Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Aprimorando a classificação de mirtrons com aumento de dados e modelos transformers
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/1108622
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Paschoal, Alexandre Rossi | - |
| Autor(es): dc.contributor | https://orcid.org/0000-0002-8887-0582 | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/5834088144837137 | - |
| Autor(es): dc.contributor | Raittz, Roberto Tadeu | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/9568041005753425 | - |
| Autor(es): dc.contributor | Paschoal, Alexandre Rossi | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/5834088144837137 | - |
| Autor(es): dc.contributor | Guizelini, Dieval | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/1281246225342109 | - |
| Autor(es): dc.contributor | Domingues, Douglas Silva | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/7905667701769534 | - |
| Autor(es): dc.contributor | Lopes, Fabricio Martins | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/1660070580824436 | - |
| Autor(es): dc.contributor | Lopes, Flavia Lombardi | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/2957834927297648 | - |
| Autor(es): dc.creator | Chiquitto, Alisson Gaspar | - |
| Data de aceite: dc.date.accessioned | 2025-08-29T13:10:30Z | - |
| Data de disponibilização: dc.date.available | 2025-08-29T13:10:30Z | - |
| Data de envio: dc.date.issued | 2025-08-19 | - |
| Data de envio: dc.date.issued | 2025-08-19 | - |
| Data de envio: dc.date.issued | 2025-04-28 | - |
| Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/37933 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1108622 | - |
| Descrição: dc.description | Among the classes of non-coding RNA (ncRNA) sequences, microRNAs and mirtrons are the most extensively studied in the literature, primarily due to their importance in understanding the regulatory mechanisms of these small ncRNAs. From a computational perspective, particularly regarding mirtron classification, a key challenge is the data imbalance problem, which can hinder the generalization ability of machine learning models and contribute, for instance, to model overfitting. This issue compromises the accuracy and reliability of analyses, hindering progress in the identification and characterization of these ncRNA classes. To mitigate the challenges of data imbalance in small sample datasets, this study explores two main strategies. The first involves the development of GENNUS: GENerative Approaches for NUcleotide Sequences, a framework of generative techniques aimed at synthesizing mirtron data. GENNUS comprises two approaches based on Generative Adversarial Networks (GAN) and three approaches based on the Synthetic Minority Over-sampling Technique (SMOTE). The results demonstrate that these approaches are capable of generating synthetic data while preserving the intrinsic patterns and inherent diversity of real mirtron sequences. Moreover, the use of synthetic data eliminates the need for extensive feature engineering, making the modeling process more efficient and accessible. The second strategy explores deep learning techniques, specifically Transformer-based architectures, for the classification of mirtrons and canonical miRNAs. These models leverage the Transformer’s ability to capture long-range dependencies and complex relationships within nucleotide sequences. The results indicate that Transformer-based classifiers outperform stateof-the-art methods, yielding substantial improvements in both generalization and classification accuracy. This approach highlights the potential of deep learning models to enhance ncRNA analysis, paving the way for significant advancements in the field of bioinformatics. This work emphasizes the transformative impact of synthetic data generation and the use of advanced deep learning architectures in addressing the limitations imposed by data imbalance in genomics. The proposed methodologies offer more effective and scalable solutions for ncRNA classification, contributing to a deeper understanding of genetic regulation and enabling new discoveries in computational molecular biology. Additionally, this work also presents contributions in the classification of long non-coding RNAs (lncRNA), further expanding and demonstrating the applicability of machine learning techniques across different contexts of genomic analysis. | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Descrição: dc.description | Dentre as classes de sequências de RNA não-codificante (ncRNA), os microRNAs e mirtrons são as mais estudados na literatura, principalmente pela importância na compreensão dos mecanismos de regulação genética desses pequenos ncRNAs. Do ponto de vista computacional, no que se trata sobre a classificação, em particular de mirtrons, tem-se o problema do desbalanceamento de dados, que pode comprometer a capacidade de generalização dos modelos de aprendizagem de máquina, contribuindo, por exemplo, para o superajuste dos modelos (overfitting). Esse problema compromete a precisão e a confiabilidade das análises, dificultando avanços na identificação e caracterização dessas classes de ncRNAs. Como forma de mitigar os problemas de desbalanceamento em amostras pequenas de dados, este estudo explora duas estratégias principais. A primeira consiste no desenvolvimento do GENNUS: GENerative Approaches for NUcleotide Sequences, um conjunto de abordagens generativas voltadas para a síntese de dados de mirtrons. O GENNUS é composto por duas abordagens baseadas em Redes Adversárias Generativas (Generative Adversarial Networks - GAN) e três abordagens baseadas na Synthetic Minority Over-sampling Technique (SMOTE). Os resultados demonstram que essas abordagens são capazes de gerar dados sintéticos, reservando padrões intrínsecos e a diversidade inerente das sequências reais de mirtrons, sem a ecessidade de engenharia de atributos, tornando o processo de modelagem mais eficiente e acessível. A segunda estratégia explora técnicas de aprendizagem profunda, em específico as arquiteturas baseadas em Transformer, para a classificação de mirtrons e miRNAs canônicos. Esses modelos aproveitam a capacidade do Transformer de capturar dependências de longo alcance e relações complexas dentro das sequências de nucleotídeos. Os resultados indicam que os classificadores baseados em Transformer superam métodos estado da arte, proporcionando melhorias substanciais na generalização e na precisão da classificação. Essa abordagem demonstra o potencial dos modelos de aprendizagem profunda para aprimorar a análise de ncRNA, abrindo caminho para avanços significativos no campo da bioinformática. Este trabalho destaca o impacto transformador da geração de dados sintéticos e da utilização de arquiteturas avançadas de aprendizado profundo, na mitigação das limitações impostas pelo desbalanceamento de dados na genômica. As metodologias propostas oferecem soluções mais eficazes e escaláveis para a classificação de ncRNA, contribuindo para uma compreensão mais aprofundada da regulação genética e viabilizando novas descobertas no campo da biologia molecular computacional. Adicionalmente, este trabalho também apresenta contribuições na área de classificação de RNAs longos não-codificantes (lncRNA), expandindo e demonstrando a aplicabilidade de técnicas de aprendizado de máquina, em diferentes contextos de análise genômica. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
| Publicador: dc.publisher | Cornelio Procopio | - |
| Publicador: dc.publisher | Brasil | - |
| Publicador: dc.publisher | Programa de Pós-Graduação Associado em Bioinformática (Ufpr/Utfpr) | - |
| Publicador: dc.publisher | UTFPR | - |
| Direitos: dc.rights | openAccess | - |
| Palavras-chave: dc.subject | Bioinformática | - |
| Palavras-chave: dc.subject | Redes neurais (Computação) | - |
| Palavras-chave: dc.subject | Algorítmos genéticos | - |
| Palavras-chave: dc.subject | Bioinformatics | - |
| Palavras-chave: dc.subject | Neural networks (Computer science) | - |
| Palavras-chave: dc.subject | Genetic algorithms | - |
| Palavras-chave: dc.subject | CNPQ::CIENCIAS SOCIAIS APLICADAS | - |
| Palavras-chave: dc.subject | Ciência da Computação | - |
| Título: dc.title | Aprimorando a classificação de mirtrons com aumento de dados e modelos transformers | - |
| Título: dc.title | Improving mirtron classification with data augmentation and transformer models | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT | |
Não existem arquivos associados a este item.
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo