dc.subjectBiologia molecularpt_BR
dc.subjectMachine learningpt_BR
dc.subjectBioinformaticspt_BR
dc.subjectMolecular biologypt_BR
dc.titleUm classificador para identificação de mirtronspt_BR
dc.typebachelorThesispt_BR
dc.description.resumoOs 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.pt_BR
dc.degree.localCornélio Procópiopt_BR
dc.publisher.localCornelio Procopiopt_BR
dc.contributor.advisor1Paschoal, Alexandre Rossi-
dc.contributor.referee1Paschoal, Alexandre Rossi-
dc.contributor.referee2Kashiwabara, André Yoshiaki-
dc.contributor.referee3Vicente, Fábio Fernandes da Rocha-
dc.publisher.countryBrasilpt_BR
dc.publisher.programEngenharia da Computaçãopt_BR
dc.publisher.initialsUTFPRpt_BR
dc.subject.cnpqCNPQ::ENGENHARIASpt_BR
Aparece nas coleções:CP - Engenharia da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
classificadoridentificacaomirtrons.pdf2,58 MBAdobe PDFThumbnail
Visualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons