Exportar registro bibliográfico

Redes neurais e algoritmos genéticos no estudo quimiossistemático da família Asteraceae (2010)

  • Authors:
  • USP affiliated author: CORREIA, MAURO VICENTINI - IQ
  • School: IQ
  • Sigla do Departamento: QFL
  • Subjects: PRODUTOS NATURAIS; COMPOSITAE (ESTUDO;CLASSIFICAÇÃO); REDES NEURAIS; QUIMIOTAXONOMIA; BANCO DE DADOS
  • Language: Português
  • Abstract: No presente trabalho duas metodologias da área de inteligência artificial (Redes Neurais e Algoritmos Genéticos) foram utilizadas para realizar um estudo Quimiossistemático da família Asteraceae. A família Asteraceae é uma das maiores famílias entre as Angiospermas, conta com aproximadamente 24.000 espécies. As espécies da família produzem grande diversidade de metabólitos secundários, entre os quais merecem destaque os terpenóides, poliacetilenos, flavonóides e cumarinas. Para um melhor entendimento da diversidade química da família construiu-se um Banco de Dados com as ocorrências de doze classes de metabólitos (monoterpenos, sesquiterpenos, sesquiterpenos lactonizados, diterpenos, triterpenos, cumarinas, flavonóides, poliacetilenos, benzofuranos, benzopiranos, acetofenonas e fenilpropanóides) produzidos pelas espécies da família. A partir desse banco três diferentes estudos foram realizados. No primeiro estudo, utilizando os mapas auto-organizáveis de Kohonen e o banco de dados químico classificado segundo duas das mais recentes filogenias da família foi possível realizar com sucesso separações de tribos e gêneros da família Asteraceae. Também foi possível indicar que a informação química concorda mais com a filogenia de Funk (Funk et al. 2009) do que com a filogenia de Bremer (Bremer 1994, 1996). No estudo seguinte, onde se objetivou a criação de modelos de previsão dos números de ocorrências das doze classes de metabólitos, utilizando o perceptron demúltiplas camadas com algoritmo de retropropagação de erro, o resultado foi insatisfatório. Apesar de em algumas classes de metabólitos a fase de treino da rede apresentar resultados satisfatórios, a fase de teste mostrou que os modelos criados não são capazes de realizar previsão para dados aos quais eles não foram submetidos na fase de treino, e portanto não são modelos ) adequados para realizar previsões. Finalmente, o terceiro estudo consistiu na criação de modelos de regressão linear utilizando como método de seleção de variáveis os algoritmos genéticos. Nesse estudo foi possível indicar que os monoterpenos e os sesquiterpenos são bastante relacionados biossinteticamente, também foi possível indicar que existem relações biossintéticas entre monoterpenos e diterpenos e entre sesquiterpenos e triterpenos.
  • Imprenta:
  • Data da defesa: 16.03.2010
  • Online source access
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      CORREIA, Mauro Vicentini; EMERENCIANO, Vicente de Paulo. Redes neurais e algoritmos genéticos no estudo quimiossistemático da família Asteraceae. 2010.Universidade de São Paulo, São Paulo, 2010. Disponível em: < http://www.teses.usp.br/teses/disponiveis/46/46135/tde-12082013-153222/pt-br.php >.
    • APA

      Correia, M. V., & Emerenciano, V. de P. (2010). Redes neurais e algoritmos genéticos no estudo quimiossistemático da família Asteraceae. Universidade de São Paulo, São Paulo. Recuperado de http://www.teses.usp.br/teses/disponiveis/46/46135/tde-12082013-153222/pt-br.php
    • NLM

      Correia MV, Emerenciano V de P. Redes neurais e algoritmos genéticos no estudo quimiossistemático da família Asteraceae [Internet]. 2010 ;Available from: http://www.teses.usp.br/teses/disponiveis/46/46135/tde-12082013-153222/pt-br.php
    • Vancouver

      Correia MV, Emerenciano V de P. Redes neurais e algoritmos genéticos no estudo quimiossistemático da família Asteraceae [Internet]. 2010 ;Available from: http://www.teses.usp.br/teses/disponiveis/46/46135/tde-12082013-153222/pt-br.php


Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2022