Made available in DSpace on 2013-08-07T18:42:43Z (GMT). No. of bitstreams: 1 000399881-Texto+Completo-0.pdf: 3533066 bytes, checksum: e2d1ae8a7aab3f836474380e9a96e7c0 (MD5) Previous issue date: 2008 / Proteins are polypeptides formed by a long chain of amino acids residues which, in physiological conditions (native environment), adopt a unique three-dimensional (3-D) structure. These macromolecules are involved in most of the molecular transformations in the living cells. The native structure of a protein dictates its biochemical function. Hence, knowledge of a protein structure allows one to interfere with it, either by enhancing or inhibiting its function, such as in diseases in which the drug targets are proteins. Experimentally, the 3-D structure of a protein is obtained by techniques such as X-ray diffraction crystallography or nuclear magnetic resonance. However, due to the high cost and time demanded by these techniques, determination of the 3-D structure of a protein is a problem that still challenges the scientists. Many computational protein structure prediction methods have been proposed along the last years in order to address this problem. These methods are organized into two major groups. The first group comprehends comparative homology modelling and knowledge-based methods such as fold recognition via threading. The second group is made up by ab initio and de novo methods. However, these methods also have limitations: comparative homology modelling can only predict structures of proteins with amino acid sequences nearly identical or similar to other protein sequences of known structure in the protein Data Bank (PDB). Ab initio and de novo methods can predict new folds, but the complexity and high dimensionality of the search space, even for a small protein molecule, makes the problem computationally intractable. Despite the relative success of these prediction methods for small proteins and polypeptides, efforts are still needed to develop novel strategies for extracting and manipulating experimental data and to develop methods that use these data for correctly predicting a protein 3-D structure from its amino acid sequence only. In this dissertation we present a new computational method to predict approximate 3-D structure of polypeptides and proteins. A new algorithm was developed, based on information analysis obtained from PDB templates. Data mining techniques, intervals representation and treatment of experimental structural information are used in this algorithm. The polypeptide main chain torsion angles intervals, for each amino acid residue, are reduced with the objective to find a closed interval that contains the conformation with the lowest potential energy. Six case studies illustrate applications of the proposed method. / As proteínas são polipeptídeos formados por uma longa cadeia covalente de resíduos de aminoácidos que, em condições fisiológicas (ambiente nativo), adota uma topologia 3D única. Estas macromoléculas estão envolvidas na maior parte das transformações moleculares nas células vivas. A estrutura nativa dita a função bioquímica específica da proteína. Conhecer a estrutura 3D da proteína implica em também conhecer a sua função. Assim, conhecendo a sua estrutura é possível interferir ativando ou inibindo a sua função, como nas doenças onde os alvos dos fármacos são as proteínas. Experimentalmente, a estrutura 3D de uma proteína pode ser obtida através de técnicas de cristalografia por difração de raios X ou por ressonância magnética nuclear. Porém, devido às diversas dificuldades, incluindo o alto custo e o elevado tempo demandado por estas técnicas, a determinação da estrutura 3D de proteínas ainda é um problema que desafia os cientistas. Diversos métodos de predição in sílico foram criados durante os últimos anos buscando a solução deste problema. Estes métodos estão organizados em dois grandes grupos. Ao primeiro, pertencem os métodos de modelagem comparativa por homologia e métodos baseados em conhecimento como os de alinhavamento (threading). Ao segundo, pertencem os métodos ab initio e os métodos de novo. No entanto, estes métodos de predição possuem limitações: métodos baseados em modelagem comparativa por homologia e alinhavamento somente podem realizar a predição de estruturas que possuem seqüências idênticas ou similares à outras proteínas armazenadas no Protein Data Bank (PDB). Métodos de novo e ab initio, por sua vez, tornam possível a obtenção de novas formas de enovelamento. Entretanto, a complexidade e a grande dimensão do espaço de busca conformacional, mesmo para uma pequena molécula de proteína, torna o problema da predição intratável computacionalmente (Paradoxo de Levinthal). Apesar do relativo sucesso obtido por estes métodos para proteínas de pequeno tamanho, muitos esforços ainda são necessários para o desenvolvimento de estratégias para extração e manipulação de dados experimentais, bem como o desenvolvimento de metodologias que façam utilização destas informações com o propósito de predizer corretamente, a partir apenas da seqüência de aminoácidos de uma proteína, a sua estrutura 3D. Nesta dissertação é apresentada uma nova proposta para a predição in sílico da estrutura 3D aproximada de polipeptídeos e proteínas. Um novo algoritmo foi desenvolvido, baseando-se na análise de informações obtidas de moldes do PDB. Técnicas de mineração de dados, representação de intervalos e de manipulação das informações estruturais são utilizadas neste algoritmo. Os intervalos de variação angular de cada resíduo de aminoácido da cadeia polipeptídica são reduzidos como o objetivo de encontrar um intervalo fechado que contém a conformação com a menor energia potencial. Seis estudos de caso demonstram a aplicação do método desenvolvido.

