Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/GRFO-7JLQW3
Type: Tese de Doutorado
Title: Codificação de Seqüências deAminoácidos e sua Aplicação naClassificação de Proteínas com RedesNeurais Artificiais
Authors: Thiago de Souza Rodrigues
First Advisor: Antonio de Padua Braga
First Co-advisor: Santuza Maria Ribeiro Teixeira
metadata.dc.contributor.advisor-co2: Sergio Costa Oliveira
First Referee: Ana Tereza Ribeiro Vasconcelos
Second Referee: Adrião Duarte Dória Neto
Third Referee: Walmir Matos Caminhas
metadata.dc.contributor.referee4: Jadson Claudio Belchior
Abstract: Este trabalho visa propor um sistema de codificação de proteínas de modoque seqüências contendo diferentes quantidades de aminoácidos possamser convertidas em vetores de mesma dimensão para serem classificadasfuncionalmente por Redes Neurais Artificiais.O método proposto utiliza janelas deslizantes de tamanhos previamente definidos,que percorrem a seqüência a ser codificada de modo a resultar em um vetor con-tendoinformações sobre a seqüência propriamente dita. O esquema de codifica-çãodeve resultar em vetores não ambíguos, deve considerar a similaridade entreos aminoácidos e deve considerar pequenas regiões de similaridade dando umarelevância proporcional ao tamanho da janela deslizante.Uma comparação entre o método proposto e o método utilizado na literaturaé realizada, onde sequências de aminoácidos correspondentes às proteínas de 10bactérias foram codificadas e utilizadas para treinamento de Redes Neurais Artifi-ciaisa fim de classificar essas seqüências de acordo com as classes funcionais dabase de dados do Cluster of Orthologous Groups (COG).A comparação mostra a superioridade do esquema de codificação proposto vistoque a informação armazenada nos vetores resultantes permitiu que as Redes Neu-raisArtificiais classificassem corretamente os dois conjuntos de sequências de ami-noácidosde acordo com as classes funcionais do COG de várias sequências que nãohaviam sido anteriormente classificadas. As Redes Neurais Artificiais treinadascom os vetores gerados pelo esquema E-SCSW tiveram taxa de acerto que varioude 90, 2% à 100% para as proteínas da Chromobacterium violaceum e de 62, 5% à 100%para as proteínas da Chlamydophila felis.Todas as proteínas, cujos vetores correspondentes foram classificados pelas Re-desNeurais Artificiais de forma diferente com a classificação encontrada nos ban-cosde dados, tiveram sua classificação verificada através do alinhamento realizado pelo CD-Search e a base de dados do COG. As Redes Neurais Artificiais treinadascom os vetores gerados pelo esquema E-SCSW foram capazes de reclassificar cor-retamente184 proteínas da Chromobacterium violaceum e 94 proteínas da Chlamy-dophilafelis as quais haviam sido classificadas de maneira inconsistente nos bancode dados públicos.Este trabalho tem como principal contribuição um novo método de codificaçãode sequências de aminoácidos onde Redes Neurais Artificiais possam utilizar os ve-toresresultantes como conjunto de entrada. A verificação dos resultados mostrouque os bancos de dados públicos possuem algumas inconsistências e que as pro-teínasdepositadas necessitam ser verificadas com uma certa freqüência. O métodode codificação aqui proposto poderia portanto ser utilizado como um complementoaos métodos tradicionais de classificação de proteínas que utilizam como base oalinhamento par-a-par.
Abstract: This work aims to develop a protein coding system in which sequences withdifferent numbers of amino acids can be converted in vectors with the samedimension to be functionally classified by Artificial Neural Networks.The proposed scheme uses sliding windows with previous defined length. Thesliding windows run over the sequence, and results in a vector containing informa-tionabout the sequence. The coding method must result in unambiguous vectors,must consider the similarity between amino acids and must consider small regionswith similarity in which the sliding windows must have a relevancy proporcional totheir length.In this word we presented a study of similarity and dissimilarity measure bet-weenamino acid sequences, where the pair-to-pair alignment is the metric morefrequently used. Some problems using the pair-to-pair alignment to measure dis-similarityis shown , where other metrics became more effective. In other to usethese metrics it is necessary a coding scheme called Sequence Coding by SlidingWindow, which generates vectors with the same dimension. This coding schemewas used to classify amino acid sequences using Artificial Neural Networks.We present a comparison between both coding schemes, in which amino acidssequences from proteins of 10 bacteria were coded and used to train Artificial NeuralNetworks to classify these sequences according to the Cluster of Orthologous Groups(COG). Two groups of sequences derived from proteins of Chromobacterium vio-laceumand Chlamydophila felis were selected in other to test our method.The comparison shows the superiority of the proposed coding scheme in whichthe information stored in the resulting vectors allows the Artificial Neural Networksto classify the two sets of proteins according the COG functional classes.All sequences that were classified in a different way by the Artificial NeuralNetworks, had its classification verified by CD-Search alignment against the COGdata base. The results showed that some sequences are classified incoherentlyin the public data bases. The Artificial Neural Networks trained with the vectorsgenerated by the E-SCSW scheme were able to classify correctly 184 sequencesderived from Chromobacterium violaceum and 94 from Chlamydophila felis.This work has the main contribution of developing a new protein coding methodin which Artificial Neural Networks are used. The verification of the results showedthat the public repositories contain some inconsistencies and that the amino acidsequences deposited should be verified in a frequent basis. The proposed codifica-tionmethod can thus be used as a complement to the traditional protein classifi-cationmethods which are based in a par-to-par alignment.
Subject: Sequencia de aminoacidos
Redes neurais (Neurobiologia)
Bioinformática
language: Português
Publisher: Universidade Federal de Minas Gerais
Publisher Initials: UFMG
Rights: Acesso Aberto
URI: http://hdl.handle.net/1843/GRFO-7JLQW3
Issue Date: 9-May-2007
Appears in Collections:Teses de Doutorado

Files in This Item:
File Description SizeFormat 
thiago_de_souza_rodrigues.pdf1.33 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.