Validação e Séries Temporais
|
|
- Cláudio Bicalho
- 5 Há anos
- Visualizações:
Transcrição
1 Validação e Séries Temporais Ivan G. Costa Filho igcf@cin.ufpe.br Centro de Informática Universidade Federal de Pernambuco
2 Tópicos I Como realizar validação biológica? Agrupamento de Genes/Expressão Diferencial Ontologias e Bancos de Dados Análise de enriquecimento Gene Sets
3 Problema de Agrupamento Genes genes condições metodo de clustering Grupo 1 Grupo 2 Grupo 3 YIR017C YJL118W YER019W YDR113C YJR043C YPL016W YBR156C YKR010C YPR141C... YDL093W YER016W YNL126W YKL053W YJL099W YDL198C YCR085W YBR043C YDR325W... Validação Grupo
4 O que fazer com listas de genes? Métodos de agrupamento ou expressão diferencial retornam listas de genes. Qual sentido biológico dessas listas? Solução 1: checar a literatura biológica de cada gene 1 por 1. Solução 2: Usar bancos de dados biológicos com anotação funcional
5 Bancos de dados Biológicos Gene Ontology 3 ontologias descrevendo função, processos e localização de genes KEGG Vias metabólicas e de iterações de genes MIPS Data Base (Yeast) Anotação funcional de genes
6 Gene Ontology (GO) swi5 cell cycle ace2 taf9 taf9 eaf1 swi5 cellular process ace2 ace2 regulation of cell cycle swi5 swi5 taf9 cbf1 biological process cbf1 taf9 ace2 regulation of celular process cbf1 swi5 ace2 eaf1 taf9 chromosome organization taf9 eaf1 chromatin modification taf9 eaf1 Heranca dos termos Redundancia dos termo
7 Gene Ontology Ontologias são definidas por especialistas da área (contem > termos) Cada organismo tem uma anotação termo-genes. Para vários organismos 80%-100% dos genes estão anotados Homo sapiens, mus musculus, Yeast, Anotações tem varias origens: literatura, experimentos, eletrônica (homologia de seqüência, expresso gênica),
8 Análise de Enriquecimento Gene Cluster SWI ACE2 CBF1 YJL099W YDL198C YCR085W YCR043C YDR825C Reference set YDL093 W YER016 W YNL126 W YKL053 W YJL099 W YDL198 C YCR085 W YBR043 C YDR325 W YCR085 W YBR043 C... swi cbf1 regulation of cellular process ace2 taf9
9 Análise de Enriquecimento Gene Cluster SWI ACE2 CBF1 YJL099W YDL198C YCR085W YCR043C YDR825C Reference set YDL093 W YER016 W YNL126 W YKL053 W YJL099 W YDL198 C YCR085 W YBR043 C YDR325 W YCR085 W YBR043 C... 8 de 40 genes Teste hiper-geométrico: swi cbf1 regulation of cellular process ace2 taf9 3 de 4 genes qual a chance de achar 3 genes em comum dado que o grupo tem 8 genes, o termo 4 genes e na base de dados temos 40 genes no total.
10 Análise de Enriquecimento YDL093 SWI W ACE2 YER016 CBF1 W YJL099W YNL126 YDL198C W YCR085W YKL053 YCR043C W YDR825C YJL099 W YDL198 C YCR085 W YBR043 8 de 40 genes C YDR325 W Termo YCR085 W Não Termo YBR043 Total C... Gene Cluster Reference set Grupo k m-k m Não Grupo n-k N+k-n-m n-k Total n N-m N ace2 swi cbf1 regulation of cellular process taf9 3 de 4 genes P( K k) Jm JJ N mj JJ Jk JJ n k J JN J Jn J k i 1 P( X k) 1 P( K i)
11 Análise de Enriquecimento Problemas: para cada termo de GO realizamos um teste estatístico. GO tem > termos. Solução é necessário realizar correção por testes múltiplos.
12 Análise de Enriquecimento Ferramentas
13 Kyoto Encyclopedia of Genes (KEGG) Contem centenas de vias metabólicas/gênicas Todas as anotações são curadas manualmente e retiradas da literatura Não tem uma cobertura grande como GO, mas é precisa.
14 KEGG Podemos fazer teste de enriquecimento, analogamente: quantos genes estão no grupo e na via?
15 Exemplo - Análise de dados Linfáticos tatic/supplements/infdif/results/mi xdtreesmap/
16 Resumo Análise de Enriquecimento permite associar grupos de genes a funções/processos biológicos. Não permitem dar um score global, para por exemplo, comparar métodos. Uma alternativa (heurística)
17 Comparação de Métodos Enriquecimento Para cada método, calcular enriquecimento e quantificar menores p-values
18 Comparação de Métodos Enriquecimento
19 Gene Sets
20 Gene Sets Idéia: dada uma ordenação de genes testar se genes de um grupo estão no topo da lista Ordenação lista de genes diferencialmente expressos, ranking de clustering probabilístico, Grupos termos de GO, vias de KEGG, Solução: escolher um threshold e realizar um teste hipergeométrico
21 Gene Sets Exemplo: ranking de genes Pergunta? ha mais genes a no topo da lista? N S score( i). signal( i) i 1 onde sinal = +1 se a = -1 se b
