Uma metodologia para seleção de parâmetros em modelos de classificação de proteínas.

Os principais desafios relacionados ao problema de classificação de enzimas em banco de dados de estruturas de proteínas são: 1) o ruído presente nos dados; 2) o grande número de variáveis; 3) o número não-balanceado de membros por classe. Para abordar esses desafios, apresenta-se uma metodologia para seleção de parâmetros, que combina recursos de matemática (ex: Transformada Discreta do Cosseno) e da estatística (ex:.g., correlação de variáveis e amostragem com reposição). A metodologia foi validada considerando-se os três principais métodos de classificação da literatura, a saber; árvore de decisão, classificação Bayesiana e redes neurais. Os experimentos demonstram que essa metodologia é simples, eficiente e alcança resultados semelhantes àqueles obtidos pelas principais técnicas para seleção de parâmetros na literatura.Termos para indexação classificação de enzimas,predição de função de proteínas, estruturas de proteínas, banco de dados de proteínas, seleção de parâmetros, métodos para classsificação de dados.

Busca e classificação sistemática das proteínas oxigenases com ferro não hêmico em plantas

As proteínas oxigenases com ferro não hêmico compartilham um domínio conservado composto por oito histidinas, podem ser encontradas em organismos eucariotos e procariotos, e participam de importantes vias de biossíntese lipídica. Para compreender a relação evolutiva existente entre essas proteínas, foram realizadas análises comparativa e filogenética em procariotos e eucariotos que permitiram uma classificação dessa família, até então inexistente. A busca de seqüências resultou, após a curadoria, em uma coleção de 448 proteínas, pertencentes a 58 organismos previamente selecionados dentro dos principais taxa. O alinhamento múltiplo de seqüências gerado com a ferramenta MAFFT (BLOSUM 62; L-INS-i) mostrou a presença do domínio de histidinas com espaçamento conservado entre os motivos. A classificação das proteínas feita com o software CLANS gerou 28 grupos a partir da similaridade entre pares de seqüências. Dentre esses, 2 contêm seqüências que não tiveram similaridade com proteínas já caracterizadas e 48 seqüências não foram atribuídas a quaisquer dos grupos formados. As seqüências de plantas, representadas por 119 seqüências da coleção, foram distribuídas em 7 grupos correspondentes às funções C4 metilesterol monoxigenase, C5 esterol desaturase, ácido graxo hidroxilase, esfingolipídeo C4 monooxigenase, aldeído decarbonilase, β-caroteno hidroxilase e Acil-ACP desaturase. A análise filogenética, utilizando o método de máxima verossimilhança com a ferramenta PhyML, mostrou a formação de grupos bem definidos e que foram similares aos gerados por CLANS. Esses resultados começam a preencher a lacuna existente até o momento acerca da relação evolutiva e da classificação das oxigenases com ferro não hêmico. Além disso, sugerem que dentro dessa família ainda há proteínas com funções desconhecidas, reforçando a necessidade de realizar mais estudos de caracterização funcional das mesmas.

Ferramentas quimiométricas aplicadas a classificação de amostras de leite em pó e quantificação de proteínas

In this work we used chemometric tools to classify and quantify the protein content in samples of milk powder. We applied the NIR diffuse reflectance spectroscopy combined with multivariate techniques. First, we carried out an exploratory method of samples by principal component analysis (PCA), then the classification of independent modeling of class analogy (SIMCA). Thus it became possible to classify the samples that were grouped by similarities in their composition. Finally, the techniques of partial least squares regression (PLS) and principal components regression (PCR) allowed the quantification of protein content in samples of milk powder, compared with the Kjeldahl reference method. A total of 53 samples of milk powder sold in the metropolitan areas of Natal, Salvador and Rio de Janeiro were acquired for analysis, in which after pre-treatment data, there were four models, which were employed for classification and quantification of samples. The methods employed after being assessed and validated showed good performance, good accuracy and reliability of the results, showing that the NIR technique can be a non invasive technique, since it produces no waste and saves time in analyzing the samples

Detecção de anticorpos séricos produzidos contra as proteínas do bacteriófago 17 do Aggregatibacter actinomycetemcomitans.

