Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/36327
Document type: Trabalho de Conclusão de Curso
Access type: Acesso Aberto
Title: Classificação de proteínas expostas na superficie com Random Forest
Author: Moreira, Amanda Silva
First Advisor: Santos, Anderson Rodrigues dos
First member of the Committee: Soares, Alexsandro Santos
Second member of the Committee: Gabriel, Paulo Henrique Ribeiro
Summary: Uma das principais causas de doenças e mortes no mundo são infecções bacterianas. A título de exemplo, podemos citar a tuberculose, causada pela bactéria Mycobacterium tuberculosis, que ainda mata um milhão e meio de pessoas no mundo, por ano, de acordo com dados recentes da Organização Mundial da Saúde. A vacinação é a melhor estratégia no combate à estas infecções. Entretanto, o desenvolvimento de vacinas para patógenos tem obstáculos, como por exemplo, identificar as proteínas alvo. Somente para Mycobacterium tuberculosis há mais de quatro mil proteínas candidatas a alvos para construção de uma vacina. Uma alternativa é o uso de informações genômicas na busca de proteínas que são boas candidatas. O objetivo deste estudo é testar algoritmos populares em Aprendizado de Máquina , implementados no software WEKA, para classificar proteínas expostas na superfície, a partir do padrão hidrofóbico presente na sequência de aminoácidos de 40 genomas, causadores de doenças graves em humanos. As florestas aleatórias tiveram 72,83% de acurácia, tendo tão bons resultados quanto os algoritmos Support Vector Machine e Multilayer Perceptron que alcançaram 70 e 65% de acurácia, respectivamente. Os resultados mostram o bom desempenho dos algoritmos usados para classificar as proteínas expostas na superfície, principalmente considerando a dificuldade em identificá-las.
Abstract: One of the leading causes of disease and death worldwide is bacterial infections. For example, we can mention tuberculosis, caused by the bacterium Mycobacterium tuberculosis, which still kills one and a half million people worldwide yearly, according to recent data from the World Health Organization. Vaccination is the best strategy to combat these infections. However, developing vaccines for pathogens have obstacles, such as identifying target proteins. For Mycobacterium tuberculosis alone, there are more than 4,000 proteins that are candidates for targets for building a vaccine. An alternative is the use of genomic information in the search for proteins that are good candidates. This work aimed to test popular Machine Learning algorithms, implemented in WEKA software, to classify surface exposed proteins, using the hydrophobic pattern in the amino acid sequence of 40 genomes causing severe human diseases. The random forests had a 72.83% accuracy, performing as well as the Support Vector Machine and Multilayer Perceptron algorithms, reaching of 70 and 65% accuracy, respectively. The results show the satisfactory performance of the algorithms used to classify proteins exposed on the surface, especially considering the difficulty in identifying them.
Keywords: Aprendizado de máquina
Random Forest
Proteínas bacterianas expostas
PSE
WEKA
Vacinas
Area (s) of CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Quote: MOREIRA, Amanda Silva. Classificação de proteínas expostas na superfície com Random Forest. 2022. 53 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, Uberlândia, 2022.
URI: https://repositorio.ufu.br/handle/123456789/36327
Date of defense: 19-Aug-2022
Appears in Collections:TCC - Ciência da Computação

Files in This Item:
File Description SizeFormat 
ClassificaçãoProteínasExpostas.pdf1.25 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons