Exploring the multifactorial nature of autism through computational systems biology: Calcium and the Rho GTPase RAC1 under the spotlight

Autism is a neurodevelopmental disorder characterized by impaired social interaction and communication accompanied with repetitive behavioral patterns and unusual stereotyped interests. Autism is considered a highly heterogeneous disorder with diverse putative causes and associated factors giving rise to variable ranges of symptomatology. Incidence seems to be increasing with time, while the underlying pathophysiological mechanisms remain virtually uncharacterized (or unknown). By systematic review of the literature and a systems biology approach, our aims were to examine the multifactorial nature of autism with its broad range of severity, to ascertain the predominant biological processes, cellular components, and molecular functions integral to the disorder, and finally, to elucidate the most central contributions (genetic and/or environmental) in silico. With this goal, we developed an integrative network model for gene-environment interactions (GENVI model) where calcium (Ca2+) was shown to be its most relevant node. Moreover, considering the present data from our systems biology approach together with the results from the differential gene expression analysis of cerebellar samples from autistic patients, we believe that RAC1, in particular, and the RHO family of GTPases, in general, could play a critical role in the neuropathological events associated with autism. © 2013 Springer Science+Business Media New York.

ECG arrhythmia classification based on optimum-path forest

An important tool for the heart disease diagnosis is the analysis of electrocardiogram (ECG) signals, since the non-invasive nature and simplicity of the ECG exam. According to the application, ECG data analysis consists of steps such as preprocessing, segmentation, feature extraction and classification aiming to detect cardiac arrhythmias (i.e.; cardiac rhythm abnormalities). Aiming to made a fast and accurate cardiac arrhythmia signal classification process, we apply and analyze a recent and robust supervised graph-based pattern recognition technique, the optimum-path forest (OPF) classifier. To the best of our knowledge, it is the first time that OPF classifier is used to the ECG heartbeat signal classification task. We then compare the performance (in terms of training and testing time, accuracy, specificity, and sensitivity) of the OPF classifier to the ones of other three well-known expert system classifiers, i.e.; support vector machine (SVM), Bayesian and multilayer artificial neural network (MLP), using features extracted from six main approaches considered in literature for ECG arrhythmia analysis. In our experiments, we use the MIT-BIH Arrhythmia Database and the evaluation protocol recommended by The Association for the Advancement of Medical Instrumentation. A discussion on the obtained results shows that OPF classifier presents a robust performance, i.e.; there is no need for parameter setup, as well as a high accuracy at an extremely low computational cost. Moreover, in average, the OPF classifier yielded greater performance than the MLP and SVM classifiers in terms of classification time and accuracy, and to produce quite similar performance to the Bayesian classifier, showing to be a promising technique for ECG signal analysis. © 2012 Elsevier Ltd. All rights reserved.

Inferência espacial de clorofila a por redes neurais artificiais aplicadas a imagens multiespectrais e medidas tomadas in situ

Pós-graduação em Ciências Cartográficas - FCT

Identificação do teor de nitrogênio foliar em cana-de-açúcar no estágio inicial de crescimento utilizando infravermelho próximo e sistemas inteligentes

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Estimação do diâmetro e rugosidade em um processo de furação utilizando multi sensores e redes neurais artificiais

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Aplicação de redes neurais artificiais na predição de diâmetro e rugosidade durante o processo de furação

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Análise de superfícies de peças retificadas com o uso de redes neurais artificiais

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Determinação da freqüência de ressonância de antenas tipo microfita triangular e retangular utilizando redes neurais artificiais

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Abordagens bio-inspiradas aplicadas ao estudo da cognição: um encontro entre biologia, psicologia e filosofia

Pós-graduação em Filosofia - FFC

Redes neurais: aplicação no monitoramento da vida de ferramentas de corte

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Diagnóstico automático de falhas em grupos geradores hidroelétricos utilizando técnicas preditivas de manutenção e redes neurais artificiais

Pós-graduação em Engenharia Mecânica - FEIS

Implementação em hardware de um sistema inteligente para detecção de plantas daninhas em plantações de soja utilizando máquinas de vetores de suporte e redes neurais artificiais

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Sistema inteligente para previsão de carga multinodal em sistemas elétricos de potência

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Análise da estabilidade estática de tensão de sistemas elétricos de potência usando uma rede neural baseada na teoria da ressonância adaptativa

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Projeto de controladores suplementares de amortecimento utilizando redes neurais artificiais

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)