Aggregatibacter actinomycetemcomitans (Aa) é uma bactéria associada à Periodontite Agressiva (PA). Ela invade tecidos moles, com ocorrência de lisogenia e bacteriófagos presentes em até 69% das subespécies. Estudos in vitro sugerem que a indução do bacteriófago (Aa17) ocorre numa co-cultura de Aa lisogênico com fibroblastos humanos. Se esta interação ocorre in vivo, com liberação do vírus, uma reação imunológica contra o Aa17 aconteceria. O objetivo deste estudo é constatar se anticorpos (AC) contra proteínas do Aa17 existem e estão associados à doença periodontal. Um objetivo adicional foi testar a resposta de AC contra os sorotipos do Aa. 52 indivíduos participaram: 31 com PA, 5 com Periodontite Crônica (PC) e 16 com Periodonto Saudável (PS). Soro foi coletado após a classificação clínica. As proteínas do Aa17 foram obtidas de preparações purificadas. As subespécies do Aa utilizadas para amostras de proteínas através de sonicação foram: 43717(American Tissue Culture Collection - ATCC) sorotipo A, 43718 (ATCC) sorotipo B, 33384 (ATCC) sorotipo C, IDH781 sorotipo D, NJ9500 sorotipo E and CU1000 sorotipo F. As proteínas foram separadas em géis de poliacrilamida e transferidas para membranas de nitrocelulose. As reações de Western-blotting ocorreram com o AC primário sendo o soro de cada indivíduo. Todas as membranas foram lidas pelo sistema Odyssey que captura sinais no AC secundário (antihumano). A resposta de AC contra ao menos uma proteína do Aa17, assim como pelo menos um sorotipo do Aa foi observado em todos, com exceção de dois indivíduos (com PS), participantes. Um indivíduo do grupo PC e três do PA tiveram resposta de AC contra alguns, mas não todos os sorotipos do Aa. A resposta de AC contra todos os sorotipos foi o achado mais comum nos grupos PA (28/31), PS (14/16) e PC (4/5). A resposta de AC contra o complexo de proteínas do Aa17 foi observado em 7 indivíduos com PA, 2 com PC e 6 com PS. A presença de AC contra qualquer proteína do Aa17 tem significância estatística (p= 0,044), assim como a resposta de AC contra o sorotipo C (p= 0,044). Reações intensas foram vistas quando o soro reagiu contra proteínas do sorotipo C; em alguns casos um sinal tão forte que cobriu a maioria da faixa. Essa resposta intensa esteve presente em 17, 3 e 1 dos indivíduos com PA, PC e PS e tem significância estatística entre os grupos PA e PS (p= 0,001). A resposta de AC contra uma proteína do Aa17 ou seu complexo foi observado em todos os grupos. Esse achado sugere que a indução in vitro do Aa17 poderia também ocorrer in vivo, embora não sendo necessariamente associada à periodontite. A resposta de AC contra vários sorotipos do Aa foi um achado comum e não associado com a doença. Entretanto, a presença e a intensidade da resposta de AC contra o sorotipo C está associada à PA.

Correlação da atividade de lactato desidrogenase e concentração de lactato com a classificação de efusões em cães

As efusões são problemas clínicos frequentes e que ocorrem em consequência de uma enfermidade que culmine com diminuição da pressão coloidosmótica intravascular, elevação da pressão hidrostática local, aumento da permeabilidade vascular e/ou comprometimento da drenagem realizada pelos vasos linfáticos. Dessa maneira, a avaliação laboratorial desse fluido torna-se relevante para que, em conjunto com os sinais clínicos apresentados pelo paciente, possa ser firmado um possível diagnóstico e instituída ação terapêutica adequada. Assim sendo, a classificação de uma efusão em transudato ou exsudato torna-se um dos pontos críticos para a elucidação do diagnóstico e condução do caso clínico. em Medicina Veterinária, o método tradicional de classificação de uma efusão é baseado na contagem celular e na concentração de proteínas do fluido. Contudo, diversos estudos evidenciam que tais parâmetros não são suficientes para a correta classificação de todas as efusões. Assim, o presente estudo foi conduzido com o objetivo de verificar a correlação de outros parâmetros bioquímicos com a diferenciação das efusões transudativas e exsudativas e, para tal, foram avaliadas as atividades de lacatato desidrogenase (LDH) das efusões, a relação de sua atividade fluido/soro, concentração de lactato das efusões, o gradiente de concentração de lactato do soro para o fluido e a concentração de proteínas das efusões. Os resultados obtidos permitiram observar que a atividade de LDH, a relação LDH efusão/soro, a concentração de lactato e o gradiente de concentração de lactato soro/efusão apresentam diferença estatisticamente significativa (P<0,05), bem como alta correlação com a classificação de uma efusão exsudativa.

