IDENTIFICAÇÃO COMPUTACIONAL DE ANOMALIAS DO GENOMA HUMANO
|
|
- Maria do Carmo Arruda Jardim
- 8 Há anos
- Visualizações:
Transcrição
1 IDENTIFICAÇÃO COMPUTACIONAL DE ANOMALIAS DO GENOMA HUMANO Tatiana Arimura Fialho
2 ROTEIRO Introdução Contextualização e motivação Fundamentação Teórica Introdução à genética Coleta e armazenamento de sequencias genéticas Alinhamento de sequencias genéticas Classificação da qualidade de leitura de sequências genéticas Rede neural Multilayer Perceptron Weka Desenvolvimento Leitura de arquivos do formato.ab1 Classificação de qualidade Alinhamento Tradução de bases para aminoácidos Análise da possibilidade de anomalia Base de dados Demonstração Conclusão Considerações Finais Contribuições Trabalhos Futuros
3 CONTEXTUALIZAÇÃO E MOTIVAÇÃO Uma mutação no gene IRF6 causa a síndrome de Van der Woude. Tal mutação tem pelo menos 50% de chance de passar de pai para filho. O centro de estudos do genoma humano realiza o teste genético. Além da pesquisa, o centro fornece diagnósticos clínico para pacientes. A principal motivação desse trabalho decorre do processo manual realizado pelos pesquisadores. Imagem adaptada de Center for disease control and prevention
4 CONTEXTUALIZAÇÃO E MOTIVAÇÃO Com o auxílio do programa Sequencher, para cada posição em que ocorra uma troca, deleção ou inserção, cabe ao pesquisador: 1. Analisar a confiabilidade de tal informação buscando a qualidade de leitura nessa posição. 2. Buscar qual a posição referente de tal anomalia em um banco de dados. 3. Verificar se já existe a troca registrada no banco de dados, e caso exista, se é um polimorfismo. 4. Caso não exista registro em banco de dados, realizar a tradução de base para aminoácido e verificar resultados. Requer a utilização de softwares auxiliares: Versões demo de software de análise genética Tradutores encontrados na web Editores de texto
5 CONTEXTUALIZAÇÃO E MOTIVAÇÃO Exemplo: No programa sequencher observa-se um troca de base. Busca se existe o polimorfismo em banco de dados, como Ensembl. Como não é encontrado, realiza-se a tradução para aminoácidos. Observa-se então uma anomalia.
6 CONTEXTUALIZAÇÃO E MOTIVAÇÃO A análise de sequências genéticas é em grande parte um processo manual. Deve ser realizada para todos os éxons do gene em questão para todo paciente. O gene IRF6 possui 9 éxons. Se existirem por exemplo 300 pacientes, a comparação de sequencias deve ser realizada 300*9 = 2700 vezes O processo é repetitivo e dispendioso para o pesquisador. Pode gerar erros, além de demora na entrega do diagnóstico do paciente, gerando ainda mais ansiedade por parte da família. Softwares que automatizem tal processo não são de livre acesso.
7 FUNDAMENTAÇÃO TEÓRICA Serão introduzidos: Conceitos básicos de biologia que foram necessários para a realização do trabalho. Como é realizado o processo de coleta e armazenagem de sequencias genéticas em laboratório e como estas são armazenadas em arquivos. Algoritmo utilizado para alinhamento. Técnica escolhida para classificação de qualidade de leitura de sequências genéticas. Rede neural Multilayer Perceptron. Ferramenta Weka.
8 INTRODUÇÃO À GENÉTICA O gene é uma sequência de nucleotídeos representados por quatro letras (A T C G) A estrutura do DNA é dupla-hélice sendo que existe somente emparelhamento entre bases A-T e C-G O DNA é dividido em porções chamadas éxons e íntrons. DNA reside dentro do núcleo. RNA é responsável por carregar a informação genética. Retirado de Genome Retirado de TechNYou
9 INTRODUÇÃO À GENÉTICA Tradução é a transformação de códons em aminoácidos Dogma central da biologia. DNA -> transcrição -> RNA -> tradução -> proteína Fonte: JONES, N. C.; PEVZNER, P. A. An introduction to bioinformatics algorithms. MIT Press, 2004
10 INTRODUÇÃO À GENÉTICA Mutação pontual é a troca de um único nucleotídeo Polimórfica não gera qualquer anomalia Exemplo: AUG UAC GGG - Met(Metionina) Tyr(Tirosina) Gly(Glicina) AUG UAU GGG - Met(Metionina) Tyr(Tirosina) Gly(Glicina) Anômala quando o código não gera a proteína apropriada Exemplo: AUG UAC GGG - Met(Metionina) Tyr(Tirosina) Gly(Glicina) AUG UAA GGG - Met(Metionina) STOP Gly(Glicina)
11 INTRODUÇÃO À GENÉTICA A comparação é realizada entre sequências genéticas de pacientes e sequencias genéticas em banco de dados (Emsembl,HGMD, UCSC, NCBI). Caso tal troca já esteja presente no banco de dados, é possível averiguar se esta é um polimorfismo ou uma anomalia, caso contrário, é necessário realizar a tradução de bases para aminoácidos.
12 INTRODUÇÃO À GENÉTICA Vários resultados são possíveis: Que a troca de nucleotídeo gere um código de parada ao invés do aminoácido que deveria ser gerado,caracterizando uma anomalia; Que sejam gerados os mesmos aminoácidos, não influenciando na doença; Que aminoácidos diferentes sejam gerados; Nesse caso pode ocorrer ou não a anomalia
13 INTRODUÇÃO À GENÉTICA Para ser possível a comparação entre duas ou mais sequências genéticas, é necessário realizar o alinhamento. Como o DNA é dupla-fita, é possivel fazer a leitura de qualquer uma delas. (Fita F e R) Existe um sentido de leitura obrigatório conhecido como 3-5, Para a fita R é necessário encontrar o complementar reverso.
