Caracterização de rizóbios indicados para produção de inoculantes por meio de sequenciamento parcial do 16S rRNA

O objetivo deste trabalho foi confrontar as sequências parciais do gene 16S rRNA de estirpes padrão de rizóbios com as de estirpes recomendadas para a produção de inoculantes no Brasil, com vistas à verificação da confiabilidade do sequenciamento parcial desse gene para a identificação rápida de estirpes. Foram realizados sequenciamentos através de reação em cadeia da polimerase (PCR) com iniciadores relativos à região codificadora do gene 16S rRNA entre as bactérias estudadas. Os resultados foram analisados pela consulta de similaridade de nucleotídeos aos do Basic Local Alignment Search Tool (Blastn) e por meio da interpretação de árvores filogenéticas geradas usando ferramentas de bioinformática. A classificação taxonômica das estirpes Semia recomendadas para inoculação de leguminosas com base em propriedades morfológicas e especificidade hospedeira não foi confirmada em todas as estirpes. A maioria das estirpes estudadas, consultadas no Blastn, é consistente com a classificação proposta pela construção de árvores filogenéticas das sequências destas estirpes, com base na similaridade pelo sequenciamento parcial do gene considerado.

Busca heurística através de algoritmo genético e memético com construção de vocábulos para o problema de atribuição de localidades a anéis Sonet

Telecommunications play a key role in contemporary society. However, as new technologies are put into the market, it also grows the demanding for new products and services that depend on the offered infrastructure, making the problems of planning telecommunications networks, despite the advances in technology, increasingly larger and complex. However, many of these problems can be formulated as models of combinatorial optimization, and the use of heuristic algorithms can help solving these issues in the planning phase. In this project it was developed two pure metaheuristic implementations Genetic algorithm (GA) and Memetic Algorithm (MA) plus a third hybrid implementation Memetic Algorithm with Vocabulary Building (MA+VB) for a problem in telecommunications that is known in the literature as Problem SONET Ring Assignment Problem or SRAP. The SRAP arises during the planning stage of the physical network and it consists in the selection of connections between a number of locations (customers) in order to meet a series of restrictions on the lowest possible cost. This problem is NP-hard, so efficient exact algorithms (in polynomial complexity ) are not known and may, indeed, even exist

Estimativa de ganho genético a partir de diferenciais de seleção e parâmetros populacionais em um rebanho Caracu

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Estudo genético da precocidade sexual de novilhas em um rebanho Nelore

Objetivou-se, com este trabalho, estimar a herdabilidade (h²) para prenhez de novilhas e sua correlação genética (rg) com idade ao primeiro parto (IPP), em animais da raça Nelore. A prenhez de novilhas foi definida de três formas: prenhez aos 16 meses (Pr16) - para as novilhas que pariram com menos de 31 meses, atribuiu-se 1 (sucesso) e, para aquelas que pariram após 30,99 meses ou que não pariram, atribuiu-se 0 (fracasso); prenhez aos 24 meses (Pr24) - para as novilhas que pariram até 46 meses (incluindo as Pr16), foi atribuído 1 e, para aquelas que não pariram 0; e prenhez da novilha (PrN) - atribuiu-se classificação 2 para as que pariram com menos de 31 meses, 1 para as que pariram entre 31 e 46 meses e 0 para as que não pariram. Os arquivos, analisados pelo Método R e Inferência Bayesiana, continham registros de 30.802 novilhas desmamadas. As análises forneceram médias de estimativas de h² de 0,52, 0,12 e 0,16 para Pr16, Pr24 e PrN, respectivamente, pelo Método R. O valor médio obtido por Inferência Bayesiana foi de 0,45 para Pr16. A rg estimada entre Pr16 e IPP foi -0,32. Os resultados indicam que, para selecionar para precocidade sexual, é necessário expor todas as fêmeas em idades jovens e que a mensuração da taxa de prenhez por meio da Pr16 é pertinente, uma vez que esta característica apresenta variabilidade genética alta e deve responder eficientemente à seleção com possibilidades de rápido ganho genético. A análise indicou também que Pr16 e IPP são determinadas em grande parte por genes diferentes.

