Automatic learning for the classification of chemical reactions and in statistical thermodynamics

This Thesis describes the application of automatic learning methods for a) the classification of organic and metabolic reactions, and b) the mapping of Potential Energy Surfaces(PES). The classification of reactions was approached with two distinct methodologies: a representation of chemical reactions based on NMR data, and a representation of chemical reactions from the reaction equation based on the physico-chemical and topological features of chemical bonds. NMR-based classification of photochemical and enzymatic reactions. Photochemical and metabolic reactions were classified by Kohonen Self-Organizing Maps (Kohonen SOMs) and Random Forests (RFs) taking as input the difference between the 1H NMR spectra of the products and the reactants. The development of such a representation can be applied in automatic analysis of changes in the 1H NMR spectrum of a mixture and their interpretation in terms of the chemical reactions taking place. Examples of possible applications are the monitoring of reaction processes, evaluation of the stability of chemicals, or even the interpretation of metabonomic data. A Kohonen SOM trained with a data set of metabolic reactions catalysed by transferases was able to correctly classify 75% of an independent test set in terms of the EC number subclass. Random Forests improved the correct predictions to 79%. With photochemical reactions classified into 7 groups, an independent test set was classified with 86-93% accuracy. The data set of photochemical reactions was also used to simulate mixtures with two reactions occurring simultaneously. Kohonen SOMs and Feed-Forward Neural Networks (FFNNs) were trained to classify the reactions occurring in a mixture based on the 1H NMR spectra of the products and reactants. Kohonen SOMs allowed the correct assignment of 53-63% of the mixtures (in a test set). Counter-Propagation Neural Networks (CPNNs) gave origin to similar results. The use of supervised learning techniques allowed an improvement in the results. They were improved to 77% of correct assignments when an ensemble of ten FFNNs were used and to 80% when Random Forests were used. This study was performed with NMR data simulated from the molecular structure by the SPINUS program. In the design of one test set, simulated data was combined with experimental data. The results support the proposal of linking databases of chemical reactions to experimental or simulated NMR data for automatic classification of reactions and mixtures of reactions. Genome-scale classification of enzymatic reactions from their reaction equation. The MOLMAP descriptor relies on a Kohonen SOM that defines types of bonds on the basis of their physico-chemical and topological properties. The MOLMAP descriptor of a molecule represents the types of bonds available in that molecule. The MOLMAP descriptor of a reaction is defined as the difference between the MOLMAPs of the products and the reactants, and numerically encodes the pattern of bonds that are broken, changed, and made during a chemical reaction. The automatic perception of chemical similarities between metabolic reactions is required for a variety of applications ranging from the computer validation of classification systems, genome-scale reconstruction (or comparison) of metabolic pathways, to the classification of enzymatic mechanisms. Catalytic functions of proteins are generally described by the EC numbers that are simultaneously employed as identifiers of reactions, enzymes, and enzyme genes, thus linking metabolic and genomic information. Different methods should be available to automatically compare metabolic reactions and for the automatic assignment of EC numbers to reactions still not officially classified. In this study, the genome-scale data set of enzymatic reactions available in the KEGG database was encoded by the MOLMAP descriptors, and was submitted to Kohonen SOMs to compare the resulting map with the official EC number classification, to explore the possibility of predicting EC numbers from the reaction equation, and to assess the internal consistency