22 Gene Sets - Exemplos Usar permutaçoes da lista para testar a significância do score mais alto.
23 Gene Sets Tambem requer correção por teste multiplo. Software /gsea/ Fornece vários tipos de Gene Sets ontologies, vias, regulação TF,
24 Análise de Séries Temporais
25 Tópico Características de Series Temporais Tamanho, sampleamento, sincronização Problemas: Alinhamento Detecção de Periodicidade/Fases Agrupamento
26 Séries Temporais Experimento Biológico: ciclo celular
27 Séries Temporais Aplicacoes Aplicações detecção da periodicidade detecção de picos expressão diferencial Co-expressão
28 Series Temporais Inferência de Regulação Genes up em t-1 são possíveis reguladores de genes up em t
29
30
31 Séries Temporais Sincronização Problema: Sincronização Experimentos requerem muitas células cada uma tem seu tempo
32 Séries Temporais Multiplos Experimentos Diferentes experimentos tempos de medição tempo biológico Problema Alinhamento de séries de diferente experimentos
33 Metodos Detecção de Periodicidade Alinhamento de Series Representação Continua das Series Splines HMMs
34 Detecção de Periodicidade Analise de Fourrier Dado equações de fourrier e a expressão t φ Encontrar w período Φ - deslocamento minimizando D w
35 Alinhamento de Series Usar programação dinâmica escolher o pareamento dos pontos t 1, t 2, t 3,, t L t 1, t 2, t 3,, t M Minimizando uma distancia
36 Alinhamento de Series
37 Series Temporais Representação Continua Usar cubicsplines como representa continua de series temporais Overffiting com dados faltosos e ruído
38 Alinhamento Representacao Continua Achar T (s) = (s b)/ a Onde a = escala b = offset
39 Splines Tambem pode ser usado para agrupamento Requer muitos pontos
40 Modelos Escondidos de Markov
41 Example: Up-regulation 1,5 expression 1 0,5 0 Location and width -0, time Segment length
42 Prototype: Upregulation Location and width idden Markov Model (HMM) Segment length
43 Example: Constant 1,5 expression 1 0,5 0-0, time
44 Prototype: Constant Location and width Segment length Hidden Markov Model (HMM)
45 Viterbi Path: Upregulation 1,5 expression 1 0,5 0-0, time State
46 Viterbi Path: Upregulation 1,5 expression 1 0,5 0-0, State State time
47 Mixture models Mixture components: HMMs λ 1, λ 2,..., λ k Mixture model weighted sum of λ i P[ gene mixture ] = α 1 P[gene λ 1 ] + α 2 P[gene λ 2 ] + α i 0, add to unity
48 Mixtura de HMMs Vantagens Para cada HMM, ha 3x #estados parametros livres Usando Gausianas, temos 2xL + L 2 parametros livres No geral temos # estados << L
49 Biological Data Gene expression of synchronized HeLa cells (Whitfield et. al. 2002); experiment three 0-46 hours after arrest with double thymidine block in S phase 2272 expression time courses with two-fold change for at least one time point
50 Hela Cell: Cluster Example
51 Classificação de Pacientes Dados: ~50 pacientes de múltipla esclerose Cada paciente tem expressão medida em 70 genes e 7 pontos de tempo. Classificação: Pacientes com boa ou ma
52 Resultados Expressao Media
53 Resultados Series Alinhadas
54 Software GQL QuickTime and a TIFF (Uncompressed) decompressor are needed to see this picture.
55 Resumo Modelos Temporais são vitais na analise series temporais de expressão gênica Desafio: reconstrução de redes regulatorias (proxima aula)
Regulação Gênica e Inferência de Redes
Regulação Gênica e Inferência de Redes Ivan G. Costa Filho igcf@cin.ufpe.br Centro de Informática Universidade Federal de Pernambuco Tópicos O que é regulação gênica? Extração de Sinais regulatórios Processamento
Leia maisAnálise de Dados de Expressão Gênica
Análise de Dados de Expressão Gênica Ivan G. Costa Filho igcf@cin.ufpe.br Centro de Informática Universidade Federal de Pernambuco Tópicos O que e expressão gênica? Como medir expressão gênica? Aspectos
Leia maisAnotação de genomas II
Anotação de genomas II Anotação de genomas Uma vez descrito a seqüência do genoma de um organismo e realizada a anotação dos genes presentes obtemos uma extensa lista de potenciais transcritos. Como vimos
Leia maisPrograma Analítico de Disciplina BQI460 Bioinformática
0 Programa Analítico de Disciplina Departamento de Bioquímica e Biologia Molecular - Centro de Ciências Biológicas e da Saúde Número de créditos: Teóricas Práticas Total Duração em semanas: 15 Carga horária
Leia maisUFPel CDTec Biotecnologia. Anotação de genomas. MSc. Frederico schmitt Kremer
UFPel CDTec Biotecnologia Anotação de genomas MSc. Frederico schmitt Kremer A anotação de um genoma consiste na identificação de suas regiões funcionais ou de relevância biológico, o que pode incluir:
Leia maisAssinaturas distintas e preditivas da cromatina de promotores e enhancers transcricionais no genoma humano.
