Predição de fenótipos bacterianos a partir de genomas por meio de aprendizado de máquina (2025)
- Authors:
- Autor USP: IHA, BRUNO KOSHIN VÁZQUEZ - Interunidades em Bioinformática
- Unidade: Interunidades em Bioinformática
- DOI: 10.11606/T.95.2025.tde-30042025-170213
- Subjects: FENÓTIPOS; GENÔMICA; APRENDIZADO COMPUTACIONAL; GENÉTICA BACTERIANA
- Keywords: Aprendizado de máquina; Bacterial genomics; Bacterial phenotypes; Fenótipos bacterianos; Genômica bacteriana; Machine learning
- Agências de fomento:
- Language: Português
- Abstract: A caracterização de bactérias e a identificação dos genes relacionados à emergência das diferentes características bacterianas são fundamentais para a compreensão da complexa diversidade e funcionalidade microbiana. No entanto, há uma grande lacuna no conhecimento dos padrões genéticos associados a características bacterianas geneticamente complexas. A metodologia usual para identificar e analisar esses padrões demanda muito tempo, trabalho e conhecimento altamente especializado devido à grande quantidade de dados, ampla diversidade genética e ausência de informações funcionais de diversos genes. É possível, como alternativa ao trabalho manual da etapa de triagem de genes relevantes, utilizar modelos ad hoc treinados utilizando aprendizado de máquina. Para testar a capacidade de algoritmos de aprendizado de máquina em aprender padrões genéticos correlacionados a características bacterianas foi desenvolvida uma ferramenta denominada PheMaLe-bacteria, advinda dos termos “PHEnotype,” “Machine,” “Learning,” “bacteria”. A ferramenta emprega um total de 21 algoritmos de aprendizado de máquina para modelagem e foi testada em 3 características bacterianas consideradas complexas geneticamente: 1) capacidade da bactéria de fixarnitrogênio, 2) faixa de pH de sobrevivência da bactéria, 3) capacidade de endoesporulação.Os resultados foram modelos com métricas de avaliação superioras a outros trabalhos no mesmo tópico e com capacidade de identificação múltiplos genes correlacionados a essas características. Com a ferramenta PheMaLe-bacteria espera-se acelerar a caracterização de novas bactérias e auxiliar no descobrimento de padrões genéticos que geram suas características. Esta ferramenta, os dados utilizados e os modelos treinados se encontram disponíveis no website https://github.com/LaboratorioBioinformatica/PHEMALE ou mediante contato com o autor.
- Imprenta:
- Data da defesa: 25.04.2025
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
IHA, Bruno Koshin Vásquez e SETUBAL, João Carlos. Predição de fenótipos bacterianos a partir de genomas por meio de aprendizado de máquina. 2025. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2025. Disponível em: https://teses.usp.br/teses/disponiveis/95/95131/tde-30042025-170213/. Acesso em: 11 abr. 2026. -
APA
Iha, B. K. V., & Setubal, J. C. (2025). Predição de fenótipos bacterianos a partir de genomas por meio de aprendizado de máquina (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/95/95131/tde-30042025-170213/ -
NLM
Iha BKV, Setubal JC. Predição de fenótipos bacterianos a partir de genomas por meio de aprendizado de máquina [Internet]. 2025 ;[citado 2026 abr. 11 ] Available from: https://teses.usp.br/teses/disponiveis/95/95131/tde-30042025-170213/ -
Vancouver
Iha BKV, Setubal JC. Predição de fenótipos bacterianos a partir de genomas por meio de aprendizado de máquina [Internet]. 2025 ;[citado 2026 abr. 11 ] Available from: https://teses.usp.br/teses/disponiveis/95/95131/tde-30042025-170213/
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