14 PROCESSO DE COLETA E ARMAZENAMENTO DE SEQUÊNCIAS GENÉTICAS O primeiro passo do sequenciamento é replicar fragmentos de DNA Um dos métodos usados é o PCR (Reação em cadeia de polimerase) n iterações = 2 n cópias Repete um ciclo de três operações: desnaturação (94ºC) priming (50 ºC) extensão(75 ºC). (Jones e Pevzner, 2004)
15 PROCESSO DE COLETA E ARMAZENAMENTO DE SEQUÊNCIAS GENÉTICAS A sequência genética é submetida a um sequenciador automático Cada base nitrogenada é associada com um corante e estes são excitados por um laser e captados por uma câmera
16 PROCESSO DE COLETA E ARMAZENAMENTO DE SEQUÊNCIAS GENÉTICAS O armazenamento do sequenciamento genetico pode ser feito em arquivos de codificação ASCII. Formatos de arquivos de sequências: EMBL, SwissProt, FASTA, GCG,XML e ABIF. Este projeto faz o uso do arquivo de extensão.ab1
17 ALINHAMENTO DE SEQUÊNCIAS GENÉTICAS Possibilita a análise de regiões semelhantes. Alinhamento par a par Entre duas sequências genéticas. Alinhamento múltiplo Entre múltiplas sequências genéticas. Alinhamento Global Alinha sequências de ponta a ponta e precisa ser feito entre sequências de tamanho parecido. Alinhamento Local Partes onde há maior taxa de similaridade entre as sequências são alinhadas. Mais adequado para sequências de tamanho diferente.
18 MÉTODO DE ALINHAMENTO PAR A PAR USANDO PROGRAMAÇÃO DINÂMICA Algoritmo de Smith-Waterman Garante matematicamente fornecer o alinhamento ótimo a partir de variáveis determinadas pelo usuário. Inclui bases semelhantes, não semelhantes e espaços entre duas sequências.
19 ALGORITMO DE SMITH-WATERMAN Dada duas sequências A = a 1 a 2 a 3...a n e B = b 1 b 2 b 3...b n s(a i, b j ) = similaridade entre a e b Para deleções de tamanho k é dado o peso W k É utilizada a matriz H H ij é a similaridade máxima entre duas sequências terminadas em a i e b j respectivamente Faça: H k0 = H 0l = 0 para 0 k n e 0 l m. H ij = max {H i-1,j-1 + s(a i,b j ), H i-1,j W k, H i,j-1 W l, 0}, tal que 1 i n e 1 j m Complexidade O(n 2 )
20 ALGORITMO DE SMITH-WATERMAN Exemplo: s(a i ; b j ) = +2 para bases iguais s(a i ; b j ) = -1 para bases diferentes W = -1 Matriz de alinhamento entre as sequências : "a t c g" e "a t g H ij = max{ H i-1,j-1 + s(a i,b j ), H i-1,j W k, H i,j-1 W l, 0 },
21 ALGORITMO DE SMITH-WATERMAN Exemplo a t c g a t - g Fazendo-se o rastreamento a partir do maior elemento encontrado obtemos o caminho: H(4,5) - H(3,4) - H(3,3) - H(2,2) O salto de H(3,4) - H(3,3) implica em uma inserção
22 CLASSIFICAÇÃO DA QUALIDADE DE LEITURA DE SEQUÊNCIAS GENÉTICAS O método de leitura de sequências genéticas pode gerar erros, e um meio de identificá-los está na análise do cromatograma.
23 CLASSIFICAÇÃO DA QUALIDADE DE LEITURA DE SEQUÊNCIAS GENÉTICAS Existem casos em que podem existir duas ou mais curvas formando picos muito próximos. Existem poucos casos em que duas bases sejam a representação de heterozigotos Cada símbolo representa uma ou mais bases nitrogenadas.
24 REDES NEURAIS Sistemas computacionais biologicamente inspirados. Neurônios fazem cálculos e juntos, em uma ou mais camadas, ganham a capacidade de aprender e generalizar informações. Capacidade de aprendizagem por meio de exemplos. Aprendizado não-supervisionado - não existe a interferência de uma parte externa para acompanhar a aprendizagem Aprendizado supervisionado - requer um supervisor que compara a saída obtida pela rede neural com a saída desejada.
25 REDES NEURAIS A arquitetura mais comum de uma rede neural artificial é composta por uma camada de entrada, possíveis camadas intermediárias e uma camada de saída. Número de neurônios e ligações entre eles podem variar. Cada neurônio contém uma função de ativação que é responsável por gerar a saída a partir dos pesos e da entrada. A funções de ativação mais comuns se apresentam na forma de degrau, sigmoidal, linear ou gaussiana.
26 REDE NEURAL MULTILAYER PERCEPTRON Composta por várias camadas Resolve problemas não-linearmente separáveis. Camadas de entrada, intermediárias e de saída. O número de camadas intermediárias e número de neurônios por camada podem variar Quanto maior o número de neurônios maior a capacidade de resolução de problemas complexos. Um número excessivo dessas camadas pode dificultar a convergência da rede. (Braga et al., 2007)
27 REDE NEURAL MULTILAYER PERCEPTRON Aprendizado supervisionado. A cada iteração os pesos de cada neurônio são ajustados após o cálculo do erro de cada camada. Para as camadas intermediárias é necessário o uso da técnica de back-propagation que alimenta as camadas anteriores com o erro obtido da camada de saída.
28 REDE NEURAL MULTILAYER PERCEPTRON Algoritmo de back-propagation Para a camada de saída: j - índice do neurônio. e(j) - vetor de erros L - indice que representa a camada do neurônio l kj φ - derivada da função de ativação φ Então é calculado o gradiente δ Para as camadas intermediárias: l kj - peso da i-ésima entrada do neurônio j da camada l
29 REDE NEURAL MULTILAYER PERCEPTRON α termo de momentum η taxa de aprendizagem y i - i-ésimo elemento do vetor de saída Y = {y 1, y 2,..., y n } Base de dados de 156 elementos observando-se o cromatograma. Obtenção de valores ideais dos parâmetros foi realizado com auxílio da ferramenta Weka.