Assinaturas distintas e preditivas da cromatina de promotores e enhancers transcricionais no genoma humano. Disciplina: Análise da Expressão Gênica Professor: Ivan Costa Gesteira Aluna: Thaís Gaudencio
Leia maisUso de microarrays e RNA-seq para a medida de níveis relativos de transcrição
Uso de microarrays e RNA-seq para a medida de níveis relativos de transcrição Medidas dos níveis de mrna O nível de mrna de uma célula reflete (as vezes de forma grosseira) os níveis de proteínas da mesma.
Leia maisProtein Homology detection by HMM-comparation.
UNIVERSIDADE FEDERAL DE PERNAMBUCO Cin Centro de Informática Pós-Graduação em Ciência da Computação Protein Homology detection by HMM-comparation. Johannes Soding Vol. 21 no. 7 2005, BIOINFORMATICS Recife,
Leia maisMODELAGEM E ANÁLISE DE REDES DE REGULAÇÃO GÊNICA UTILIZANDO REDES BAYESIANAS. Marcos Vinícius Ferretti Walter José Horning Junior
MODELAGEM E ANÁLISE DE REDES DE REGULAÇÃO GÊNICA UTILIZANDO REDES BAYESIANAS Marcos Vinícius Ferretti Walter José Horning Junior O ARTIGO DOGMA CENTRAL DA BIOLOGIA CELULAR Organismo vivo = rede de moléculas
Leia maisAprendizado de Máquina
Aprendizado de Máquina Template Matching Luiz Eduardo S. Oliveira Universidade Federal do Paraná Departamento de Informática http://lesoliveira.net October 25, 2012 Luiz S. Oliveira (UFPR) Aprendizado
Leia maisMODELOS PROBABILÍSTICOS
Disciplina de BIOLOGIA COMPUTACIONAL Mestrado em ENGENHARIA BIOMÉDICA 4º Ano, 1º Semestre 2007/08 MODELOS PROBABILÍSTICOS Relatório 4 Ana Calhau Ângela Pisco Nuno Santos 54605 55748 55746 Palavras-Chave:
Leia maisTranscritômica. João Carlos Setubal IQ/USP outubro de 2013
Transcritômica João Carlos Setubal IQ/USP outubro de 2013 Objetivo Obter, analisar, e interpretar dados de expressão gênica mrnas (que vão virar proteína) RNAs (que não vão virar proteína; ncrnas) O gene
Leia maisUniversidade Estadual de Maringá - UEM
Universidade Estadual de Maringá - UEM Disciplina: Biologia Molecular 6855 T1 e T2 Ciências Biológicas Transcriptoma metodologia ORESTES Profa. Dra. Maria Aparecida Fernandez Estratégia ORESTES ESTs de
Leia maisTITULO: Implementação do alinhamento de proteínas em GPU utilizando OpenCL PROPOSTA DE TRABALHO DE GRADUAÇÃO
1 U NIVERSIDADE FEDERAL DE PERNAMBUCO GRADUAÇÃO EM ENGENHARIA DA COMPUTAÇÃO CENTRO DE INFORMÁTICA 2 0 1 6. 1 TITULO: Implementação do alinhamento de proteínas em GPU utilizando OpenCL PROPOSTA DE TRABALHO
Leia maisPlano. Aspectos Relevantes de HMMs. Teoria de HMMs. Introdução aos Modelos Escondidos de Markov
Plano Esta apresentação é para pessoas sem conhecimento prévio de HMMs Introdução aos Modelos Escondidos de Markov 2004 Objetivos: Ensinar alguma coisa, não tudo (Visão geral, sem muitos detalhes). Tentar
Leia maisIntrodução ao Reconhecimento de Padrões e aplicações em problemas de Bioinformática
ao Reconhecimento de Padrões e aplicações em problemas de Bioinformática fabricio@utfpr.edu.br UTFPR-CP Grupo de Pesquisa em Bioinformática e Reconhecimento de Padrões bioinfo-cp@utfpr.edu.br Curso de
Leia maisCréditos. Introdução. Sumário. Agradecimento. Introdução. Análise de Expressão Gênica. Tecnologia de Microarray
Créditos Biológicos: Expressão Gênica Estagiário PAE: Pablo Andretta Jaskowiak Professor: Ricardo J. G. B. Campello Partes destes slides são baseadas em materiais de Ivan Gesteira Costa Filho http://www.cin.ufpe.br/~igcf/
Leia maisIBM1029 Introdução à Bioinformática. O Início da Bioinformática 27/03/2017. Aula 2. O Início. Bioionformática: definição
IBM1029 Introdução à Bioinformática Profa Dra Silvana Giuliatti Departamento de Genética FMRP silvana@fmrp.usp.br O Início da Bioinformática Aula 2 O Início Trabalho de Margaret Dayhoff e colaboradores:
Leia maissobre o grafo probabilístico completo de um sistema de regulação gênica
Um algoritmo eficiente para o crescimento de redes sobre o grafo probabilístico completo de um sistema de regulação gênica Leandro de Araújo Lima Orientador: Junior Barrera Departamento de Ciência da Computação
Leia maisBioinformática Básica
Bioinformática Básica Domínios Conservados Proteicos Rafael Dias Mesquita rdmesquita@iq.ufrj.br Laboratório de Bioinformática Departamento de Bioquímica Instituto de Química - UFRJ Objetivos Apresentação
Leia maisBanco de Dados Biológicos