Aplicação de técnicas de aprendizado de máquina no reconhecimento de classes estruturais de proteínas

Nowadays, classifying proteins in structural classes, which concerns the inference of patterns in their 3D conformation, is one of the most important open problems in Molecular Biology. The main reason for this is that the function of a protein is intrinsically related to its spatial conformation. However, such conformations are very difficult to be obtained experimentally in laboratory. Thus, this problem has drawn the attention of many researchers in Bioinformatics. Considering the great difference between the number of protein sequences already known and the number of three-dimensional structures determined experimentally, the demand of automated techniques for structural classification of proteins is very high. In this context, computational tools, especially Machine Learning (ML) techniques, have become essential to deal with this problem. In this work, ML techniques are used in the recognition of protein structural classes: Decision Trees, k-Nearest Neighbor, Naive Bayes, Support Vector Machine and Neural Networks. These methods have been chosen because they represent different paradigms of learning and have been widely used in the Bioinfornmatics literature. Aiming to obtain an improvment in the performance of these techniques (individual classifiers), homogeneous (Bagging and Boosting) and heterogeneous (Voting, Stacking and StackingC) multiclassification systems are used. Moreover, since the protein database used in this work presents the problem of imbalanced classes, artificial techniques for class balance (Undersampling Random, Tomek Links, CNN, NCL and OSS) are used to minimize such a problem. In order to evaluate the ML methods, a cross-validation procedure is applied, where the accuracy of the classifiers is measured using the mean of classification error rate, on independent test sets. These means are compared, two by two, by the hypothesis test aiming to evaluate if there is, statistically, a significant difference between them. With respect to the results obtained with the individual classifiers, Support Vector Machine presented the best accuracy. In terms of the multi-classification systems (homogeneous and heterogeneous), they showed, in general, a superior or similar performance when compared to the one achieved by the individual classifiers used - especially Boosting with Decision Tree and the StackingC with Linear Regression as meta classifier. The Voting method, despite of its simplicity, has shown to be adequate for solving the problem presented in this work. The techniques for class balance, on the other hand, have not produced a significant improvement in the global classification error. Nevertheless, the use of such techniques did improve the classification error for the minority class. In this context, the NCL technique has shown to be more appropriated

Quantificação de proteínas de fase aguda em éguas doadoras de embrião da raça quarto de milha

Pós-graduação em Ciência Animal - FMVA

Avaliação da expressão das proteínas p53, MDM2 e SUMO-1 em líquen plano bucal, displasia epitelial bucal e carcinoma de células escamosas bucal

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Carcinoma de nasofaringe: análise da importância prognóstica da imunoexpressão da galectina-3 e proteínas de matriz

Pós-graduação em Bases Gerais da Cirurgia - FMB

Classificação de projetos de lei relacionados à saúde apresentados na Câmara dos Deputados entre 2001 e 2004

Consultoria Legislativa - Área XVI - Saúde Pública, Sanitarismo.

Classificação de projetos de lei relacionados à saúde apresentados na Câmara dos Deputados em 2001

Propõe o 'desenvolvimento de uma metodologia para classificação de projetos de lei relacionados à saúde e a demonstração de sua utilidade por meio de sua aplicação no conjunto de projetos de lei ordinária apresentados em 2001'.

Classificação de documentos sigilosos e regulamentação da liberdade de informação

Faz uma análise sobre a classificação e utilização da informação sigilosa na Suécia, Finlândia, Norugega, Dinamarca, Grã-Bretanha e Estados Unidos.

Sobre a classificação dos protetores solares na categoria de medicamentos

Consultoria Legislativa - Área XVI - Saúde Pública, Sanitarismo.

Proposição, aplicação e avaliação de um método de classificação temática em bases de dados textuais indexadas com auxílio de vocabulários controlados

Descreve a proposição, a aplicação e a avaliação de um método de classificação temática em uma base de dados com discursos proferidos por deputados federais no plenário da Câmara dos Deputados da República Federativa do Brasil entre outubro de 2000 e outubro de 2002, indexada com auxílio de um vocabulário controlado.

Manual para classificação de proposições legislativas relacionadas à saúde

Objetiva oferecer uma metodologia que permita a classificação de proposições legislativas relacionadas à saúde, que tramitam no Congresso Nacional, facilitando estudos em áreas como a política de saúde e a ciência política.