30 WEKA Software que auxilia na aplicação de técnicas de aprendizado de máquina. Origem em um projeto em Waikato (Nova Zelândia) no ano de Aplicação de aprendizado de máquina na agricultura Desenvolvido em C Atualmente utiliza-se o Weka 3 Implementado em 1997 O Weka possui várias bibliotecas Java que implementam técnicas de aprendizado de máquina
31 WEKA Principais funcionalidades: Pré-processamento de dados.arff,.csv, conexão com banco de dados JDBC. Classificação Mais de 100 classificadores Clustering Aprendizado não supervisionado por meio do clustering Seleção de atributos Critérios de seleção e busca Visualização de dados Pode ser realizado em gráficos
32 WEKA Escolhido o dataset e classificador MLP: Taxa de acerto de 92.9% Cross-validation de 10 folds 10 camadas intermediárias Taxa de aprendizagem de 0.3 Momentum de 0.7
33 DESENVOLVIMENTO BioJava Desenvolvimento de softwares de bioinformática em Java Criada em 1999 por Thomas Down e Matthew Pocock Principais utilizações Alfabetos de nucleotídeos e aminoácidos, Entrada e saída de sequências genéticas, Programação dinâmica, Manipulação das sequências, Tradução. Foi utilizado o Biojava1.8.2 que foi lançada dia 22 de Março de A interface foi desenvolvida utilizando-se da ferramenta Swing GUI contida no IDE Netbeans.
34
35 LEITURA DE ARQUIVOS DO FORMATO.AB1 API da classe ABITrace
36 LEITURA DE ARQUIVOS DO FORMATO.AB1 Informações como o cromatograma e sequência de bases podem ser extraídos SymbolList é uma lista de símbolos que representam bases getsequence() traduz o arquivo em uma SymbolList
37 LEITURA DE ARQUIVOS DO FORMATO.AB1 O cromatograma representa em cada ponto o resultado da leitura da sequência Com a função getimage é possível exibir esses dados em uma imagem
38 LEITURA DE ARQUIVOS DO FORMATO.AB1 Somente as sequências do paciente e de controle estão no formato.ab1 e apresentam cromatograma. Para mais detalhes sobre o cromatograma, como valores das bases em pontos de pico, é possível abrir uma nova janela ao clicar em "Dados Cromatograma".
39 CLASSIFICAÇÃO DA QUALIDADE DE LEITURA Realizada com a rede neural Multilayer Perceptron Foi utilizado a biblioteca Java Weka Treinamento da rede Método learn() Faz a leitura da base de dados dataset.arff e treina a rede Vetor options define parâmetros Método verificar(int Va, int Vt, int Vc, int Vg) Transforma 4 valores em uma instância a ser classificada.
40 ALINHAMENTO Clicar do botão "Alinhar" Sequência a ser alinhada quanto a sequência de referência devem estar abertas
41 ALINHAMENTO Realizada com o uso do Biojava. Matriz de substituição Contém os pesos de bonificação ou penalização para cada par de símbolos Matriz NUC 4.4 criada por Todd Lowe
42 ALINHAMENTO Define-se duas sequências a serem alinhadas, "query"e "target". Objeto do tipo SmithWaterman define os parâmetros e qual matriz de substituição a ser usada. Chama-se a função pairwisealignment passando as duas sequências a serem alinhadas.
43 TRADUÇÃO DE BASES PARA AMINOÁCIDOS Deve ser fornecida a posição de início de tradução Saber previamente a posição de início de tradução e inserí-la no campo adequado Alinhar a sequência de referência com a sequência de RNAmensageiro e obter um alinhamento perfeito
44 TRADUÇÃO DE BASES PARA AMINOÁCIDOS getquerystart() retorna a posição de início do alinhamento Com esse resultado é possível a partir do resto da divisão deste por 3 (pois cada 3 bases definem um aminoácido), concluir a posição de início de tradução. RNATools.transcribe(symL) e RNATools.translate(symL) realizam a tradução.
45 ANÁLISE DA POSSIBILIDADE DE ANOMALIA Botão "Gerar possíveis mutações A opção só estará disponível após ser efetuado o alinhamento da sequência em questão com a de referência.
46 ANÁLISE DA POSSIBILIDADE DE ANOMALIA Na ocorrência de encontrar uma diferença de bases no alinhamento: Só será considerada como possível mutação caso a qualidade de leitura seja boa. Mesma diferença de bases existente na sequência do paciente for encontrada na sequência controle. Apenas para sequência paciente F e quando houver sequência controle Troca de bases resulta em um mesmo aminoácido Apenas quando fornecida a posição de início de tradução da sequência de referência.
47 ANÁLISE DA POSSIBILIDADE DE ANOMALIA
48 BASE DE DADOS Sequências de três pacientes, ambas as fitas F e R e dos éxons 3, 4 e 7, resultando em 18 sequências de pacientes. Sequências de referência dos éxons 3, 4 e 7. Sequências controle dos éxons 3, 4 e 7 das fitas F e R. Resultando em 6 sequências de controle. Sequência de RNAmensageiro que contém todos os éxons ordenados. Retiradas do banco de dados ensemble. Testes e implementação utilizando-se os arquivos localmente, salvos em.txt.
49 DEMONSTRAÇÃO Paciente Gene IRF6 Éxon 3
50 CONCLUSÃO Necessidade computacional pelo Centro de estudos do genoma humano. Foi essencial o conhecimento biológico para uma correta implementação do problema. Aprovado um modelo de software juntamente com pesquisadores. Interface gráfica que resulta em um software de fácil entendimento e utilização. Software desenvolvido neste trabalho será disponibilizado gratuitamente.
51 CONTRIBUIÇÕES Software poderá ser utilizado por qualquer pesquisador que busque analisar anomalias encontradas no genoma humano. Software livre. Pode ser utilizado em qualquer centro de pesquisa além de instituições de ensino. Vantagem para pesquisadores brasileiros por ter sido desenvolvido em português. Interface é de fácil entendimento e utilização Beneficia pesquisadores que não são da área computacional e alunos
52 TRABALHOS FUTUROS Existe espaço para melhorias Foi reservada à trabalhos futuros a implementação de novos módulos ao software já desenvolvido. Análise de múltiplas sequências em paralelo. Comunicação com banco de dados.