Pontifícia Universidade Católica de Goiás Departamento de Biologia Disciplina: Bioinformática Bio1015 Banco de Dados Biológicos Prof. Macks Wendhell Gonçalves, Msc mackswendhell@gmail.com INTRODUÇÃO BANCO
Leia maisBiologia Molecular Computacional Homologia
Biologia Molecular Computacional Homologia Luiz Thibério Rangel O que é homologia? Conceito básico para estudos de genômica comparativa; Passo inicial para estudos de filogenia(omica); Importante para
Leia maisÍNDICE. Variáveis, Populações e Amostras. Estatística Descritiva PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 CAPÍTULO 2
COMO USAR ESTE LIVRO ÍNDICE PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 Variáveis, Populações e Amostras 1.1. VARIÁVEIS ESTATÍSTICAS E ESCALAS DE MEDIDA 27 1.2. POPULAÇÃO VS. AMOSTRA
Leia maisPré-processamento e Normalização de Microarrays
Pré-processamento e Normalização de Microarrays Ivan G. Costa Filho igcf@cin.ufpe.br Centro de Informática Universidade Federal de Pernambuco Tópicos Microarrays e Ruídos Aquisição dos dados de microarray
Leia maisArtificial Neural Network Prediction for Cancer Survival Time by Gene Expression Data IEEE, 2009
Artificial Neural Network Prediction for Cancer Survival Time by Gene Expression Data IEEE, 2009 Yen-Chen Chen, Hung-Wen Chiu, Wen-Wen Yang Tapei Medical University - Tapei, Taiwan Apresentação: Walter
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE41 Aula passada Teste de hipótese: média Teste de hipótese duas médias (casos 1,,3) Aula de hoje Teste de hipótese: variância Goodness of fit: v.a. discreta Goodness
Leia mais1. Conceitos básicos de estatística Níveis de medição Medidas características de distribuições univariadas 21
OS SABERES INDISPENSÁVEIS 7 Índice Prefácio 13 Capítulo 1 Os Saberes Indispensáveis 1. Conceitos básicos de estatística 17 1.1. Níveis de medição 18 1.2. Medidas características de distribuições univariadas
Leia maisIdentificação de fatores de transcrição a partir de dados de expressão.
Identificação de fatores de transcrição a partir de dados de expressão. Márcio Augusto Afonso de Almeida Laboratório de Genética e Cardiologia Molecular InCor. Introdução Técnicas de expressão global permitem
Leia maisTESTE T PARA POPULAÇÕES INDEPENDENTES ISABELA GOMES DA SILVA ISABELLA NAOMI FURUIE MARIA JÚLIA JORGE MAURO
TESTE T PARA POPULAÇÕES INDEPENDENTES ISABELA GOMES DA SILVA ISABELLA NAOMI FURUIE MARIA JÚLIA JORGE MAURO DISTRIBUIÇÃO T DE STUDENT Distribuição para uma amostra n retirada de uma população com distribuição
Leia maisAnálise de significância de. alinhamentos
Análise de significância de alinhamentos Análise de significância de um alinhamento Tão importante como escolher o método de scoring ou encontrar o alinhamento que maximiza o score é saber avaliar a significância
Leia maisAlinhamentos de sequências e Busca de Similaridade
Alinhamentos de sequências e Busca de Similaridade Ariane Machado Lima ariane.machado@usp.br Escola de Artes, Ciências e Humanidades - USP Contexto http://www.ekac.org/gene.html http://www.fuzzco.com/news/wp-content/uploads/27//genome.jpg
Leia maisMotif Tools. Motif Tools. Edwin Delgado (IME-USP), Milton Yutaka (BIOINFO) 7 de outubro de 2013
7 de outubro de 2013 1. Introdução Objetivos Identificar / predizer motivos em regiões promotoras preditas do genoma da cana (upstream e downstream). Visualizar as predições e análises estatísticas destes
Leia maisMapeamento do uso do solo para manejo de propriedades rurais
1/28 Mapeamento do uso do solo para manejo de propriedades rurais Teoria Eng. Allan Saddi Arnesen Eng. Frederico Genofre Eng. Marcelo Pedroso Curtarelli 2/28 Conteúdo programático: Capitulo 1: Conceitos
Leia maisIntrodução a Sistemas Digitais
Introdução a Sistemas Digitais Meta-estabilidade MTBF Clock skew Disciplina: Sistemas Digitais Profa. Dra. Fernanda Gusmão de Lima Kastensmidt 1/ 28 O que é Meta-estabilidade estabilidade? Sempre quando
Leia maisUtilização de Métodos de Cálculo Numérico em Aerodinâmica
Erro Numérico: - Erro de arredondamento - Erro iterativo - Erro de discretização Três componentes do erro numérico têm comportamentos diferentes com o aumento do número de graus de liberdade (refinamento
Leia mais2COP229 Inteligência Computacional. Aula 3. Clusterização.
