skip to main content
Idioma:
Tipo de recurso Mostra resultados com: Mostra resultados com: Índice

Cadeias estocásticas parcimoniosas com aplicações à classificação e filogenia das seqüências de proteínas.

Leonardi, Florencia Graciela

Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Bioinformática 2007-01-19

Acesso online. A biblioteca também possui exemplares impressos.

  • Título:
    Cadeias estocásticas parcimoniosas com aplicações à classificação e filogenia das seqüências de proteínas.
  • Autor: Leonardi, Florencia Graciela
  • Orientador: Armelin, Hugo Aguirre; Galves, Jefferson Antonio
  • Assuntos: Análise Filogenética De Proteínas; Cadeias Estocásticas Parcimoniosas; Classificação De Proteínas; Velocidade De Convergência De Algoritmos; Parsimonious Stochastic Chains; Phylogenetic Analysis Of Proteins; Protein Classification; Rate Of Convergence Of Algorithms
  • Notas: Tese (Doutorado)
  • Notas Locais: Programa Interunidades de Pós-graduação em Bioinformática
  • Descrição: Nesta tese apresentamos alguns resultados teóricos e práticos da modelagem de seqüências simbólicas com cadeias estocásticas parcimoniosas. As cadeias estocásticas parcimoniosas, que incluem as cadeias estocásticas de memória variável, constituem uma generalização das cadeias de Markov de alcance fixo. As seqüências simbólicas às quais foram aplicadas as ferramentas desenvolvidas são as cadeias de aminoácidos. Primeiramente, introduzimos um novo algoritmo, chamado de SPST, para selecionar o modelo de cadeia estocástica parcimoniosa mais ajustado a uma amostra de seqüências. Em seguida, utilizamos esse algoritmo para estudar dois importantes problemas da genômica; a saber, a classificação de proteínas em famílias e o estudo da evolução das seqüências biológicas. Finalmente, estudamos a velocidade de convergência de algoritmos relacionados com a estimação de uma subclasse das cadeias estocásticas parcimoniosas, as cadeias estocásticas de memória variável. Assim, generalizamos um resultado prévio de velocidade exponencial de convergência para o algoritmo PST, no caso de cadeias de memória ilimitada. Além disso, obtemos um resultado de velocidade de convergência para uma versão generalizada do Critério da Informação Bayesiana (BIC), também conhecido como Critério de Schwarz.
  • DOI: 10.11606/T.95.2007.tde-07032007-121126
  • Editor: Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Bioinformática
  • Data de criação/publicação: 2007-01-19
  • Formato: Adobe PDF
  • Idioma: Português
Links
Voltar para lista de resultados

  • Realização: ABCD-USP USP   Logos de Redes Sociais: Freepik

Buscando em bases de dados remotas. Favor aguardar.