of the EC classification at the class level. A general agreement with the EC classification was observed, i.e. a relationship between the similarity of MOLMAPs and the similarity of EC numbers. At the same time, MOLMAPs were able to discriminate between EC sub-subclasses. EC numbers could be assigned at the class, subclass, and sub-subclass levels with accuracies up to 92%, 80%, and 70% for independent test sets. The correspondence between chemical similarity of metabolic reactions and their MOLMAP descriptors was applied to the identification of a number of reactions mapped into the same neuron but belonging to different EC classes, which demonstrated the ability of the MOLMAP/SOM approach to verify the internal consistency of classifications in databases of metabolic reactions. RFs were also used to assign the four levels of the EC hierarchy from the reaction equation. EC numbers were correctly assigned in 95%, 90%, 85% and 86% of the cases (for independent test sets) at the class, subclass, sub-subclass and full EC number level,respectively. Experiments for the classification of reactions from the main reactants and products were performed with RFs - EC numbers were assigned at the class, subclass and sub-subclass level with accuracies of 78%, 74% and 63%, respectively. In the course of the experiments with metabolic reactions we suggested that the MOLMAP / SOM concept could be extended to the representation of other levels of metabolic information such as metabolic pathways. Following the MOLMAP idea, the pattern of neurons activated by the reactions of a metabolic pathway is a representation of the reactions involved in that pathway - a descriptor of the metabolic pathway. This reasoning enabled the comparison of different pathways, the automatic classification of pathways, and a classification of organisms based on their biochemical machinery. The three levels of classification (from bonds to metabolic pathways) allowed to map and perceive chemical similarities between metabolic pathways even for pathways of different types of metabolism and pathways that do not share similarities in terms of EC numbers. Mapping of PES by neural networks (NNs). In a first series of experiments, ensembles of Feed-Forward NNs (EnsFFNNs) and Associative Neural Networks (ASNNs) were trained to reproduce PES represented by the Lennard-Jones (LJ) analytical potential function. The accuracy of the method was assessed by comparing the results of molecular dynamics simulations (thermal, structural, and dynamic properties) obtained from the NNs-PES and from the LJ function. The results indicated that for LJ-type potentials, NNs can be trained to generate accurate PES to be used in molecular simulations. EnsFFNNs and ASNNs gave better results than single FFNNs. A remarkable ability of the NNs models to interpolate between distant curves and accurately reproduce potentials to be used in molecular simulations is shown. The purpose of the first study was to systematically analyse the accuracy of different NNs. Our main motivation, however, is reflected in the next study: the mapping of multidimensional PES by NNs to simulate, by Molecular Dynamics or Monte Carlo, the adsorption and self-assembly of solvated organic molecules on noble-metal electrodes. Indeed, for such complex and heterogeneous systems the development of suitable analytical functions that fit quantum mechanical interaction energies is a non-trivial or even impossible task. The data consisted of energy values, from Density Functional Theory (DFT) calculations, at different distances, for several molecular orientations and three electrode adsorption sites. The results indicate that NNs require a data set large enough to cover well the diversity of possible interaction sites, distances, and orientations. NNs trained with such data sets can perform equally well or even better than analytical functions. Therefore, they can be used in molecular simulations, particularly for the ethanol/Au (111) interface which is the case studied in the present Thesis. Once properly trained, the networks are able to produce, as output, any required number of energy points for accurate interpolations.