Aula 3 Clusterização Sumário (Clusterização) - Introdução - Aprendizado Não Supervisionado - Aprendizado Supervisionado - Introdução: Clusterização - Etapas para o processo de Clusterização - Distância
Leia maisAnotação de genomas. João C. Setubal 2016
Anotação de genomas João C. Setubal 2016 Sumário Dado um genoma completo, sem buracos ou erros Achar os genes codificadores de proteína Sequência codificadora (CDS) (às vezes aparece ORF) promotores Achar
Leia maisMineração de Dados em Biologia Molecular
Mineração de Dados em Biologia Molecular Análise de associação Principais tópicos Análise de associação Itens frequentes Conjunto de itens frequentes de associação Avaliação de regras de associação Docente:
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE41 Aula passada Teste de hipótese duas médias (casos 1,,3) Teste de hipótese: variância Aula de hoje Goodness of fit: v.a. discreta Goodness of fit: v.a. contínua
Leia maisUtilização de Métodos de Cálculo Numérico em Aerodinâmica
Cálculo Numérico em Erro vs Incerteza - Um erro define-se como a diferença entre uma determinada solução e a verdade ou solução exacta. Tem um sinal e requer o conhecimento da solução exacta ou verdade
Leia maisALINHAMENTO DE ESTRUTURAS EM IMAGENS MÉDICAS: ESTUDO, DESENVOLVIMENTO E APLICAÇÃO
ALINHAMENTO DE ESTRUTURAS EM IMAGENS MÉDICAS: ESTUDO, DESENVOLVIMENTO E APLICAÇÃO 18 DE SETEMBRO DE 2008 Frederico Lázaro Jacob Mestrado em Engenharia Biomédica Alinhamento de Estruturas em Imagens Médicas:
Leia maisMetodologias de descrição de documentação fotográfica. Porto, 18 Outubro Lisboa, 25 Outubro 2007
Metodologias de descrição de documentação fotográfica Porto, 18 Outubro Lisboa, 25 Outubro 2007 Descrição de fotografia Qual a prática até aqui? Quais os modelos? Que instrumentos de apoio à descrição?
Leia maisSuperexpressão de genes-candidatos em sistemas-modelo
Superexpressão de genes-candidatos em sistemas-modelo Ana Cristina Miranda Brasileiro ana.brasileiro@embrapa.br Embrapa Recursos Genéticos e Biotecnologia CURSO - PESQUISA BIOLÓGICA NA ERA PÓS-GENÔMICA:
Leia maisOrganização. 1. Introdução 2. Medidas de Similaridade. hierárquicos, de partição) 4. Critérios numéricos para definir o número de clusters
Organização. Introdução 2. Medidas de Similaridade 3. Métodos de Agrupamento (métodos hierárquicos, de partição) 4. Critérios numéricos para definir o número de clusters Métodos de Partição Cada exemplo
Leia maisPrograma de Pós-Graduação Stricto Sensu em Biologia Computacional e Sistemas. Seleção de Mestrado 2012-A
Programa de Pós-Graduação Stricto Sensu em Biologia Computacional e Sistemas Seleção de Mestrado 2012-A INSTRUÇÕES (LEIA ATENTAMENTE ANTES DE PREENCHER A PROVA): a. Identifique sua prova unicamente com
Leia maisUtilização das transformadas wavelets na detecção de características em um sinal de ECG
Utilização das transformadas wavelets na detecção de características em um sinal de ECG Orientador: Prof. Dr. Aldo Artur Belardi Departamento: Engenharia Elétrica Candidato: Gabriel Diego Porfirio N FEI:.206.062-9
Leia maisBusca de motivos em sequências. João Carlos Setubal IQ-USP 2014
Busca de motivos em sequências João Carlos Setubal IQ-USP 2014 Motivos do tipo I AACT(G A)N 12 AGTT Q-[LIV]-H-H-[SA]-x(2)-D-G-[FY]-H Chloramphenicol acetyltransferase active site (do PROSITE) Posições
Leia maisProfa. Lidia Rodella UFPE-CAA
Profa. Lidia Rodella UFPE-CAA O que é estatística? É conjunto de técnicas que permite, de forma sistemática, coletar, organizar, descrever, analisar e interpretar dados oriundos de estudos ou experimentos,
Leia maisPrimeira Lista de Exercícios de Biofísica II. c n
Primeira Lista de Exercícios de Biofísica II 1. Considere uma célula composta por um corpo celular ao qual está preso um longo e fino processo tubular (por exemplo, o axônio de um neurônio ou o flagelo
Leia maisNúmero: Nome:
Número: Nome: 1 -------------------------------------------------------------------------------------------------------------- INSTITUTO SUPERIOR TÉCNICO Sistemas de Apoio à Decisão Exame 1 20 junho 2006
Leia maisBusca de motivos em sequências. João Carlos Setubal 2015
Busca de motivos em sequências João Carlos Setubal 2015 Cadeias exatas Podem ser encontradas com o mecanismo de busca de qualquer editor de textos Que algoritmo é executado? O mais simples (e que é muito
