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
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
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://www.teses.usp.br/teses/disponiveis/95/95131/tde-30042025-170213/. Acesso em: 11 fev. 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://www.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 fev. 11 ] Available from: https://www.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 fev. 11 ] Available from: https://www.teses.usp.br/teses/disponiveis/95/95131/tde-30042025-170213/
Informações sobre o DOI: 10.11606/T.95.2025.tde-30042025-170213 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