53 DÚVIDAS?
54 REFERÊNCIAS ALBERTS, B.; BRAY, D.; LEWIS, J.; RAFF, M.; ROBERTS, K.; WATSON, J. Biologia molecular da célula. Porto Alegre: Artmed Editora, BRAGA, A. P.; CARVALHO, A. F. L. P.; LUDERMIR, T. B. Redes neurais artificiais. Rio de Janeiro: LTC, HALL, M.; FRANK, E.; HOLMES, G.; PFAHRINGER, B.; REUTEMANN, P.; WITTEN, I. H. The weka data mining software: an update. SIGKDD Explor. Newsl., v. 11, n. 1, p , Disponível em HOLLAND, R. C. G.; DOWN, T.; POCOCK, M.; PRLIC, A.; HUEN, D.; JAMES, K.; FOISY, S.; DRÄGER, A.; YATES, A.; HEUER, M.; SCHREIBER, M. J. Biojava: an open-source framework for bioinformatics. Bioinformatics, v. 24, n. 18, p , 2008a. HOLLAND, R. C. G.; DOWN, T. A.; POCOCK, M.; PRLI, A.; HUEN, D.; JAMES, K.; FOISY, S.; DRÄGER, A.; YATES, A.; HEUER, M.; SCHREIBER, M. J. Biojava: an open-source framework for bioinformatics. Bioinformatics, v. 24, n. 18, p , 2008b. Disponível em HOLMES, G.; DONKIN, A.; WITTEN, I. H. Weka: a machine learning workbench. 1994, p JEHEE, F. S.; BURIN, B. A.; ROCHA, K. M.; ZECHI-CEIDE, R.; BUENO, D. F.; BRITO,L.; SOUZA, J.; LEAL, G. F.; RICHIERI-COSTA, A.; ALONSO, N.; OTTO, P. A.;PASSOS-BUENO, M. R. Novel mutations in irf6 in nonsyndromic cleft lip with or without cleft palate: When should irf6 mutational screening be done? American Journal of Medical Genetics Part A, v. 149A, n. 6, p , JONES, N. C.; PEVZNER, P. A. An introduction to bioinformatics algorithms. MIT Press, MOUNT, D. W. Bioinformatics: Sequence and Genome Analysis, Second Edition. 2nd ed.cold Spring Harbor Laboratory Press, NEEDLEMAN, S. B.; WUNSCH, C. D. A general method applicable to the search for similarities in the amino acid sequence of two proteins. Journal of Molecular Biology, v. 48, n. 3, p , Disponível em SMITH, T. F.; WATERMAN, M. S. Identification of common molecular subsequences. Journal of molecular biology, v. 147, n. 1, p , WITTEN, I. H.; FRANK, E.; TRIGG, L.; HALL, M.; HOLMES, G.; CUNNINGHAM, S. J. Weka: Practical machine learning tools and techniques with java implementations
Projeto de Redes Neurais e MATLAB
Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação
Leia maisMLP (Multi Layer Perceptron)
MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem
Leia maisPALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.
1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando
Leia maisMEDICINA VETERINÁRIA. Disciplina: Genética Animal. Prof a.: D rd. Mariana de F. Gardingo Diniz
MEDICINA VETERINÁRIA Disciplina: Genética Animal Prof a.: D rd. Mariana de F. Gardingo Diniz TRANSCRIÇÃO DNA A transcrição é o processo de formação de uma molécula de RNA a partir de uma molécula molde
Leia maisInteligência Artificial. Redes Neurais Artificiais
Curso de Especialização em Sistemas Inteligentes Aplicados à Automação Inteligência Artificial Redes Neurais Artificiais Aulas Práticas no Matlab João Marques Salomão Rodrigo Varejão Andreão Matlab Objetivos:
Leia maisBioinformática Aula 01
Bioinformática Aula 01 Prof. Ricardo Martins Ramos * * Doutorando em Genética e Toxicologia Aplicada CEFET-PI/ULBRA-RS Linha de Pesquisa Bioinformática Estrutural E-mail: ricardo@cefetpi.br Visão Holística
Leia maisExtração de Árvores de Decisão com a Ferramenta de Data Mining Weka
Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka 1 Introdução A mineração de dados (data mining) pode ser definida como o processo automático de descoberta de conhecimento em bases de
Leia maisComplemento II Noções Introdutória em Redes Neurais
Complemento II Noções Introdutória em Redes Neurais Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações
Leia maisMINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br
MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para
Leia maisAula 2 RNA Arquiteturas e Treinamento
2COP229 Aula 2 RNA Arquiteturas e Treinamento 2COP229 Sumário 1- Arquiteturas de Redes Neurais Artificiais; 2- Processos de Treinamento; 2COP229 1- Arquiteturas de Redes Neurais Artificiais -Arquitetura:
Leia maisFigura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001
47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações
Leia maisMatlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida
27 de maio de 2014 O que é a Neural Networw Toolbox? A Neural Network Toolbox fornece funções e aplicativos para a modelagem de sistemas não-lineares complexos que não são facilmente modelados com uma
Leia maisACESSO VESTIBULAR QUESTÕES DE PROCESSAMENTO DE RNA OU SPLICING 01. (MAMA 2007.1) PÁGINAS OCULTAS NO LIVRO DA VIDA
ACESSO VESTIBULAR QUESTÕES DE PROCESSAMENTO DE RNA OU SPLICING 01. (MAMA 2007.1) PÁGINAS OCULTAS NO LIVRO DA VIDA Os biólogos supunham que apenas as proteínas regulassem os genes dos seres humanos e dos
Leia maisLINGUAGEM DE BANCO DE DADOS
LINGUAGEM DE BANCO DE DADOS Gabriela Trevisan Bacharel em Sistemas de Informação Universidade Federal do Rio Grande Pós-Graduanda Formação Pedagógica de Professores (FAQI) Conceito de BD Um banco de dados
Leia maisDNA barcoding é um método que utiliza um trecho do DNA de cerca de 650 nucleotídeos como marcador para caracterizar espécies. Trata-se de uma sequência extremamente curta em relação à totalidade do genoma,