Leia maisTeste de % de defeituosos para 1 amostra
DOCUMENTO OFICIAL DO ASSISTENTE DO MINITAB Este documento é de uma série de papéis que explicam a pesquisa conduzida por estatísticos da Minitab para desenvolver os métodos e as verificações de dados usadas
Leia maisUniversidade de São Paulo Instituto de Ciências Matemáticas e de Computação
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Francisco A. Rodrigues Departamento de Matemática Aplicada e Estatística - SME Conceitos básicos Classificação não-supervisionada:
Leia maisExplorando genomas: predição de genes e elementos transponíveis Proporção de diferentes sequências no genoma
Explorando genomas: predição de genes e elementos transponíveis Proporção de diferentes sequências no genoma 1 Especies Genoma Genes 11 O número de genes varia entre as espécies 2 Anotação do Genoma 1
Leia maisUm método de validação de residência baseado em geolocalização PROPOSTA DE TRABALHO DE GRADUAÇÃO
UNIVERSIDADE FEDERAL DE PERNAMBUCO CENTRO DE INFORMÁTICA GRADUAÇÃO EM ENGENHARIA DA COMPUTAÇÃO Um método de validação de residência baseado em geolocalização PROPOSTA DE TRABALHO DE GRADUAÇÃO Aluno: Tiago
Leia mais( ) Aula de Hoje. Introdução a Sistemas Inteligentes. Modelo RBF (revisão) Modelo RBF (revisão)
Introdução a Sistemas Inteligentes ópicos em Redes Neurais III: Redes Neurais RBF ª Parte Prof. Ricardo J. G. B. Campello ICMC / USP Aula de Hoje Revisão de Modelos RBF reinamento de Modelos RBF Estimação
Leia maisMapeamento robótico. Mapeamento semântico. Metodologia. Maquinas de vetores de suporte. Maquinas de vetores de suporte. Modelos ocultos de Markov
Mapeamento robótico Exemplos de mapas: Mapeamento semântico Mapeamento semântico consiste na criação de mapas que não representam apenas a ocupação métrica do ambiente, mas também outras propriedades.
Leia maisUNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE FÍSICA. Carlos Eduardo Gasparoni Santos
1 UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE FÍSICA Carlos Eduardo Gasparoni Santos ORDENAMENTO POR FUNÇÃO CUSTO DE REDES DE INTERAÇÕES PROTÉICAS: ESTUDO DA ARABIDOPSIS THALIANA PORTO ALEGRE
Leia maisCadastramento de UC Eletiva - Campus São Paulo
Cadastramento de UC Eletiva - Campus São Paulo Seus dados foram enviados com sucesso para a Secretaria Acadêmica de Graduação do Campus São Paulo. Solicitamos, conforme o item ENTREGA DE PROPOSTAS, que
Leia maisAula de Hoje. Processamento Estatístico da Linguagem Natural. Classificação Seqüencial. HMMs e MEMMs. Cadeias de Markov. Especificação Formal
Processamento Estatístico da Linguagem Natural Aula 13 Professora Bianca (Sala 302 Bloco E) bianca@ic.uff.br http://www.ic.uff.br/~bianca/peln/ Aula de Hoje Cap. 6 Jurafsky & Martin Hidden Markov and Maximum
Leia maisInferência Estatística Básica. Teste de Hipóteses para uma média populacional Cálculo do Valor p
Inferência Estatística Básica Teste de Hipóteses para uma média populacional Cálculo do Valor p Exemplo 1 Um restaurante compra frangos abatidos inteiros com peso médio de 3 Kg há vários anos de um mesmo
Leia maisROBÓTICA PROGRAMAÇÃO DE ROBÔS
ROBÓTICA PROGRAMAÇÃO DE ROBÔS Tipos de programação de robôs Programação a nível das juntas no qual as ações básicas são posições (e possivelmente movimentos) Programação a nível do robô no qual as ações
Leia maisEletrônica de Potência I Prof. André Fortunato rev. 1-11/2011
Nome: Realizado em: / / Nome: Entregue em: / / Nome: EXPERIÊNCIA 3 Nome: NOTA: Recorte este cabeçalho e anexe ao seu relatório. Experiência 3 Retificador de Onda Completa Objetivo Nesta experiência ver
Leia maisPrincipais algoritmos de alinhamento de sequências genéticas. Alexandre dos Santos Cristino
Principais algoritmos de alinhamento de sequências genéticas Alexandre dos Santos Cristino http://www.ime.usp.br/~alexsc e-mail: alexsc@ime.usp.br Definição de alinhamento de sequências Comparação de duas
Leia maisBusca de motivos em sequências. João Carlos Setubal IQ-USP 2016
Busca de motivos em sequências João Carlos Setubal IQ-USP 2016 Cadeias exatas Podem ser encontradas com o mecanismo de busca de qualquer editor de textos Que algoritmo é executado? O mais simples (e que
Leia maisEscalonamento de Atualizações de Páginas Web Usando Programação