Algoritmo Q-learning como estratégia de exploração e/ou explotação para metaheurísticas GRASP e algoritmo genético

Techniques of optimization known as metaheuristics have achieved success in the resolution of many problems classified as NP-Hard. These methods use non deterministic approaches that reach very good solutions which, however, don t guarantee the determination of the global optimum. Beyond the inherent difficulties related to the complexity that characterizes the optimization problems, the metaheuristics still face the dilemma of xploration/exploitation, which consists of choosing between a greedy search and a wider exploration of the solution space. A way to guide such algorithms during the searching of better solutions is supplying them with more knowledge of the problem through the use of a intelligent agent, able to recognize promising regions and also identify when they should diversify the direction of the search. This way, this work proposes the use of Reinforcement Learning technique - Q-learning Algorithm - as exploration/exploitation strategy for the metaheuristics GRASP (Greedy Randomized Adaptive Search Procedure) and Genetic Algorithm. The GRASP metaheuristic uses Q-learning instead of the traditional greedy-random algorithm in the construction phase. This replacement has the purpose of improving the quality of the initial solutions that are used in the local search phase of the GRASP, and also provides for the metaheuristic an adaptive memory mechanism that allows the reuse of good previous decisions and also avoids the repetition of bad decisions. In the Genetic Algorithm, the Q-learning algorithm was used to generate an initial population of high fitness, and after a determined number of generations, where the rate of diversity of the population is less than a certain limit L, it also was applied to supply one of the parents to be used in the genetic crossover operator. Another significant change in the hybrid genetic algorithm is the proposal of a mutually interactive cooperation process between the genetic operators and the Q-learning algorithm. In this interactive/cooperative process, the Q-learning algorithm receives an additional update in the matrix of Q-values based on the current best solution of the Genetic Algorithm. The computational experiments presented in this thesis compares the results obtained with the implementation of traditional versions of GRASP metaheuristic and Genetic Algorithm, with those obtained using the proposed hybrid methods. Both algorithms had been applied successfully to the symmetrical Traveling Salesman Problem, which was modeled as a Markov decision process

Análise comparativa do desempenho de um Controlador Fuzzy acoplado a um PID Neural sintonizado por um Algoritmo Genético com Controladores Inteligentes Convencionais

On this paper, it is made a comparative analysis among a controller fuzzy coupled to a PID neural adjusted by an AGwith several traditional control techniques, all of them applied in a system of tanks (I model of 2nd order non lineal). With the objective of making possible the techniques involved in the comparative analysis and to validate the control to be compared, simulations were accomplished of some control techniques (conventional PID adjusted by GA, Neural PID (PIDN) adjusted by GA, Fuzzy PI, two Fuzzy attached to a PID Neural adjusted by GA and Fuzzy MISO (3 inputs) attached to a PIDN adjusted by GA) to have some comparative effects with the considered controller. After doing, all the tests, some control structures were elected from all the tested techniques on the simulating stage (conventional PID adjusted by GA, Fuzzy PI, two Fuzzy attached to a PIDN adjusted by GA and Fuzzy MISO (3 inputs) attached to a PIDN adjusted by GA), to be implemented at the real system of tanks. These two kinds of operation, both the simulated and the real, were very important to achieve a solid basement in order to establish the comparisons and the possible validations show by the results

Separação cega de fontes lineares e não lineares usando algoritmo genético, redes neurais artificiais RBF e negentropia de Rényi como medida de independência

Conventional methods to solve the problem of blind source separation nonlinear, in general, using series of restrictions to obtain the solution, often leading to an imperfect separation of the original sources and high computational cost. In this paper, we propose an alternative measure of independence based on information theory and uses the tools of artificial intelligence to solve problems of blind source separation linear and nonlinear later. In the linear model applies genetic algorithms and Rényi of negentropy as a measure of independence to find a separation matrix from linear mixtures of signals using linear form of waves, audio and images. A comparison with two types of algorithms for Independent Component Analysis widespread in the literature. Subsequently, we use the same measure of independence, as the cost function in the genetic algorithm to recover source signals were mixed by nonlinear functions from an artificial neural network of radial base type. Genetic algorithms are powerful tools for global search, and therefore well suited for use in problems of blind source separation. Tests and analysis are through computer simulations

Estudo avaliativo de um algoritmo genético auto-organizável e multiobjetivo utilizando aprendizado de máquina para aplicações de telecomunicações