Leia maisPrevayler. Perola. André Luís Sales de Moraes Juliana Keiko Yamaguchi Tatiana Yuka Takaki
Prevayler Perola André Luís Sales de Moraes Juliana Keiko Yamaguchi Tatiana Yuka Takaki Prevayler Prevayler é a implementação em Java do conceito de Prevalência. É um framework que prega uma JVM invulnerável
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Horários Aulas Sala [quinta-feira, 7:30 12:00] Atendimento Segunda
Leia maisPORTAL DE COMPRAS SÃO JOSÉ DO RIO PRETO
Compra Direta - Guia do Fornecedor PORTAL DE COMPRAS SÃO JOSÉ DO RIO PRETO Página As informações contidas neste documento, incluindo quaisquer URLs e outras possíveis referências a web sites, estão sujeitas
Leia maisManual Portal Ambipar
Manual Portal Ambipar Acesso Para acessar o Portal Ambipar, visite http://ambipar.educaquiz.com.br. Login Para efetuar o login no Portal será necessário o e-mail do Colaborador e a senha padrão, caso a
Leia maisMEDICINA VETERINÁRIA. Disciplina: Genética Animal. Prof a.: Drd. Mariana de F. G. Diniz
MEDICINA VETERINÁRIA Disciplina: Genética Animal Prof a.: Drd. Mariana de F. G. Diniz Gene, é a unidade fundamental da hereditariedade. Cada gene é formado por uma sequência específica de ácidos nucléicos
Leia maisComplemento IV Introdução aos Algoritmos Genéticos
Complemento IV Introdução aos Algoritmos Genéticos Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações e
Leia maisEspecificação do 3º Trabalho
Especificação do 3º Trabalho I. Introdução O objetivo deste trabalho é abordar a prática da programação orientada a objetos usando a linguagem Java envolvendo os conceitos de classe, objeto, associação,
Leia maisAplicações Práticas com Redes Neurais Artificiais em Java
com em Java Luiz D Amore e Mauro Schneider JustJava 2009 17 de Setembro de 2009 Palestrantes Luiz Angelo D Amore luiz.damore@metodista.br Mauro Ulisses Schneider mauro.schneider@metodista.br http://blog.mauros.org
Leia maisClassificação Automática dos Usuários da Rede Social Acadêmica Scientia.Net
Classificação Automática dos Usuários da Rede Social Acadêmica Scientia.Net Vinícius Ponte Machado 1, Bruno Vicente Alves de Lima 2, Heloína Alves Arnaldo 3, Sanches Wendyl Ibiapina Araújo 4 Departamento
Leia maisROTEIRO PARA TREINAMENTO DO SAGRES DIÁRIO Guia do Docente
Conceito ROTEIRO PARA TREINAMENTO DO SAGRES DIÁRIO Guia do Docente O Sagres Diário é uma ferramenta que disponibiliza rotinas que facilitam a comunicação entre a comunidade Docente e Discente de uma instituição,
Leia maisPrincípios moleculares dos processos fisiológicos
2012-04-30 UNIVERSIDADE AGOSTINHO NETO FACULDADE DE CIÊNCIAS DEI-BIOLOGIA ---------------------------------------------- Aula 5: Princípios moleculares dos processos fisiológicos (Fisiologia Vegetal, Ano
Leia maisPLANILHA PARA GERENCIAR NOTAS DAS TURMAS
PLANILHA PARA GERENCIAR NOTAS DAS TURMAS INTRODUÇÃO Faça download de um dos arquivos de acordo com o software de planilha eletrônica disponível em sua máquina: Excel 97-03 https://dl.dropboxusercontent.com/u/5308498/rem_planilhaexemplo.xls
Leia maisAvaliando o que foi Aprendido
Avaliando o que foi Aprendido Treinamento, teste, validação Predição da performance: Limites de confiança Holdout, cross-validation, bootstrap Comparando algoritmos: o teste-t Predecindo probabilidades:função
Leia maisSistema de mineração de dados para descobertas de regras e padrões em dados médicos
Sistema de mineração de dados para descobertas de regras e padrões em dados médicos Pollyanna Carolina BARBOSA¹; Thiago MAGELA² 1Aluna do Curso Superior Tecnólogo em Análise e Desenvolvimento de Sistemas
Leia maisHoje estudaremos a bioquímica dos ácidos nucléicos. Acompanhe!
Aula: 2 Temática: Ácidos Nucléicos Hoje estudaremos a bioquímica dos ácidos nucléicos. Acompanhe! Introdução: Os ácidos nucléicos são as moléculas com a função de armazenamento e expressão da informação
Leia maisAnálise de Ponto de Função
Complemento para o Curso Análise de Ponto de Função FUNÇÕES DO TIPO DADO O termo Arquivo não significa um arquivo do sistema operacional, como é comum na área de processamento de dados. Se refere a um
Leia maisComo o DNA nuclear comanda todo o funcionamento da célula????
início Moléculas de RNA Como o DNA nuclear comanda todo o funcionamento da célula???? gene DNA espaçador fim Profa Estela Rossetto início O que faz o DNA? http://rizomas. net/ensino-debiologia/recur sospedagogicos/2
Leia maisIntrodução à genética quantitativa usando os recursos do R
Introdução à genética quantitativa usando os recursos do R Marisa R. Cantarino 1 Julia M. P. Soler (orientadora) 2 1 Introdução Um dos principais desafios da pesquisa genética atualmente é estabelecer
Leia maisModelos Pioneiros de Aprendizado
Modelos Pioneiros de Aprendizado Conteúdo 1. Hebb... 2 2. Perceptron... 5 2.1. Perceptron Simples para Classificaçãod e Padrões... 6 2.2. Exemplo de Aplicação e Motivação Geométrica... 9 2.3. Perceptron
Leia maisProcedimentos para Reinstalação do Sisloc
Procedimentos para Reinstalação do Sisloc Sumário: 1. Informações Gerais... 3 2. Criação de backups importantes... 3 3. Reinstalação do Sisloc... 4 Passo a passo... 4 4. Instalação da base de dados Sisloc...