Escalonamento de Atualizações de Páginas Web Usando Programação Genética Aécio Solano Rodrigues Santos Orientador: Nivio Ziviani Departamento de Ciência da Computação Universidade Federal de Minas Gerais
Leia maisUniversidade Federal do Pará Instituto de Ciências Exatas e Naturais Faculdade de Estatística Bacharelado em Estatística
Universidade Federal do Pará Instituto de Ciências Exatas e Naturais Faculdade de Estatística Bacharelado em Estatística Disciplina: Estatística Aplicada Professores: Héliton Tavares e Regina Tavares Aluna:
Leia maisREGULAÇÃO DA EXPRESSÃO GÊNICA PROCARIOTOS. Profa. Dra. Vanessa Silveira
REGULAÇÃO DA EXPRESSÃO GÊNICA PROCARIOTOS Profa. Dra. Vanessa Silveira Roteiro de Aula 1. Conceitos básicos 2. Regulação em procariotos 3. Operon lac 4. Operon de triptofano 5. Exercício 1. Conceitos básicos
Leia maisCadeias de Markov em Tempo Continuo
Cadeias de Markov em Tempo Continuo Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulos 6 Taylor & Karlin 1 / 44 Análogo ao processo
Leia maisMétodos Estatísticos Avançados em Epidemiologia
Métodos Estatísticos Avançados em Epidemiologia Modelo de Poisson e Análise de Dados Longitudinais Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/
Leia maisTestes de Hipóteses Não Paramétricos
ACH4513 INFERÊNCIA ESTATÍSTICA 2º Sem/2017 Testes de Hipóteses Não Paramétricos Prof. Marcelo S. Lauretto marcelolauretto@usp.br www.each.usp.br/lauretto Referência: W.O.Bussab, P.A.Morettin. Estatística
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Variância amostral Método de Replicações Independentes Aula de hoje Para que serve a inferência estatística? Método dos Momentos Maximum Likehood
Leia maisHP UFCG Analytics Abril-Maio Um curso sobre Reconhecimento de Padrões e Redes Neurais. Por Herman Martins Gomes.
HP UFCG Analytics Abril-Maio 2012 Um curso sobre Reconhecimento de Padrões e Redes Neurais Por Herman Martins Gomes hmg@dsc.ufcg.edu.br Programa Visão Geral (2H) Reconhecimento Estatístico de Padrões (3H)
Leia maisTópicos em Gestão da Informação II
Tópicos em Gestão da Informação II Aula 08 Inferência Estatística Teste de Significância Prof. Dalton Martins dmartins@gmail.com Gestão da Informação Faculdade de Informação e Comunicação Universidade
Leia maisPAULO EDUARDO BRANDÃO, PhD DEPARTAMENTO DE MEDICINA VETERINÁRIA PREVENTIVA E SAÚDE ANIMAL FACULDADE DE MEDICINA VETERINÁRIA E ZOOTECNIA UNIVERSIDADE
CONCEITOS EM EPIDEMIOLOGIA E FILOGENIA MOLECULARES PAULO EDUARDO BRANDÃO, PhD DEPARTAMENTO DE MEDICINA VETERINÁRIA PREVENTIVA E SAÚDE ANIMAL FACULDADE DE MEDICINA VETERINÁRIA E ZOOTECNIA UNIVERSIDADE DE
Leia maisEndogeneidade, Variáveis Instrumentais e Modelos de Equações Estruturais
1 Endogeneidade, Variáveis Instrumentais e Modelos de Equações Estruturais Ernesto F. L. Amaral Magna M. Inácio 21 de outubro de 2010 Tópicos Especiais em Teoria e Análise Política: Problema de Desenho
Leia maisIdentificação computacional de genes mirna e seus alvos no genoma da soja
Identificação computacional de genes mirna e seus alvos no genoma da soja SILLA, P.R. 1 ; CAMARGO-BRUNETTO, M.A. de O. 1 ; BINNECK, E. 2 1 Universidade Estadual de Londrina UEL, paulo. silla@gmail.com;
Leia maisMétodos de alinhamento de sequências biológicas. Marcelo Falsarella Carazzolle
Métodos de alinhamento de sequências biológicas Marcelo Falsarella Carazzolle Resumo - Introdução - Alinhamentos ótimos - Global - Local (Smith-Waterman) - Semi global - Matrizes de alinhamento (BLOSUM)
Leia maisEstudo sobre decodificação iterativa usando códigos de treliça
Revista de Engenharia e Pesquisa Aplicada, Volume 2, Número 1, 2016 Estudo sobre decodificação iterativa usando códigos de treliça Souza, I. M. M. Escola Politécnica de Pernambuco Universidade de Pernambuco
Leia maisInferência Estatística:
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Inferência Estatística: Princípios de Bioestatística decidindo na presença de incerteza Aula 9: Testes de Hipóteses
Leia maisBIO-103 Biologia evolutiva
BIO-103 Biologia evolutiva Excerto da apostila de Genética de populações para as disciplinas BIO-305 e BIO-212 (1986-2006), vários autores. EQUILÍBRIO DE HARDY-WEINBERG Um dos aspectos importantes do estudo
Leia maisRedes de Computadores Laboratório 2. Estabelecimento de enlaces ponto-a-ponto
Redes de Computadores Laboratório 2 Estabelecimento de enlaces ponto-a-ponto Objetivos: i) Criar enlace PPP entre roteadores ii) Criar enlace HDLC entre roteadores iii) Comparar a vazão (throughput) desses
