Busca avançada
Ano de início
Entree

Aplicação de técnicas de transferência de aprendizagem e ontologias a modelos QSAR para regressão

Processo: 16/18840-3
Linha de fomento:Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE
Vigência: 01 de setembro de 2017 - 31 de agosto de 2019
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Convênio/Acordo: IBM Brasil
Pesquisador responsável:Patrícia Rufino Oliveira
Beneficiário:Patrícia Rufino Oliveira
Instituição-sede: Escola de Artes, Ciências e Humanidades (EACH). Universidade de São Paulo (USP). São Paulo, SP, Brasil
Empresa: IBM Brasil - Indústria, Máquinas e Serviços Ltda
Pesquisadores principais:Kathia Maria Honorio
Bolsa(s) vinculada(s):18/06680-7 - Aplicação de ontologias em estudos de química medicinal computacional e relações entre estrutura química e atividade biológica, BP.MS
Assunto(s):Inteligência artificial  Aprendizado computacional  Ontologia (ciência da computação)  Química médica  Desenvolvimento de fármacos 

Resumo

Para desenvolver um novo medicamento, pesquisadores devem analisar os alvos biológicos de uma dada doença, descobrir e desenvolver candidatos a fármacos para este alvo biológico, realizando em paralelo, testes biológicos em laboratório para validar a eficiência e os efeitos colaterais da substância química. O estudo quantitativo da relação estrutura-atividade (QSAR) envolve a construção de modelos de regressão que relacionam um conjunto de descritores de um composto químico e a sua atividade biológica com relação a um ou mais alvos no organismo. Os conjuntos de dados manipulados pelos pesquisadores para análise QSAR são caracterizados geralmente por um número pequeno de instâncias e isso torna mais complexa a construção de modelos preditivos. Nesse contexto, a transferência de conhecimento utilizando informações de outros modelos QSAR's com mais informações disponíveis para o mesmo alvo biológico seria desejável, diminuindo o esforço e o custo do processo para gerar novos modelos de descritores de compostos químicos. Este trabalho apresenta a proposta de projeto que consiste na utilização de dois métodos de transferência de aprendizagem, por instâncias e por parâmetros, para construção de modelos QSAR para regressão via Vetores Suporte (SVR). A fim de implementar as técnicas de aprendizagem de transferência, uma nova abordagem para a seleção de conjuntos de dados químicos relacionados, que se baseia na integração de diferentes ontologias, será desenvolvida. Os resultados da regressão obtidos pela utilização dos métodos de aprendizagem de transferência serão comparados com os obtidos pelos métodos clássicos em relação à medida de erro médio quadrático (MSE). (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Treinamento técnico em tecnologia da informação com bolsa da FAPESP 
Matéria(s) publicada(s) na Revista Pesquisa FAPESP sobre o auxílio:
Elevada produtividade 
Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.