Leia maisRedes Neurais. A IA clássica segue o paradigma da computação simbólica
Abordagens não simbólicas A IA clássica segue o paradigma da computação simbólica Redes Neurais As redes neurais deram origem a chamada IA conexionista, pertencendo também a grande área da Inteligência
Leia maisMINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES
MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES Kelton Costa; Patricia Ribeiro; Atair Camargo; Victor Rossi; Henrique Martins; Miguel Neves; Ricardo Fontes. kelton.costa@gmail.com; patriciabellin@yahoo.com.br;
Leia maisHardware (Nível 0) Organização. Interface de Máquina (IM) Interface Interna de Microprogramação (IIMP)
Hardware (Nível 0) Organização O AS/400 isola os usuários das características do hardware através de uma arquitetura de camadas. Vários modelos da família AS/400 de computadores de médio porte estão disponíveis,
Leia maisTÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE
TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto Estudos Comparativos Recentes - Behavior Scoring Roteiro Objetivo Critérios de Avaliação
Leia maisDo neurônio biológico ao neurônio das redes neurais artificiais
Do neurônio biológico ao neurônio das redes neurais artificiais O objetivo desta aula é procurar justificar o modelo de neurônio usado pelas redes neurais artificiais em termos das propriedades essenciais
Leia maisManual de Utilização das Funções Básicas do Sistema ClinicWeb
Manual de Utilização das Funções Básicas do Sistema ClinicWeb Dezembro/2012 2 Manual de Utilização das Funções Básicas do Sistema ClinicWeb Sumário de Informações do Documento Título do Documento: Resumo:
Leia maisSistema Tutor Inteligente baseado em Agentes. Pedagógicas da Universidade Aberta do Piauí. Prof. Dr. Vinicius Ponte Machado
Sistema Tutor Inteligente baseado em Agentes na Plataforma MOODLE para Apoio às Atividades Pedagógicas da Universidade Aberta do Piauí Prof. Dr. Vinicius Ponte Machado Parnaíba, 14 de Novembro de 2012
Leia maisPROTÓTIPO DE UM SISTEMA DE MONITORAÇÃO UTILIZANDO CIRCUITO FECHADO DE TELEVISÃO (CFTV)
UNIVERSIDADE REGIONAL DE BLUMENAU CURSO DE SISTEMAS DE INFORMAÇÃO PROTÓTIPO DE UM SISTEMA DE MONITORAÇÃO UTILIZANDO CIRCUITO FECHADO DE TELEVISÃO (CFTV) EDERSON JOSÉ PROF. DALTON SOLANO DOS REIS, Orientador
Leia maisO DNA é formado por pedaços capazes de serem convertidos em algumas características. Esses pedaços são
Atividade extra Fascículo 2 Biologia Unidade 4 Questão 1 O DNA é formado por pedaços capazes de serem convertidos em algumas características. Esses pedaços são chamados de genes. Assinale abaixo quais
Leia maisEngenharia de Software III
Engenharia de Software III Casos de uso http://dl.dropbox.com/u/3025380/es3/aula6.pdf (flavio.ceci@unisul.br) 09/09/2010 O que são casos de uso? Um caso de uso procura documentar as ações necessárias,
Leia maisÁcidos nucléicos. São polímeros compostos por nucleotídeos. Açúcar - pentose. Grupo fosfato. Nucleotídeo. Base nitrogenada
ÁCIDOS NUCLÉICOS Ácidos nucléicos São polímeros compostos por nucleotídeos Açúcar - pentose Nucleotídeo Grupo fosfato Base nitrogenada Composição dos Ácidos nucléicos pentoses: numeração da pentose: pentose
Leia maisÁCIDOS NUCLEÍCOS RIBOSSOMO E SÍNTESE PROTEÍCA
ÁCIDOS NUCLEÍCOS RIBOSSOMO E SÍNTESE PROTEÍCA ÁCIDOS NUCLÉICOS: Moléculas orgânicas complexas, formadas polimerização de nucleotídeos (DNA e RNA) pela Contêm a informação que determina a seqüência de aminoácidos
Leia maisComo funciona? SUMÁRIO
SUMÁRIO 1. Introdução... 2 2. Benefícios e Vantagens... 2 3. Como utilizar?... 2 3.1. Criar Chave / Senha de Usuário... 2 3.2. Recursos da Barra Superior... 2 3.2.1. Opções... 3 3.2.1.1. Mover Para...
Leia maisAP_ Conta Aplicativo para digitação e envio de contas médicas no padrão TISS
AP_ Conta Aplicativo para digitação e envio de contas médicas no padrão TISS Manual de Instalação Tempro Software StavTISS Sumário 1. INTRODUÇÃO... 2 2. REQUISITOS DO SISTEMA... 3 3. INSTALAÇÃO... 4 4.
Leia maisNome: Login: CA: Cidade: UF CARTÃO RESPOSTA QUESTÃO RESPOSTA QUESTÃO RESPOSTA
ANÁLISE E DESENVOLVIMENTO DE SISTEMAS TURMA 2008 3º PERÍODO - 5º MÓDULO AVALIAÇÃO A4 DATA 23/04/2009 ENGENHARIA DE SOFTWARE Dados de identificação do Acadêmico: Nome: Login: CA: Cidade: UF CARTÃO RESPOSTA
Leia maisTÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA
TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA CATEGORIA: CONCLUÍDO ÁREA: ENGENHARIAS E ARQUITETURA SUBÁREA: ENGENHARIAS
Leia mais3 Um Framework Orientado a Aspectos para Monitoramento e Análise de Processos de Negócio
32 3 Um Framework Orientado a Aspectos para Monitoramento e Análise de Processos de Negócio Este capítulo apresenta o framework orientado a aspectos para monitoramento e análise de processos de negócio
Leia maisXIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO
XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO EPE0147 UTILIZAÇÃO DA MINERAÇÃO DE DADOS EM UMA AVALIAÇÃO INSTITUCIONAL
Leia maisPONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas
PONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas CMP1132 Processo e qualidade de software II Prof. Me. Elias Ferreira Sala: 402 E Quarta-Feira:
Leia maisUNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS
UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS Curso: Informática Disciplina: Redes Neurais Prof. Fernando Osório E-mail: osorio@exatas.unisinos.br EXEMPLO DE QUESTÕES DE PROVAS ANTIGAS 1. Supondo que
Leia maisAlgoritmos e Programação (Prática) Profa. Andreza Leite andreza.leite@univasf.edu.br
(Prática) Profa. Andreza Leite andreza.leite@univasf.edu.br Introdução O computador como ferramenta indispensável: Faz parte das nossas vidas; Por si só não faz nada de útil; Grande capacidade de resolução
Leia maisPrograma de Pós-Graduação Stricto Sensu em Biologia Computacional e Sistemas. Seleção de Mestrado 2012-B
Programa de Pós-Graduação Stricto Sensu em Biologia Computacional e Sistemas Seleção de Mestrado 2012-B INSTRUÇÕES (LEIA ATENTAMENTE ANTES DE PREENCHER A PROVA): a. Identifique sua prova unicamente com
Leia maisFluxo de trabalho do Capture Pro Software: Indexação de OCR e separação de documentos de código de correção
Este procedimento corresponde ao fluxo de trabalho de Indexação de OCR com separação de código de correção no programa de treinamento do Capture Pro Software. As etapas do procedimento encontram-se na
Leia maisCENTRO UNIVERSITÁRIO CATÓLICA DE SANTA CATARINA PRÓ-REITORIA ACADÊMICA NÚCLEO DE EDUCAÇÃO EM AMBIENTES DIGITAIS NEAD
0 CENTRO UNIVERSITÁRIO CATÓLICA DE SANTA CATARINA PRÓ-REITORIA ACADÊMICA NÚCLEO DE EDUCAÇÃO EM AMBIENTES DIGITAIS NEAD ORIENTAÇÕES SOBRE USO DO AMBIENTE VIRTUAL DE APRENDIZAGEM (MOODLE) PARA DISPONIBILIZAÇÃO
Leia maisReplicação Quais as funções do DNA?
