Modelo com mistura de multinomiais aplicado à identificação de proteínas similares.
AUTOR(ES)
Ricardo Galante Coimbra
DATA DE PUBLICAÇÃO
2005
RESUMO
As proteínas são moléculas importantes das células, pois participam desde a construção das estruturas celulares até a transmissão de informações genéticas entre gerações. Uma proteína pode ser caracterizada pela sua função, sendo que esta função é determinada pela sequência de aminoácidos que compõe a sua estrutura. Determinar a função protéica é importante quando, por exemplo, se pesquisa a cura de doenças ou se pesquisa a fabricação de novos medicamentos. Neste trabalho utilizamos uma metodologia bayesiana de inferência estatística para inferir sobre o modelo com mistura de distribuições multinomiais e variáveis latentes para identificar proteínas com funções similares. Verificamos a performance da modelagem proposta em separar em grupos as proteínas com funções similares através de simulação.
ASSUNTO(S)
variável latente gibbs sampling mistura de distribuições estatistica dic estatística - análise fator de bayes
ACESSO AO ARTIGO
http://www.bdtd.ufscar.br/htdocs/tedeSimplificado//tde_busca/arquivo.php?codArquivo=653Documentos Relacionados
- Modelo de suporte à decisão aplicado à identificação de indivíduos não aderentes ao tratamento anti-hipertensivo
- Identificação de proteinas que interagem com a proteinas CGI-55 para caracterização do seu contexto funcional
- PROPRIEDADES TERMOFÍSICAS DE SOLUÇÕES MODELO SIMILARES A CREME DE LEITE
- Modelo de volatilidade estocástica com saltos aplicado a commodities agrícolas
- Propriedades termofísicas de soluções-modelo similares a sucos: parte II