Assessment of climate change statistical downscaling methods: Application and comparison of two statistical methods to a single site in Lisbon

Dissertação apresentada na Faculdade de Ciências e Tecnologia da Universidade Nova de Lisboa para a obtenção do grau de Mestre em Engenharia do Ambiente

Virtual globes as a platform for developing spatial literacy

Dissertation submitted in partial fulfilment of the requirements for the Degree of Master of Science in Geospatial Technologies

Literacia em saúde e alimentação saudável : os novos produtos e a escolha dos alime

Resumo Com o objectivo de contribuir para entender o nível de literacia em saúde dos consumidores e verificar a relação entre esta e o comportamento no consumo de alimentos (consumerismo), foi efectuado um inquérito por questionário que incluiu a tradução para Português do Newest Vital Sign,© (2008) Pfizer Inc. Used with permission (NVS). Este instrumento foi aplicado a uma amostra estratificada, de 384 indivíduos com mais de 15 anos de idade, da região da Grande Lisboa, distribuída de acordo com o Census 2001. A nível de literacia em saúde foi avaliado através da versão Portuguesa do NVS que consiste numa “ferramenta” onde se fornece aos inquiridos uma série de informações relacionadas com a saúde, nomeadamente a informação nutricional constante de um rótulo, devendo estes fazer a demonstração das suas capacidades de utilização dessa informação respondendo a questões. Dos resultados recolhidos verifica-se que existe uma relação directa entre a literacia em saúde e a escolaridade, constatou-se ainda uma associação entre a literacia em saúde e o comportamento consumerista no consumo de alimentos assim como com um comportamento de consumo pautado pela consciência ecológica. De salientar ainda a relação estatisticamente significativa entre a literacia em saúde e a neofilia alimentar. No entanto os indivíduos mais idosos, com menores habilitações literárias e de menor rendimento são mais neofóbicos Não existe relação entre o género e a literacia em saúde. O NVS, agora disponível na língua portuguesa, constitui num contexto de promoção da saúde, uma ajuda em termos de Saúde Pública. Abstract Aiming to contribute to the understanding of consumer’s health literacy, and to verify the relation between health literacy and consumerism in food consumption, a validation of an inquiry, that include the Portuguese version of the Newest Vital Sign, © (2008) Pfizer Inc. Used with permission (NVS) was performed. Afterwards this epidemiologic instrument was applied to a convenience sample (384 individuals, over 15 years old) of the population of “Grande Lisboa”, distributed accordingly to Census 2001. Health literacy was evaluated by the Portuguese version of NVS and consists in a tool by which a number of health-related information, in this case nutritional information written in a food label, is used to demonstrate one’s ability to use that information answering to questions. From the results it is possible to verify that there is a close relation between health literacy and general literacy (school years), it was also possible to observe an association among health literacy, consumer behaviour and ecological consumption of food products. It is of relevance the fact that an association between health literacy and food neophilia is statistically significant. Nevertheless older individuals, with lower health literacy and income are the most neophobic. There is no statistical association between gender and health literacy. The Portuguese version of NVS is an essential tool to evaluate the population health literacy in a hea

Exploraty Multivariate Statistical Methods Applied to Pharmaceutical Industry CRM Data

Dissertação apresentada como requisito parcial para obtenção do grau de Mestre em Estatística e Gestão de Informação

Factor analysis in the stock market: An application to statistical arbitrage

A Work Project, presented as part of the requirements for the Award of a Masters Degree in Finance from the NOVA – School of Business and Economics

Aconselhamento médico na prevenção da doença e promoção da saúde : análise a propósito do consumo de tabaco

