Análise de composição de conjunto de treinamento para avaliação de aprendizagem de máquina aplicada à predição de genes

• Raíssa da Silva UFPA
• Kleber Padovani UFPA
• Wendel Santos UFPA
• Roberto Xavier UFPA
• Ronnie Alves UFPA / ITV

DOI: https://doi.org/10.5753/bsb_estendido.2018.8798

Resumo

A metagenômica realiza o estudo de comunidades microbianas, conhecidas como metagenomas, descrevendo-as por meio de suas composições e das relações e atividades dos microrganismos que ali coabitam, permitindo assim um maior conhecimento a respeito dos fundamentos da vida e da ampla e ainda pouco conhecida — diversidade microbiológica. Uma das formas de se realizar tal descrição é por meio da análise de informações de genes contidos em (meta)genomas, extraídas através do processo de identificação de genes em sequências de DNA denominado predicão de genes. Este trabalho apresenta um estudo de caso que permite a analise do impacto da composição do conjunto de treinamento ao se utilizar aprendizagem de maquina na predição de genes codificadores de proteína.

Palavras-chave: Gene Identification, Regulation and Expression Analysis

Referências

Breiman, L. (2001). Random forests. Machine learning, 45(1):5–32.

De Filippo, C., Ramazzotti, M., Fontana, P., and Cavalieri, D. (2012). Bioinformatic approaches for functional annotation and pathway inference in metagenomics data. Briefings in bioinformatics, 13(6):696–710.

Fassetti, F., Giallombardo, C., Leone, O., Palopoli, L., Rombo, S. E., Ruffolo, P., and Saiardi, A. (2017). Automatic simulation of rna editing in plants for the identification of novel putative open reading frames. PeerJ Preprints, 5:e3362v1.

Goés, F., Alves, R., Correa, L., Chaparro, C., and Thom, L. (2014). Towards an ensemble learning strategy for metagenomic gene prediction. In Advances in Bioinformatics and Computational Biology, pages 17–24. Springer International Publishing.

Hoff, K. J. (2009). Gene prediction in metagenomic sequencing reads. PhD thesis, Georg August University Gottingen.

Kuhn, M. (2008). Building predictive models inRUsing thecaretPackage. Journal of Statistical Software, 28(5).

Noguchi, H., Taniguchi, T., and Itoh, T. (2008). Metageneannotator: detecting species-specific patterns of ribosomal binding site for precise gene prediction in anonymous prokaryotic and phage genomes. DNA research, 15(6):387–396.

Rho, M., Tang, H., and Ye, Y. (2010). Fraggenescan: predicting genes in short and error-prone reads. Nucleic acids research, page 747.

Sieber, P., Platzer, M., and Schuster, S. (2018). The definition of open reading frame revisited. Trends in Genetics, 34(3):167–170.

Zhu, W., Lomsadze, A., and Borodovsky, M. (2010). Ab initio gene identification in metagenomic sequences. Nucleic acids research, 38(12):e132–e132.