Replicação Quais as funções do DNA? Aula nº 4 22/Set/08 Prof. Ana Reis Replicação O DNA é a molécula que contém a informação para todas as actividades da célula. Uma vez que as células se dividem, é necessário
Leia maisATENÇÃO: * Arquivos com tamanho superior a 500 KB NÃO SERÃO ACEITOS * SOMENTE serão aceitos documentos do formato: PDF
TUTORIAL DE DIGITALIZAÇÃO DIRIGIDO AO USO DO PROCESSO ELETRÔNICO Adaptado do tutorial elaborado pelo colega MAICON FALCÃO, operador de computador da subseção judiciária de Rio Grande. Introdução Este tutorial
Leia maisCONTROLE DO METABOLISMO GENES
CONTROLE DO METABOLISMO GENES 10/06/15 1º ANO - BIOLOGIA 1 ESTRUTURA DO GENE Segmentos (pedaços) da molécula de DNA, o constituinte dos nossos cromossomos, onde estão inscritas receitas (códigos genéticos)
Leia maisTerraView. O TerraView está estruturado da seguinte forma: - Modelo de dados
TerraView O TerraView é um aplicativo desenvolvido pelo DPI/INPE e construído sobre a biblioteca de geoprocessamento TerraLib, tendo como principais objetivos: - Apresentar à comunidade um fácil visualizador
Leia maisManual de Utilização
SisCob Manual de Utilização Empresa Brasileira de Pesquisa Agropecuária Embrapa Instrumentação Agropecuária Ministério da Agricultura, Pecuária e Abastecimento SisCob: Manual de Utilização Lúcio André
Leia maisPag: 1/20. SGI Manual. Controle de Padrões
Pag: 1/20 SGI Manual Controle de Padrões Pag: 2/20 Sumário 1 Introdução...3 2 Cadastros Básicos...5 2.1 Grandezas...5 2.2 Instrumentos (Classificação de Padrões)...6 3 Padrões...9 3.1 Padrão Interno...9
Leia maisComo gerar arquivos para Sphinx Operador
Como gerar arquivos para Sphinx Operador Pré-requisitos: Lista das questões Formulário multimídia Visões O Sphinx Operador é um sistema específico para digitação de respostas e visualização de resultados
Leia maisApesar de existirem diversas implementações de MVC, em linhas gerais, o fluxo funciona geralmente da seguinte forma:
1 Introdução A utilização de frameworks como base para a construção de aplicativos tem sido adotada pelos desenvolvedores com três objetivos básicos. Primeiramente para adotar um padrão de projeto que
Leia maisManual AGENDA DE BACKUP
Gemelo Backup Online DESKTOP Manual AGENDA DE BACKUP Realiza seus backups de maneira automática. Você só programa os dias e horas em que serão efetuados. A única coisa que você deve fazer é manter seu
Leia maisEquipe de Biologia. Biologia
Aluno (a): Série: 3ª Turma: TUTORIAL 5B Ensino Médio Equipe de Biologia Data: Biologia Ácidos nucléicos Os ácidos nucléicos são moléculas gigantes (macromoléculas), formadas por unidades monoméricas menores
Leia mais- Ácido ribonucléico (ARN ou RNA): participa do processo de síntese de proteínas.
1- TIPOS DE ÁCIDO NUCLÉICO: DNA E RNA Existem dois tipos de ácidos nucléicos: - Ácido desoxirribonucléico (ADN ou DNA): é o principal constituinte dos cromossomos, estrutura na qual encontramos os genes,
Leia maisBusca. Pesquisa sequencial
Busca Banco de dados existem para que, de tempos em tempos, um usuário possa localizar o dado de um registro, simplesmente digitando sua chave. Uma tabela ou um arquivo é um grupo de elementos, cada um
Leia maisAnálise de Dados do Financeiro
Análise de Dados do Financeiro Introdução Para reunir em um só local as informações de contas a pagar e receber cadastradas e/ou geradas no sistema TTransp existe a interface de análise de dados do financeiro.
Leia maisMicrosoft Access XP Módulo Um
Microsoft Access XP Módulo Um Neste primeiro módulo de aula do curso completo de Access XP vamos nos dedicar ao estudo de alguns termos relacionados com banco de dados e as principais novidades do novo
Leia maisWeb Data mining com R: aprendizagem de máquina
Web Data mining com R: aprendizagem de máquina Fabrício Jailson Barth Faculdade BandTec e VAGAS Tecnologia Junho de 2013 Sumário O que é Aprendizagem de Máquina? Hierarquia de aprendizado. Exemplos de
Leia maisExplorando bancos de dados genômicos e introdução à bioinformática. Guilherme Targino Valente Marcos Tadeu Geraldo. Bioinformática
Explorando bancos de dados genômicos e introdução à bioinformática Guilherme Targino Valente Marcos Tadeu Geraldo 22/07/2011 Bioinformática É a aplicação de estatística e ciência da computação no campo
Leia maisPortal Sindical. Manual Operacional Empresas/Escritórios
Portal Sindical Manual Operacional Empresas/Escritórios Acesso ao Portal Inicialmente, para conseguir acesso ao Portal Sindical, nos controles administrativos, é necessário acessar a página principal da
Leia mais3 Metodologia de Previsão de Padrões de Falha
3 Metodologia de Previsão de Padrões de Falha Antes da ocorrência de uma falha em um equipamento, ele entra em um regime de operação diferente do regime nominal, como descrito em [8-11]. Para detectar
Leia maisSUMÁRIO Acesso ao sistema... 2 Atendente... 3
SUMÁRIO Acesso ao sistema... 2 1. Login no sistema... 2 Atendente... 3 1. Abrindo uma nova Solicitação... 3 1. Consultando Solicitações... 5 2. Fazendo uma Consulta Avançada... 6 3. Alterando dados da
Leia maisDATA WAREHOUSE. Introdução
DATA WAREHOUSE Introdução O grande crescimento do ambiente de negócios, médias e grandes empresas armazenam também um alto volume de informações, onde que juntamente com a tecnologia da informação, a correta
Leia maisManual AGENDA DE BACKUP
Gemelo Backup Online DESKTOP Manual AGENDA DE BACKUP Realiza seus backups de maneira automática. Você só programa os dias e horas em que serão efetuados. A única coisa que você deve fazer é manter seu
Leia maisRelatório de uma Aplicação de Redes Neurais
UNIVERSIDADE ESTADUAL DE MONTES CLAROS CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS DEPARTAMENTO DE CIÊNCIAS DA COMPUTACAÇÃO ESPECIALIZAÇÃO EM ENGENHARIA DE SISTEMAS DISCIPLINA: REDES NEURAIS PROFESSOR: MARCOS
Leia maisOrganização do Material Genético nos Procariontes e Eucariontes
Organização do Material Genético nos Procariontes e Eucariontes Organização do Material Genético nos Procariontes e Eucariontes Procariontes Eucariontes Localização Organização Forma Disperso no citoplasma
Leia maisPesquisa em Memória Primária. Prof. Jonas Potros
Pesquisa em Memória Primária Prof. Jonas Potros Pesquisa em Memoria Primária Estudo de como recuperar informação a partir de uma grande massa de informação previamente armazenada. A informação é dividida
Leia maisProjetos. Universidade Federal do Espírito Santo - UFES. Mestrado em Informática 2004/1. O Projeto. 1. Introdução. 2.