RESUMO - O consumo de tabaco foi responsável por 100 milhões de mortes no século XX. Apesar dos grandes avanços alcançados no controlo deste problema a nível mundial, sob os auspícios da OMS, no contexto da Convenção-Quadro para o Controlo do Tabaco da OMS, se não forem adoptadas medidas consistentes e efectivas de saúde pública, a morbi-mortalidade que lhe está associada continuará a aumentar durante o presente século. A promoção da cessação tabágica constitui a estratégia populacional que permitirá obter ganhos em saúde a mais curto prazo. Embora a larga maioria dos fumadores faça, ao longo da vida, várias tentativas para parar de fumar sem apoio, apenas uma pequena minoria consegue manter-se abstinente a longo prazo. Os médicos de Medicina Geral e Familiar são, de entre todos os profissionais de saúde, os que podem intervir de modo mais consistente e efectivo neste âmbito e que melhores resultados obtêm na cessação tabágica dos pacientes fumadores, dado o vínculo terapêutico e a interacção frequente e continuada que com eles estabelecem ao longo do seu ciclo de vida. O aconselhamento breve, tendo por base a adopção de um estilo de comunicação motivacional centrado no paciente, adaptado aos estádios de mudança comportamental, tem-se revelado efectivo no apoio à mudança de comportamentos relacionados com a saúde e à resolução da ambivalência que caracteriza este processo. A revisão de literatura evidenciou o facto de os médicos nem sempre intervirem nas áreas preventivas e de promoção da saúde, em particular na área da cessação tabágica, com o investimento e a continuidade desejáveis. Por outro lado, muitos pacientes fumadores referem nunca ter sido aconselhados pelo seu médico a deixar de fumar.. Não são conhecidos estudos de âmbito nacional que permitam conhecer esta realidade, bem como os factores associados às melhores práticas de intervenção ou as barreiras sentidas pelos médicos de MGF à actuação nesta área. O presente trabalho teve como objectivos: (i) avaliar a hipótese de que os médicos que disseram adoptar o método clínico centrado no paciente teriam atitudes mais favoráveis relativamente à cessação tabágica e uma maior probabilidade de aconselhar os seus pacientes a parar de fumar; (ii) estudar a relação entre as atitudes, a percepção de auto-eficácia, a expectativa de efectividade e as práticas de aconselhamento sobre cessação tabágica, auto-referidas pelos médicos; (iii) Identificar as variáveis preditivas da adopção de intervenções breves de aconselhamento adaptadas ao estádio de mudança comportamental dos pacientes fumadores; (iv) identificar as barreiras e os incentivos à adopção de boas práticas de aconselhamento nesta área. A população de estudo foi constituída pelo total de médicos de medicina geral e familiar inscritos na Associação Portuguesa de Médicos de Clínica Geral, residentes em Portugal. Para recolha de informação, foi utilizado um questionário de resposta anónima, de autopreenchimento, aplicado por via postal a 2942 médicos, em duas séries de envio. O questionário integrou perguntas fechadas, semifechadas, escalas de tipo Likert e escalas de tipo visual analógico. Para avaliação da adopção do método clínico centrado no paciente, foi usada a Patient Practitioner Orientation Scale (PPOS). O tratamento estatístico dos dados foi efectuado com o Programa PASW Statistics (ex-SPSS), versão 18. Foram utilizados: o índice de α de Cronbach, diversos testes não paramétricos e a análise de regressão logística binária. Foi obtida uma taxa de resposta de 22,4%. Foram analisadas 639 respostas (67,4% de mulheres e 32,6% de homens). Referiram ser fumadores 23% dos homens e 14% das mulheres. Foi identificada uma grande carência formativa em cessação tabágica, tendo apenas 4% dos médicos afirmado não necessitar de formação nesta área. Responderam necessitar de formação em entrevista motivacional 66%, em prevenção da recaída 59%, de treino numa consulta de apoio intensivo 55%, em intervenção breve 54% e em terapêutica farmacológica 55%. Cerca de 92% dos respondentes consideraram que o aconselhamento para a cessação tabágica é uma tarefa que faz parte das suas atribuições, mas apenas 76% concordaram totalmente com a realização de uma abordagem oportunística deste assunto em todos os contactos com os seus pacientes. Como prática mais frequente, perante um paciente em preparação para parar, 85% dos médicos disseram tomar a iniciativa de aconselhar, 79% avaliar a motivação, 67% avaliar o grau de dependência, 60% marcar o “dia D” e 50% propor terapêutica farmacológica. Apenas 21% assumiram realizar com frequência uma intervenção breve com pacientes em preparação (5 Ás); 13% uma intervenção motivacional com pacientes não motivados para mudar (5 Rs) e 20% uma intervenção segundo os princípios da entrevista motivacional, relativamente a pacientes ambivalentes em relação