Dirección General de Enseñanza Superior, proyecto número PB98-0979

Submitted by Angela Maria de Oliveira (amolivei@uepg.br) on 2017-11-30T10:57:51Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Douglas Tomachewski.pdf: 4287227 bytes, checksum: 4ee4e1b519755860efa6f01d55b3569f (MD5) / Made available in DSpace on 2017-11-30T10:57:51Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Douglas Tomachewski.pdf: 4287227 bytes, checksum: 4ee4e1b519755860efa6f01d55b3569f (MD5) Previous issue date: 2017-09-04 / A identificação de microrganismos, nas áreas da saúde e agricultura, é essencial para compreender a composição e o desenvolvimento do meio. Novas técnicas estão buscando identificar estes microrganismos com mais acurácia, rapidez e com menor custo. Uma técnica cada vez mais estudada e utilizada atualmente é a identificação de microrganismos através de espectros de massa, gerados por uma espectrometria de massa. Os espectros de massa são capazes de gerar um perfil para reconhecimento de um microrganismo, utilizando os picos referentes às mais abundantes massas moleculares registradas nos espectros. Analisando os picos pode-se designar um padrão, como uma impressão digital, para reconhecer um microrganismo, esta técnica é conhecida como PMF, do inglês Peptide Mass Fingerprint. Outra forma de identificar um espectro de massa, é através dos picos que são esperados que se apresentem no espectro, modelo qual este trabalho utilizou. Para prever os picos esperados no espectro, foram calculados os pesos moleculares estimados de proteínas ribossomais. Essas proteínas são denominadas house keeping, ou seja são presentes para o próprio funcionamento celular. Além de apresentarem grande abundância no conteúdo procariótico, elas são altamente conservadas, não alterando sua fisiologia para diferentes meios ou estágios celulares. Os pesos estimados formaram uma base de dados presumida, contendo todas as informações obtidas do repositório do NCBI. Esta base de dados presumida foi generalizada para taxonomia a nível de espécie, e posteriormente submetida à um aprendizado de máquina. Com isso foi possível obter um modelo classificatório de microrganismos baseado em valores de proteínas ribossomais. Utilizando o modelo gerado pelo aprendizado de máquina, foi desenvolvido um software chamado Ribopeaks, capaz classificar os microrganismos a nível de espécie com acurácia de 94.83%, considerando as espécies correlatas. Também foram observados os resultados a nível taxonômico de gênero, que obteve 98.69% de assertividade. Valores de massas moleculares ribossomais biológicas retiradas da literatura também foram testadas no modelo obtido, obtendo uma assertividade total de 84,48% para acertos em nível de espécie, e 90,51% de acerto em nível de gênero. / Identification of microorganisms in health and agriculture areas is essential to understand the composition and development of the environment. New techniques are seeking to identify these microorganisms with more accuracy, speed and at a lower cost. Nowadays, a technique that is increasingly studied and used is the identification of microorganisms through mass spectra, generated by mass spectrometry. The mass spectra are able to generate a recognition profile from a microorganism, using the referring peaks to the most abundant molecular masses recorded in the spectrum. By analyzing the peaks, it is possible to designate a pattern, such as a fingerprint, to recognize a microorganism; this technique is known as the Peptide Mass Fingerprint (PMF). Another way to identify a mass spectrum is through the peaks that are expected to appear in the spectrum, which model this work used. To predict the expected peaks in the spectrum, the estimated molecular weights of ribosomal proteins were calculated. These proteins are responsible for the cellular functioning itself, so-called housekeeping. Besides they being abundant in the prokaryotic content, they are highly conserved, not altering their physiology to different environments or cell stage. The estimated weights formed a presumed database, containing all the information obtained from the NCBI’s repository. This presumed database was generalized at the specie level and later submitted to a machine learning algorithm. With this, it was possible to obtain a microorganism’s classificatory model based on ribosomal proteins values. Using the generated model by the machine learning, a software called Ribopeaks was developed to classify the microorganisms at the specie level with an accuracy of 94.83%, considering the related species. It was also observed the results at genus level, which obtained 98.69% of assertiveness. Values of biological ribosomal molecular masses from the literature were also tested in the acquihired model, obtaining a total assertiveness of 84.48% at the specie level, and 90.51% at the genus level.

The Brazilian technician-scientific community that dedicates to the surveying is living a new time with the normatization of the technical parameters for reference of the geodesic surveys to Cadastro Nacional de Imóveis Rurais according to Brazilian Law 10.267/2001. The objective of this work is to analyse by means of the statistical parameters the quality of the survey data with GPS-receivers and post-processed in the softwares present in the market. Amongst the analysed parameters, the most important is the standard deviation of the coordinates, because it is the measure for the precision and it is an composition element of the accuracy, that indicate the result quality. The results presented by commercial softwares are compared with the official data of the State Landmark GPS network that are information supplied for the Instituto Brasileiro de Geografia e Estatística (IBGE). Also this work contribute for the relation user-manufacturer approaching them thus first when manipulating the programs get greater information availability how much to the applied methodology to give the processing results. By means of the fundamental univariate and multivariate Statistic concepts, this work give an analysis of as the commercial softwares are processing GPS data and also inform which the necessary minimum data that the softwares must supply to the user in order to give the estimated statistical parameters that are an indication the quality of each geodetic survey. / A comunidade técnico-científica brasileira que se dedica à mensuração está vivendo uma nova época com a normatização de parâmetros técnicos para levantamentos geodésicos destinados ao Cadastro Nacional de Imóveis Rurais de acordo com a Lei 10.267/2001. O objetivo desta dissertação é analisar por meio de parâmetros estatísticos estimados a qualidade dos dados oriundos de levantamentos com receptores GPS e pós-processados em programas computacionais presentes no mercado. Dentre os parâmetros estatísticos analisados, o mais importante é o desvio padrão das coordenadas, porque ele é a medida da precisão e compõe a medida da acurácia que exprimem a qualidade dos resultados. Os resultados apresentados pelos programas comerciais são comparados com dados oficiais da Rede Estadual de Marcos GPS que são informações fornecidas pelo Instituto Brasileiro de Geografia e Estatística (IBGE). Este trabalho também contribui para a relação usuário-fabricante aproximando-os, entre si, de maneira que o primeiro ao manipular os programas obtenha maior disponibilidade de informações quanto à metodologia aplicada para obter os resultados do processamento. Por meio dos conceitos fundamentais da Estatística univariada e multivariada, este trabalho fornece uma análise de como os programas comerciais estão processando os dados GPS e informa, também, quais os dados mínimos necessários que os programas computacionais devem fornecer ao usuário para que este obtenha os parâmetros estatísticos estimados indicadores da qualidade para cada levantamento geodésico.

It is proved that the initial value problem for a system of two Benjamin-Bona-Mahony equations coupled through both dispersive and nonlinear terms is locally and globally well posed in the Soboloev spaces Hs ×Hs with s ≥ 0 / Dado el problema de valor inicial para un sistema de dos ecuaciones de Benjamin-Bona-Mahony (BBM) acopladas a través de los términos dispersivos y no lineales, se demuestra que está bien colocado localmente y globalmente en los espacios Hs × Hs con s≥0.