dc.creator.ID |
ARRUDA, M. M. |
pt_BR |
dc.creator.ID |
ARRUDA, MILENA M. |
pt_BR |
dc.creator.Lattes |
http://lattes.cnpq.br/3299838657781132 |
pt_BR |
dc.contributor.advisor1 |
ASSIS, Francisco Marcos de. |
|
dc.contributor.advisor1ID |
ASSIS, F. M. |
pt_BR |
dc.contributor.advisor1ID |
F. M. de Assis. |
pt_BR |
dc.contributor.advisor1ID |
DE ASSIS, FRANCISCO M. |
pt_BR |
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/2368523362272656 |
pt_BR |
dc.contributor.referee1 |
SOUZA, Benemar Alencar de. |
|
dc.contributor.referee1ID |
SOUZA, B. A. |
pt_BR |
dc.contributor.referee1ID |
DE SOUZA, BENEMAR ALENCAR. |
pt_BR |
dc.contributor.referee1ID |
DE SOUZA, B. A. |
pt_BR |
dc.contributor.referee1Lattes |
http://lattes.cnpq.br/4987294390789975 |
pt_BR |
dc.contributor.referee2 |
PEREIRA, Helder Alves. |
|
dc.contributor.referee2ID |
PEREIRA, H. A |
pt_BR |
dc.contributor.referee2ID |
PEREIRA, HELDER. |
pt_BR |
dc.contributor.referee2Lattes |
http://lattes.cnpq.br/7393937425520096 |
pt_BR |
dc.contributor.referee3 |
SILVA, Danilo. |
|
dc.contributor.referee3ID |
SILVA, D. |
pt_BR |
dc.contributor.referee3Lattes |
http://lattes.cnpq.br/1809239078505173 |
pt_BR |
dc.contributor.referee4 |
LA GUARDIA, Giuliano Gadioli. |
|
dc.contributor.referee4ID |
LA GUARDIA, G. G. |
pt_BR |
dc.contributor.referee4ID |
LA GUARDIA, GIULIANO G. |
pt_BR |
dc.contributor.referee4Lattes |
http://lattes.cnpq.br/1417494604246941 |
pt_BR |
dc.contributor.referee5 |
CAVALCANTE, Charles Casimiro. |
|
dc.contributor.referee5ID |
CAVALCANTE, C. C. |
pt_BR |
dc.contributor.referee5ID |
CAVALCANTE, CHARLES C. |
pt_BR |
dc.contributor.referee5Lattes |
http://lattes.cnpq.br/4751699166195344 |
pt_BR |
dc.description.resumo |
O crescimento dos bancos de dados biológicos e a necessidade de compreender como os
muitos componentes presentes em uma célula viva estão interagindo e trabalhando juntos
para execução de funções celulares são razões que justificam a aplicação interdisciplinar
de teorias matemáticas, estatísticas e computacionais para análise e processamento da
informação genômica. A informação genética de um organismo está codificada em
moléculas de ácido desoxirribonucleico (DNA, do inglês: deoxyribonucleic acid) por meio
de unidades denominadas bases. A análise e o processamento de sequências de DNA para
obtenção de conhecimento biológico constituem o domínio deste documento de tese. A
pesquisa desenvolvida visa integrar a teoria e os métodos de processamento de sinais e a
teoria da informação para extração de informações genômicas. Um dos principais desafios
é, portanto, definir uma regra de mapeamento para representação de sequências de DNA
que estão, inicialmente, em um domínio simbólico, e levá-las para um domínio numérico.
O primeiro resultado apresentado nesta tese considera um mapeamento unidimensional
bijetivo para elementos de um corpo finito com o objetivo de analisar a hipótese de que
o DNA está atuando como um código linear na transmissão da informação armazenada.
Dessa maneira, existiria um código de correção de erros subjacente às sequências de
DNA. Nesse contexto, é proposto um novo algoritmo para buscar códigos BCH cujas
palavras - código estão a uma distância de Hamming no máximo unitária do vetor numérico
resultante do mapeamento de uma dada sequência de DNA. Além disso, é demonstrado
que as sequências de DNA estão distribuídas de maneira aproximadamente uniforme,
sob a métrica de Hamming, em um espaço vetorial de dimensão n. Sendo assim, os
polinômios geradores dos códigos que identificam coleções de sequências taxonomicamente
próximas não fornecem informações biológicas suficientes para agrupar e classificar tais
coleções. O segundo resultado apresentado foi alcançado com base na hipótese de que ao
considerar um mapeamento fixo para todas as sequências de DNA não é possível garantir
que as características intrínsecas de cada sequência estarão sendo devidamente extraídas.