Pg. 1 Universidade Federal do Espírito Santo - UFES Mestrado em Informática 2004/1 Projetos O Projeto O projeto tem um peso maior na sua nota final pois exigirá de você a utilização de diversas informações
Leia maisUNIVERSIDADE GAMA FILHO Laboratório de Controle I - MATLAB
NOME: UNIVERSIDADE GAMA FILHO Laboratório de Controle I - MATLAB O que é o Matlab? O Matlab é um sistema para cálculo científico que proporciona um ambiente de fácil utilização com uma notação intuitiva,
Leia maisUm Processo para Desenvolvimento de Aplicações Web Baseado em Serviços. Autores: Fábio Zaupa, Itana Gimenes, Don Cowan, Paulo Alencar e Carlos Lucena
Um Processo para Desenvolvimento de Aplicações Web Baseado em Serviços Autores: Fábio Zaupa, Itana Gimenes, Don Cowan, Paulo Alencar e Carlos Lucena Tópicos Motivação e Objetivos LP e SOA Processo ADESE
Leia maisNotas da Aula 17 - Fundamentos de Sistemas Operacionais
Notas da Aula 17 - Fundamentos de Sistemas Operacionais 1. Gerenciamento de Memória: Introdução O gerenciamento de memória é provavelmente a tarefa mais complexa de um sistema operacional multiprogramado.
Leia maisDemonstrativo de Informações Previdenciárias e Repasses
CADPREV CADPREV Ente Local Aplicativo Desktop Manual do Usuário Demonstrativo de Informações Previdenciárias e Repasses Data Publicação: 28/08/2013 1 de 21 Índice 1 Finalidade... 3 2 Visão Geral... 3 3
Leia maisIntrodução. à Linguagem JAVA. Prof. Dr. Jesus, Edison O. Instituto de Matemática e Computação. Laboratório de Visão Computacional
Introdução à Linguagem JAVA Prof. Dr. Jesus, Edison O. Instituto de Matemática e Computação Laboratório de Visão Computacional Vantagens do Java Independência de plataforma; Sintaxe semelhante às linguagens
Leia maisCOMUNICAÇÃO DA INFORMAÇÃO NAS MOLÉCULAS DE DNA E RNA
COMUNICAÇÃO DA INFORMAÇÃO NAS MOLÉCULAS DE DNA E RNA Andréia Cristina Hypólito José 11075810 Fernando Caldas Oliveira 11085410 Giovana Zaninelli 11017210 Renato Fernandes Sartori 11061110 Rodrigo de Mello
Leia mais7.Conclusão e Trabalhos Futuros
7.Conclusão e Trabalhos Futuros 158 7.Conclusão e Trabalhos Futuros 7.1 Conclusões Finais Neste trabalho, foram apresentados novos métodos para aceleração, otimização e gerenciamento do processo de renderização
Leia maisManual Módulo Livro Caixa Livro Caixa Atualizada com a versão 1.3.0
Manual Módulo Livro Caixa Livro Caixa Atualizada com a versão 1.3.0 Noções Gerais: Pg. 02 Instruções para instalação Pg. 02 Ferramentas úteis Pg. 04 Menu Arquivos Empresas Usuárias Pg. 05 Ativar Empresa
Leia maisMelhorias e Correções Patch's
Melhorias e Correções Patch's Relações de Melhorias ID Descrição 6355 Curva S de Evolução Histórica No painel executivo foi acrescentado o gráfico com a Curva S, para o período selecionado, de Percentual
Leia maisGERAÇÃO DE RELATÓRIOS
UNIOESTE Universidade Estadual do Oeste do Paraná CCET - CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS Colegiado de Ciência da Computação Curso de Bacharelado em Ciência da Computação GERAÇÃO DE RELATÓRIOS
Leia maisCriando Quiz com BrOffice.impress
Criando Quiz com BrOfficeimpress A ferramenta de apresentação possibilita o desenvolvimento de várias atividades interativas como: Sete erros Quiz (Perguntas/Respostas), Colocar em ordem objetos, alfabeto,
Leia maisModelos do Design de Software
Modelos do Design de Software Modelos do Design de Software O processo de design na Engenharia de Software parte de três pressupostos básicos: O resultado do design é um produto; O produto é derivado de
Leia maisMarco A. M. de Melo e Fernando S. P. Gonçalves MANAGER
Marco A. M. de Melo e Fernando S. P. Gonçalves MANAGER S.O.S BACKUP - MANAGER. Nenhuma porção deste livro pode ser reproduzida ou transmitida em qualquer forma ou por qualquer meio eletrônico ou mecânico,
Leia maisProcedimentos para Instalação do SISLOC
Procedimentos para Instalação do SISLOC Sumário 1. Informações Gerais...3 2. Instalação do SISLOC...3 Passo a passo...3 3. Instalação da Base de Dados SISLOC... 11 Passo a passo... 11 4. Instalação de
Leia mais