Made available in DSpace on 2013-08-07T18:43:04Z (GMT). No. of bitstreams: 1 000388456-Texto+Completo-0.pdf: 5013053 bytes, checksum: 84575b0c4a9de44bcbed52209cdfc492 (MD5) Previous issue date: 2007 / This work presents a methodology to model and to build 3D interaction tasks in virtual environments using Petri nets, a technique-decomposition taxonomy and object-oriented concepts. Therefore, a set of classes and a graphics library are required to build an application and to control the net dataflow. Operations can be developed and represented as Petri Net nodes. These nodes, when linked, represent the interaction process stages. The integration of these approaches results in a modular application, based in the Petri Nets formalism that allows specifying an interaction task, and also to reuse developed blocks in new virtual environments projects. / Este trabalho apresenta uma metodologia para modelar e construir tarefas de interação 3D em ambientes virtuais usando Redes de Petri, uma taxonomia de decomposição de técnicas e conceitos de orientação a objetos. Para tanto, um conjunto de classes e uma biblioteca gráfica são requisitos para construção de uma aplicação e para controlar o fluxo de dados da rede. Operações podem ser desenvolvidas e representadas como nodos de uma Rede de Petri. Estes nodos, quando interligados, representam as etapas do processo interativo. A integração destas abordagens resulta em uma aplicação modular, baseada no formalismo de Redes de Petri que permite especificar uma tarefa de interação, e também o reuso dos componentes existentes em novos projetos de ambientes virtuais.

Made available in DSpace on 2013-09-17T11:19:29Z (GMT). No. of bitstreams: 1 000450552-Texto+Completo-0.pdf: 13444628 bytes, checksum: cd739d39113e64cc9274c56f1cc77d01 (MD5) Previous issue date: 2013 / This thesis presents a new model to identify 3D human poses from photos. Given a single input image and a new model for characterization of postures based on their "comfort", this work aims to solve ambiguous postures and to generate the possible postures in 3D. The 3D human pose recovery model is based on the method of Taylor [Tay00] and includes improvements with biomechanical constraints in order to reduce the search space of possible 3D postures that can represent the pose in the 2D image. Furthermore, it is proposed a classification system which can be used to suggest the best positions generated according to the features of comfort and lightness of the image which are also used. The comfort criteria is related to assumptions in terms of the posture balance, while the shade criterion eliminates the ambiguities of postures, taking into account the illumination in the image. It should be emphasized that the recovery poses in 3D from just a single two-dimensional image is the main focus of this work. The paper also proposes one application for minimizing ambiguous poses based on self-occlusion. Result analysis was performed to check the validity of the models proposed in this thesis. / Esta tese apresenta um novo modelo para identificar poses humanas 3D a partir de fotos. Dada uma única imagem de entrada e um novo modelo de caracterização de posturas baseado no seu “conforto”, este trabalho visa resolver desambiguidades e gerar posturas que sejam humanamente possíveis em 3D. Este modelo de recuperação de pose humana 3D é baseado no método de Taylor [Tay00] e inclui melhorias em termos de restrições biomecânicas com o objetivo de reduzir o espaço de busca de possíveis posturas 3D que possam representar a pose na imagem 2D. Além disso, propõe-se um sistema de classificação que pode ser utilizado para sugerir as melhores posições geradas de acordo com as características de conforto e da luminosidade da imagem que também são exploradas. O critério de conforto adota premissas em termos de equilíbrio da postura, enquanto o critério de luminosidade elimina as ambiguidades de posturas, levando em conta a iluminação da imagem. Deve-se enfatizar que a recuperação de poses em 3D, que correspondem a uma única imagem bidimensional, é o foco principal deste trabalho. O trabalho também propôs uma aplicação para minimização de poses ambiguas baseado em auto-oclusão. Foram realizadas análises a fim de verificar a validade dos modelos propostos nesta tese.

Made available in DSpace on 2013-08-07T18:43:42Z (GMT). No. of bitstreams: 1 000385168-Texto+Completo-0.pdf: 1479304 bytes, checksum: c2d3092f95cb481ba685072abcb9e193 (MD5) Previous issue date: 2006 / Oceanography is the study of the physical and biological features of the oceans and seas. Several climatic and meteorological aspects are affected by the ocean behavior. Besides, great mineral deposits, such as petroleum and gas, exist deep in the ocean. The simulation of oceanic data consists in forecasting oceanic behavior through the processing of numeric models. With the advance of computational power, great volumes of data are generated, obtaining as a result a better information accuracy. Thus, tools for the visualization of these data become essential to aid the oceanographers in the information analysis and interpretation. The main goal of this work is to present the design and development of a tool for 3D visualization of simulated oceanic data. The data were obtained through the Princeton Ocean Model (POM). Scalar and vector visualization, selection of region of interest using curvilinear cuts, and animation of the volume were developed to observe the physics aspects of the ocean and the parameters variation along the time, through 3D visualization. In this work, initially a study of techniques and visualization algorithms of oceanic data were done. Several features present in the visualization tools were also approached, which served as base for the specification of the necessary functionalities of the system. / A Oceanografia é o estudo das características físicas e biológicas dos oceanos e dos mares. Diversos aspectos climáticos e meteorológicos são afetados pelo comportamento do oceano. Além disso, no fundo oceânico existem grandes depósitos de minerais, como petróleo e gás. A simulação oceânica consiste em realizar previsões do seu comportamento, através do processamento de modelos numéricos. Com o avanço do poder computacional, grandes volumes de dados são gerados, obtendo com isso uma maior exatidão das informações. Assim, ferramentas para a visualização destes dados tornam-se imprescindíveis para auxiliar os oceanógrafos na análise e interpretação das informações. O presente trabalho tem como objetivo apresentar o projeto e desenvolvimento de uma ferramenta para visualização 3D de dados oceânicos simulados. Os dados foram obtidos através do modelo Princeton Ocean Model (POM). Para observar as características físicas do oceano, foram desenvolvidas técnicas para a visualização de dados escalares e vetoriais, seleção de regiões de interesse utilizando cortes curvilíneos e animação do volume para observar a variação dos parâmetros ao longo do tempo, através da visualização tridimensional do oceano. Para este trabalho, inicialmente foi realizado um estudo das técnicas e algoritmos de visualização de dados oceânicos. Também foram abordadas diversas características presentes em sistemas de visualização, que serviram como base para especificação das funcionalidades desenvolvidas na ferramenta.