Portanto, são propostos dois novos algoritmos: SNR - SE e TBP - SE, ambos baseados na
teoria de envoltória espectral para o cálculo desses mapeamentos. A aplicabilidade desses
métodos no contexto da análise espectral para discriminação de sequências codificantes
e não codificantes de proteínas é analisada e comparada com outros mapeamentos já
consolidados na literatura. Nesse cenário, o algoritmo proposto, TBP-SE, teve a maior
acurácia e sensibilidade entre todos avaliados. Destacando-se assim, uma vez que, nesta
aplicação a sensibilidade é especialmente importante, pois, assim, a probabilidade de
ter uma sequência de codificação que não será identificada é baixa. Além disso, o
TBP - SE demonstrou bom desempenho até mesmo para detectar regiões com sequências
de codificação mais curtas. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
Centro de Engenharia Elétrica e Informática - CEEI |
pt_BR |
dc.publisher.program |
PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA |
pt_BR |
dc.publisher.initials |
UFCG |
pt_BR |
dc.subject.cnpq |
Engenharia Elétrica |
pt_BR |
dc.title |
Contribuições no contexto da teoria da Informação para o processamento de sinal genômico. |
pt_BR |
dc.date.issued |
2022-10-07 |
|
dc.description.abstract |
The growth of biological databases and the need to understand how the many
components present in a living cell are interacting and working together to perform cellular
functions are reasons that justify the interdisciplinary application of mathematical,
statistical and computational theories for the analysis and processing of genomic
information. The genetic information of an organism is encoded in deoxyribonucleic
acid molecules (DNA) by means of units called bases. The analysis and processing of
DNA sequences to obtain biological knowledge constitute the domain of this document.
The research developed aims to integrate the theory and methods of signal processing
and information theory to extract genomic information. One of the main challenges
is, therefore, to define a mapping rule to represent DNA sequences that are initially
in a symbolic domain, taking them to a numerical domain. The first result considers a
bijective unidimensional mapping for elements of a finite field with the aim of analyzing the
hypothesis that DNA is acting as a linear code in the transmission of stored information.
Hence, there will be an error-correcting code underlying the DNA sequences. In this
context, a new algorithm is proposed to search for BCH codes whose codewords are
at a Hamming distance at most unity from the numerical vector resulting from the
mapping of a given DNA sequence. Furthermore, it is shown that the DNA sequences
are approximately uniformly distributed, under the Hamming metric, in a vector space
of dimension n. Therefore, the genrator polynomial of the codes that identify collections
of taxonomically close sequences do not provide enough biological information to group
and classify them. The second result based on the hypothesis that when considering a
fixed mapping for all DNA sequences, it is not possible to guarantee that the intrinsic
characteristics of each sequence will be properly extracted. Therefore, two new algorithms
are proposed: SNR-SE and TBP-SE, both based on the spectral envelope theory to
calculate these mappings. The applicability of these methods in the context of spectral
analysis to discriminate coding and non-coding sequences of proteins is analyzed and
compared with other mappings already consolidated in the literature. In this scenario,
the proposed algorithm, TBP-SE, had the highest accuracy and sensitivity among all
evaluated. This stands out, since, in this application, sensitivity is especially important,
as the probability of having a coding sequence that will not be identified is low. In
addition, TBP-SE demonstrated good assertiveness even to detect regions with shorter
coding sequences. |
pt_BR |
dc.identifier.uri |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/28317 |
|
dc.date.accessioned |
2022-12-13T17:44:04Z |
|
dc.date.available |
2022-12-13 |
|
dc.date.available |
2022-12-13T17:44:04Z |
|
dc.type |
Tese |
pt_BR |
dc.subject |
Eletrônica e telecomunicações |
pt_BR |
dc.subject |
Códigos BCH |
pt_BR |
dc.subject |
Códigos corretores de erros |
pt_BR |
dc.subject |
Processamento de sinal genômico |
pt_BR |
dc.subject |
Sequências de DNA |