à mudança. A análise multivariada de regressão logística permitiu concluir que as variáveis com maior influência na decisão de aconselhar os pacientes sobre cessação tabágica foram a percepção de auto-eficácia, o nível de atitudes negativas, a adopção habitual do Programa-tipo de cessação tabágica da DGS, a posse de formação específica nesta área e a não identificação de barreiras ao aconselhamento, em particular organizacionais ou ligadas ao processo de comunicação na consulta. Embora se tenha confirmado a existência de associação entre a adopção do método clínico centrado no paciente e as atitudes face à cessação tabágica, não foi possível confirmar plenamente a associação entre a adopção deste método e as práticas autoreferidas de aconselhamento. Os médicos que manifestaram um nível baixo ou moderado de atitudes negativas, uma percepção elevada de auto-eficácia, que nunca fumaram, que referiram adoptar o Programa-tipo de cessação tabágica e que não identificaram barreiras organizacionais apresentaram uma maior probabilidade de realizar uma intervenção breve (“5 Ás”) de aconselhamento de pacientes fumadores em preparação para parar de fumar. Nunca ter fumado apresentou-se associado a uma probabilidade de realizar uma intervenção breve (“5 Ás”) com frequência, superior à verificada entre os médicos que referiram ser fumadores (Odds-ratio ajustado = 2,6; IC a 95%: 1,1; 5,7). Os médicos com o nível de auto-eficácia no aconselhamento mais elevado apresentaram uma probabilidade superior à encontrada entre os médicos com o menor nível de auto-eficácia de realizar com frequência uma intervenção breve de aconselhamento, integrando as cinco vertentes dos “5 Ás” (Odds ratio ajustado = 2,6; IC a 95%: 1,3; 5,3); de realizar uma intervenção motivacional breve com fumadores renitentes a parar de fumar (Odds ratio ajustado = 3,1; IC a 95%: 1,4; 6,5) ou de realizar com frequência uma intervenção motivacional com pacientes em estádio de ambivalência (Odds ratio = 8,8; IC a 95%: 3,8; 19,9). A falta de tempo, a falta de formação específica e a falta de equipa de apoio foram as barreiras ao aconselhamento mais citadas. Como factores facilitadores de um maior investimento nesta área, cerca de 60% dos médicos referiram a realização de um estágio prático de formação; 57% a possibilidade de dispor do apoio de outros profissionais; cerca de metade a melhoria da sua formação teórica. Cerca de 25% dos médicos investiria mais em cessação tabágica se dispusesse de um incentivo financeiro e 20% se os pacientes demonstrassem maior interesse em discutir o assunto ou existisse uma maior valorização desta área por parte dos colegas e dos órgãos de gestão. As limitações de representatividade da amostra, decorrentes da taxa de resposta obtida, impõem reservas à possibilidade de extrapolação destes resultados para a população de estudo, sendo de admitir que os respondentes possam corresponder aos médicos mais interessados por este tema e que optam por não fumar. Outra importante limitação advém do facto de não ter sido estudada a vertente relativa aos pacientes, no que se refere às suas atitudes, percepções e expectativas quanto à actuação do médico neste campo. Pesem embora estas limitações, os resultados obtidos revelaram uma grande perda de oportunidades de prevenção da doença e de promoção da saúde. Parece ter ficado demonstrada a importante influência que as atitudes, em especial as negativas, e as percepções, em particular a percepção de auto-eficácia, podem exercer sobre as práticas de aconselhamento auto-referidas. Todavia, será necessário aprofundar os resultados agora encontrados com estudos de natureza qualitativa, que permitam compreender melhor, por um lado, as percepções, expectativas e necessidades dos pacientes, por outro, as estratégias de comunicação que deverão ser adoptadas pelo médico, atendendo à complexidade do problema e ao tempo disponível na consulta, tendo em vista aumentar a literacia dos pacientes para uma melhor autogestão da sua saúde. Parece ter ficado igualmente patente a grande carência formativa neste domínio. A adopção do modelo biomédico como paradigma da formação médica pré e pós-graduada, proposto, há precisamente cem anos, por Flexner, tem contribuído para a desvalorização das componentes psicoemocionais e sociais dos fenómenos de saúde e de doença, assim como para criar clivagens entre cuidados curativos e preventivos e entre medicina geral e familiar e saúde pública. Porém, o actual padrão de saúde/doença próprio das sociedades desenvolvidas, caracterizado por “pandemias” de doenças crónicas e incapacitantes, determinadas por factores de natureza sociocultural e comportamental, irá obrigar certamente à revisão daquele paradigma e à necessidade de se (re)adoptarem os grandes princípios Hipocráticos de compreensão dos processos de saúde/doença e do papel da medicina.