Leia maisCaracterísticas de Sensores
Instrumentação e Controle Aula 8 Características de Sensores Prof. Renato Watanabe ESTO004-17 Onde estamos no curso Sistema Obtenção das Equações Diferenciais que descrevem o comportamento do sistema Representação
Leia maisPHD 5742 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos
PHD 574 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos 8 a aula Testes Não-Paramétricos de Hipóteses Mario Thadeu Leme de Barros Luís Antonio Villaça de Garcia Abril / 005 Estatística Aplicada
Leia maisBioinformática. João Varela Aula T15 CURSOS EM BIOLOGIA, BIOQUÍMICA, BIOTECNOLOGIA E ENGENHARIA BIOLÓGICA
Bioinformática CURSOS EM BIOLOGIA, BIOQUÍMICA, BIOTECNOLOGIA E ENGENHARIA BIOLÓGICA João Varela jvarela@ualg.pt Aula T15 Ontologia Génica (GO) Componente celular (biologia celular) Função molecular / bioquímica
Leia maisSignificância do Coeficiente de Correlação
Significância do Coeficiente de Correlação A primeira coisa que vamos tentar fazer nesta aula é apresentar o conceito de significância do coeficiente de correlação. Uma vez entendido este conceito, vocês
Leia maisA ABSTRACÇÃO É NOSSA AMIGA
A ABSTRACÇÃO É NOSSA AMIGA Prever estruturas, comparar e procurar motivos no RNA [Robert Giegerich, Faculty of Technology Bielefeld University, Vienna 2007] Bioinformática DCC - FCUP Teresa Costa 03/06/2011
Leia maisAULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2
AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2 Susan Schommer Econometria I - IE/UFRJ Testes de hipóteses sobre combinação linear dos parâmetros Na aula passada testamos hipóteses sobre
Leia maisBioestatística e Computação II
Bioestatística e Computação II Testes de Hipótese não Paramétricos Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas
Leia maisDPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 20 Introdução à otimização experimental e experimentos de um fator DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Projetos de Experimentos
Leia maisResolução da Prova 1 SCC Redes Neurais 2o. Semestre de Prof. João Luís
Resolução da Prova 1 SCC-5809 - Redes Neurais 2o. Semestre de 2011 - Prof. João Luís RESOLUÇÃO (2) 1. A figura abaixo mostra uma rede neural com um único neurônio escondido. Mostre que essa rede resolve
Leia maisAlinhamento de sequências
Pontifícia Universidade Católica de Goiás Departamento de Biologia Alinhamento de sequências Prof. Macks Wendhell Gonçalves, Msc mackswendhell@gmail.com Definição O alinhamento de sequências consiste no
Leia maisModelagem Computacional. Aula 9 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Aula 9 2 Prof. Thiago Alves de Queiroz 2 [Cap. 12] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning, 2010.
Leia maisAvaliando Hipóteses. George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE
Avaliando Hipóteses George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE Pontos importantes Erro da Amostra e Erro Real Como Calcular Intervalo de Confiança Erros de hipóteses Estimadores Comparando
Leia maisCOLÉGIO MAGNUM BURITIS
COLÉGIO MAGNUM BURITIS PROGRAMAÇÃO DE 1ª ETAPA 3ª SÉRIE PROFESSOR (A): Priscilla Torres DISCIPLINA: Biologia TEMA TRANSVERSAL: A ESCOLA E AS HABILIDADES PARA A VIDA NO SÉCULO XXI DIMENSÕES E DESENVOLVIMENTO
Leia maisPlano de Ensino. Qualificação/link para o Currículo Lattes: Teoria Exercício Laboratório 45 15
Plano de Ensino Universidade Federal do Espírito Santo Campus: Alegre Curso: Ciências Biológicas Departamento Responsável: Biologia Data de Aprovação (Art. nº 91): Docente responsável: Marcia Flores da
Leia maisAprendizagem de Máquina
Plano de Aula Aprendizagem de Máquina Bagging,, Support Vector Machines e Combinação de Classificadores Alessandro L. Koerich Uma visão geral de diversos tópicos relacionados à Aprendizagem de Máquina:
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 18 Aprendizado Não-Supervisionado Formas de Aprendizado Aprendizado Supervisionado Árvores de Decisão. K-Nearest Neighbor
Leia maisModelos de Suavização Exponencial Aula - 07
Modelos de Suavização Exponencial Aula - 07 observações passadas contêm informações sobre o padrão de comportamento da séries temporal; Métodos: distinguir o padrão de qualquer ruído que possa estar contido
Leia mais