pt_BR |
dc.subject |
Teoria da informação e codificação |
pt_BR |
dc.subject |
Sequências de codificação |
pt_BR |
dc.subject |
Processamento da informação |
pt_BR |
dc.subject |
Electronics and telecommunications |
pt_BR |
dc.subject |
Error correcting codes |
pt_BR |
dc.subject |
DNA sequences |
pt_BR |
dc.subject |
Coding sequences |
pt_BR |
dc.subject |
BCH codes |
pt_BR |
dc.subject |
Genomic signal processing |
pt_BR |
dc.subject |
Information theory and coding |
pt_BR |
dc.subject |
Information processing |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.creator |
ARRUDA, Milena Marinho. |
|
dc.publisher |
Universidade Federal de Campina Grande |
pt_BR |
dc.language |
por |
pt_BR |
dc.title.alternative |
Contributions in the context of Information theory for processing of genomic signal. |
pt_BR |
dc.title.alternative |
Contribuciones en el contexto de la teoría de la información al procesamiento de señales genómicas. |
|
dc.identifier.citation |
ARRUDA, Milena Marinho. Contribuições no contexto da teoria da Informação para o processamento
de sinal genômico. 2022. 137 fl. Tese (Doutorado em Engenharia Elétrica), Programa de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande - Paraíba - Brasil, 2022. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/28317 |
pt_BR |
dc.description.resumen |
El crecimiento de las bases de datos biológicas y la necesidad de entender cómo
muchos componentes presentes en una célula viva están interactuando y trabajando juntos
para realizar funciones celulares son razones que justifican la aplicación interdisciplinaria
teorías matemáticas, estadísticas y computacionales para el análisis y procesamiento de
información genómica. La información genética de un organismo está codificada en
moléculas de ácido desoxirribonucleico (ADN) a través de
unidades llamadas bases. El análisis y procesamiento de secuencias de ADN para
la obtención de conocimientos biológicos constituyen el dominio de este documento de tesis. A
investigación desarrollada tiene como objetivo integrar la teoría y los métodos de procesamiento de señales y la
teoría de la información para la extracción de información genómica. Uno de los principales retos
es por lo tanto definir una regla de mapeo para representar secuencias de ADN
que están, inicialmente, en un dominio simbólico, y llevarlos a un dominio numérico.
El primer resultado presentado en esta tesis considera un mapeo unidimensional
biyectiva para elementos de un campo finito con el fin de analizar la hipótesis de que
El ADN actúa como un código lineal en la transmisión de información almacenada.
De esta forma, existiría un código de corrección de errores subyacente a las secuencias de
ADN. En este contexto, se propone un nuevo algoritmo para buscar códigos BCH cuyas
las palabras clave están a una distancia máxima de Hamming unitaria del vector numérico
resultado del mapeo de una secuencia de ADN dada. Además, se demuestra
que las secuencias de ADN están distribuidas de manera aproximadamente uniforme,
bajo la métrica de Hamming, en un espacio vectorial de dimensión n. Por lo tanto, la
polinomios que generan los códigos que identifican taxonómicamente colecciones de secuencias
proximidad no proporcionan suficiente información biológica para agrupar y clasificar tales
colecciones Al segundo resultado presentado se llegó con base en la hipótesis de que cuando
considere un mapeo fijo para todas las secuencias de ADN El ADN no puede garantizar
que se están extrayendo debidamente las características intrínsecas de cada secuencia.
Por lo tanto, se proponen dos nuevos algoritmos: SNR-SE y TBP-SE, ambos basados en la
teoría de la envolvente espectral para calcular estos mapeos. La aplicabilidad de estos
métodos en el contexto del análisis espectral para la discriminación de secuencias de codificación
y las proteínas no codificantes se analizan y comparan con otros mapeos ya
consolidado en la literatura. En este escenario, el algoritmo propuesto, TBP-SE, tuvo la mayor
precisión y sensibilidad entre todos los evaluados. Esto se destaca, ya que, en este
la sensibilidad de la aplicación es especialmente importante, ya que por lo tanto la probabilidad de
tener una secuencia de codificación que no se identificará es bajo. además, el
TBP-SE mostró un buen rendimiento incluso para detectar regiones con secuencias
codificaciones más cortas. |
|