This paper presents an evaluative study about the effects of using a machine learning technique on the main features of a self-organizing and multiobjective genetic algorithm (GA). A typical GA can be seen as a search technique which is usually applied in problems involving no polynomial complexity. Originally, these algorithms were designed to create methods that seek acceptable solutions to problems where the global optimum is inaccessible or difficult to obtain. At first, the GAs considered only one evaluation function and a single objective optimization. Today, however, implementations that consider several optimization objectives simultaneously (multiobjective algorithms) are common, besides allowing the change of many components of the algorithm dynamically (self-organizing algorithms). At the same time, they are also common combinations of GAs with machine learning techniques to improve some of its characteristics of performance and use. In this work, a GA with a machine learning technique was analyzed and applied in a antenna design. We used a variant of bicubic interpolation technique, called 2D Spline, as machine learning technique to estimate the behavior of a dynamic fitness function, based on the knowledge obtained from a set of laboratory experiments. This fitness function is also called evaluation function and, it is responsible for determining the fitness degree of a candidate solution (individual), in relation to others in the same population. The algorithm can be applied in many areas, including in the field of telecommunications, as projects of antennas and frequency selective surfaces. In this particular work, the presented algorithm was developed to optimize the design of a microstrip antenna, usually used in wireless communication systems for application in Ultra-Wideband (UWB). The algorithm allowed the optimization of two variables of geometry antenna - the length (Ls) and width (Ws) a slit in the ground plane with respect to three objectives: radiated signal bandwidth, return loss and central frequency deviation. These two dimensions (Ws and Ls) are used as variables in three different interpolation functions, one Spline for each optimization objective, to compose a multiobjective and aggregate fitness function. The final result proposed by the algorithm was compared with the simulation program result and the measured result of a physical prototype of the antenna built in the laboratory. In the present study, the algorithm was analyzed with respect to their success degree in relation to four important characteristics of a self-organizing multiobjective GA: performance, flexibility, scalability and accuracy. At the end of the study, it was observed a time increase in algorithm execution in comparison to a common GA, due to the time required for the machine learning process. On the plus side, we notice a sensitive gain with respect to flexibility and accuracy of results, and a prosperous path that indicates directions to the algorithm to allow the optimization problems with "η" variables

Melhoramento genético da mamona visando incremento de flores femininas

O objetivo deste trabalho foi testar métodos de seleção visando ao aumento de flores femininas na população FCA-UNESP-PB de mamona (Ricinus communis L.). A seleção foi realizada no município de Botucatu (SP), na safrinha de 2007. Por meio de seleção massal, foram selecionadas plantas com racemo primário estritamente feminino. Destas plantas, as que tinham reversão sexual foram autofecundadas. As avaliações foram realizadas na safrinha de 2008 em Botucatu e São Manuel (SP), onde foram comparados os tratamentos: método de seleção massal; método de seleção massal com autofecundação e testemunha (racemos de plantas colhidos ao acaso, sem seleção). Foram avaliados: porcentagem de flores femininas do racemo primário (%), produtividade de grãos (kg ha-1) e teor de óleo das sementes (%). O delineamento experimental utilizado foi o de blocos casualizados com 30 repetições. Os dados foram submetidos à análise de variância individual para cada local e conjuntamente para os dois locais, pelo teste F a 1% de probabilidade. Mediante os resultados conclui- se que o método de seleção massal com autofecundação foi aquele que proporcionou maiores valores de porcentagem de flores femininas no racemo primário, com ganho fenotípico realizado de 18% em Botucatu e 29% em São Manuel (SP). Por meio dos métodos de seleção, notou-se comportamento diferencial em relação aos locais para a característica produtividade de grãos, e o método seleção massal com autofecundação proporcionou a menor produtividade. No teor de óleo não houve diferenças significativas entre os métodos e os locais avaliados.

Innovative molecular approach to the identification of Colossoma macropomum and its hybrids

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Ganho genético com base no tamanho efetivo populacional de progênies de seringueira

O objetivo deste trabalho foi estimar os ganhos genéticos de um teste de progênies de seringueira para a produção de borracha seca e, com base no maior tamanho efetivo populacional e maior ganho genético, obter os melhores indivíduos. Foram utilizadas 30 progênies de meios-irmãos, provenientes de sementes de polinização mista - alogamia e autogamia - de testes clonais no Estado de São Paulo. Utilizou-se o delineamento experimental de blocos ao acaso, com 30 tratamentos (progênies), 3 repetições e parcelas lineares de 10 plantas, em um espaçamento de 3x3 m, o que totalizou 900 plantas úteis. Aos três anos, o perímetro, a 50 cm do solo (PA50), e a produção de borracha seca (PBS) foram avaliadas por meio do teste precoce de produção Hamaker Morris-Mann (HMM). As variáveis foram analisadas pelo método de modelo linear misto, via procedimento REML/BLUP, em progênies com sistema reprodutivo misto e taxa de autofecundação de 22%. A identificação dos 20 melhores indivíduos quanto à PBS e ao PA50 proporcionou ganho genético de 67,96 e 16,48%, respectivamente, e um coeficiente de endogamia de aproximadamente 2,82%. O teste de progênies proporciona produção de sementes com melhor valor genético, grande variabilidade e baixa endogamia

