09/02 - 14h - Defesa de Mestrado - Samuel Evangelista de Lima Oliveira

                                                           Defesa de Dissertação

 

Título: "Identificação de Atributos Relevante em Sequências de Protease e Transcriptase Reversa do Vírus HIV-1 para a Predição da Resposta de Pacientes ao Tratamento com Drogas Anti-retrovirais"  


Mestrando: Samuel Evangelista de Lima Oliveira
Orientador: Luiz Henrique de Campos Merschmann


Resumo: O vírus da Imunodeficiência Humana é um retrovirus que ataca principalmente o Sistema Imunológico humano, reduzindo progressivamente a sua eficácia. Combinações de drogas antiretrovirais são utilizadas no tratamento da infecção por HIV, contudo, as altas taxas de mutação nesse vírus podem desencadear fenótipos virais resistentes a alguns antirretrovirais, e consequentemente causar falhas no tratamento. Podemos encontrar na literatura uma série de trabalhos de bioinformática, baseados em aprendizado de máquina, que tentam predizer a resposta de um paciente a terapia que está sendo utilizada, ou mesmo ajudar na escolha de uma nova terapia antirretroviral. Contudo ainda há uma carência de estudos que mostrem quais atributos podem ser interessantes na tarefa de predição descrita.
Neste trabalho apresentamos um estudo comparativo sobre a utilização de diferentes atributos na predição da resposta de pacientes recém infectados pelo HIV-1 ao tratamento com antirretrovirais.
Utilizamos diferentes conjuntos de atributos, extraídos de duas sequências de proteínas do HIV, para o treinamento de quatro diferentes métodos de aprendizado de máquina. Além dos resultados de classificação para cada conjunto de atributos, apresentamos dois conjuntos de atributos adicionais, obtidos através de técnicas de seleção de atributos, e os resultados de classificação para os mesmos.
Os resultados obtidos nos mostram que, quando avaliados individualmente, a utilização de atributos relacionados a fenótipos virais resistentes aos medicamentos obtém os melhores resultados de classificação para a maioria dos métodos de aprendizado de máquina utilizados. De maneira complementar, as bases de dados obtidas através da seleção de atributos apresentam melhores resultados quando são formadas por atributos heterogêneos, nos quais há uma presença considerável de atributos relacionados a fenótipos virais resistentes aos medicamentos.

 

Data: 09/02/2012 às 14h00min
Local: Sala Multimídia – ICEB/UFOP

Departamento de Computação  |  ICEB  |  Universidade Federal de Ouro Preto
Campus Universitário Morro do Cruzeiro  |  CEP 35400-000  |  Ouro Preto - MG, Brasil
Telefone: +55 31 3559-1692  |  decom@ufop.edu.br