Um algoritmo genético especializado aplicado ao planejamento da expansão do sistema de transmissão com alocação de dispositivos de compensação série

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Hibridização reversa e sequenciamento na genotipagem do vírus da hepatite C

INTRODUÇÃO: Os métodos de genotipagem do vírus da hepatite C têm sido muito discutidos. O objetivo deste trabalho foi comparar as metodologias de hibridização reversa e sequenciamento direto para a genotipagem do vírus da hepatite C. MÉTODOS: Noventa e uma amostras de plasma de pacientes assistidos na Faculdade de Medicina de Botucatu da Universidade Estadual Paulista foram utilizadas. A genotipagem por hibridização reversa foi realizada utilizando o kit comercial INNO-LiPA® v.1.0. O sequenciamento direto foi efetuado em sequenciador automático utilizando protocolos in house. RESULTADOS: A genotipagem por sequenciamento direto mostrou-se eficiente na resolução dos resultados inconclusivos pelo kit comercial. O kit mostrou resultados errôneos em relação à subtipagem viral. Além disso, a genotipagem por sequenciamento direto revelou um erro do kit com relação à determinação genotípica questionando a eficiência do método também para a identificação do genótipo viral. CONCLUSÕES: A genotipagem realizada por meio de sequenciamento direto permite uma maior acurácia na classificação viral quando comparada à hibridização reversa.

Estudo de simulação de modelos lineares mistos com distribuição normal contaminada no melhoramento genético animal

Objetivou-se com esse trabalho comparar estimativas de componentes de variâncias obtidas por meio de modelos lineares mistos Gaussianos e Robustos, via Amostrador de Gibbs, em dados simulados. Foram simulados 50 arquivos de dados com 1.000 animais cada um, distribuídos em cinco gerações, em dois níveis de efeito fixo e três valores fenotípicos distintos para uma característica hipotética, com diferentes níveis de contaminação. Exceto para os dados sem contaminação, quando os modelos foram iguais, o modelo Robusto apresentou melhores estimativas da variância residual. As estimativas de herdabilidade foram semelhantes em todos os modelos, mas as análises de regressão mostraram que os valores genéticos preditos com uso do modelo Robusto foram mais próximos dos valores genéticos verdadeiros. Esses resultados sugerem que o modelo linear normal contaminado oferece uma alternativa flexível para estimação robusta em melhoramento genético animal.

Efeito do grupo genético sobre as características de carcaça e maciez da carne fresca e maturada de bovinos superprecoces

Objetivou-se estudar o efeito das diferentes proporções de sangue Simental e Nelore sobre as características da carcaça e da carne de bovinos superprecoces. Foram utilizados 72 bovinos jovens inteiros (18 Nelore; 18 ½ Simental × Nelore; 18 Simbrasil e 18 Simental), com 8 meses de idade e 250 kg PV médio inicial. Os animais foram desmamados aos 8 meses de idade em sistema creep-feeding e posteriormente confinados durante 150 dias até atingirem o peso de abate, acima de 465 kg, e abatidos em frigorífico comercial. Os valores de pH e temperatura durante o resfriamento das carcaças foi semelhante para todos os grupos genéticos. da mesma forma, as variáveis carcaça fria, dianteiro e traseiro, não apresentaram diferenças entre os grupos genéticos. Os cortes foram bastante homogêneos, com excessão do contrafilé e do filé-mignon, que foram maiores nos animais Simental. Os animais da raça Nelore e ½ Simental apresentaram maior força de cisalhamento (4,98 e 4,45 kgf) em relação aos Simental e Simbrasil (3,13 e 3,33 kgf). No entanto, após a maturação da carne durante sete dias, não se constataram diferenças entre os valores de maciez entre os grupos. As perdas por evaporação e gotejamento foram maiores na carne in natura para os animais Simental e Simbrasil, no entanto, aos sete dias de maturação se tornaram semelhantes. O sistema de produção de bovinos superprecoces produz carcaças e cortes semelhantes entre as diferentes raças estudadas. Aos sete dias de maturação, a maciez da carne de animais Nelore foi semelhante à dos demais grupos genéticos utilizados neste estudo.