Diss.--Jena.

Thesis (doctoral)--Philipps-Universität Marburg/Lahn, 1994.

Th. doct.--Droit--Barcelone, 1982. / Bibliogr. p. 345-350. Index.

Material addicional: http://hdl.handle.net/10230/24562 / La información de clase semántica de los nombres es fundamental para una amplia variedad de tareas del procesamiento del lenguaje natural (PLN), como la traducción automática, la discriminación de referentes en tareas como la detección y el seguimiento de eventos, la búsqueda de respuestas, el reconocimiento y la clasificación de nombres de entidades, la construcción y ampliación automática de ontologías, la inferencia textual, etc. Una aproximación para resolver la construcción y el mantenimiento de los léxicos de gran cobertura que alimentan los sistemas de PNL, una tarea muy costosa y lenta, es la adquisición automática de información léxica, que consiste en la inducción de una clase semántica relacionada con una palabra en concreto a partir de datos de su distribución obtenidos de un corpus. Precisamente, por esta razón, se espera que la investigación actual sobre los métodos para la producción automática de léxicos de alta calidad, con gran cantidad de información y con anotación de clase como el trabajo que aquí presentamos, tenga un gran impacto en el rendimiento de la mayoría de las aplicaciones de PNL. En esta tesis, tratamos la adquisición automática de información léxica como un problema de clasificación. Con este propósito, adoptamos métodos de aprendizaje automático para generar un modelo que represente los datos de distribución vectorial que, basados en ejemplos conocidos, permitan hacer predicciones de otras palabras desconocidas. Las principales preguntas de investigación que planteamos en esta tesis son: (i) si los datos de corpus proporcionan suficiente información para construir representaciones de palabras de forma eficiente y que resulten en decisiones de clasificación precisas y sólidas, y (ii) si la adquisición automática puede gestionar, también, los nombres polisémicos. Para hacer frente a estos problemas, realizamos una serie de validaciones empíricas sobre nombres en inglés. Nuestros resultados confirman que la información obtenida a partir de la distribución de los datos de corpus es suficiente para adquirir automáticamente clases semánticas, como lo demuestra un valor-F global promedio de 0,80 aproximadamente utilizando varios modelos de recuento de contextos y en datos de corpus de distintos tamaños. No obstante, tanto el estado de la cuestión como los experimentos que realizamos destacaron una serie de retos para este tipo de modelos, que son reducir la escasez de datos del vector y dar cuenta de la polisemia nominal en las representaciones distribucionales de las palabras. En este contexto, los modelos de word embedding (WE) mantienen la “semántica” subyacente en las ocurrencias de un nombre en los datos de corpus asignándole un vector. Con esta elección, hemos sido capaces de superar el problema de la escasez de datos, como lo demuestra un valor-F general promedio de 0,91 para las clases semánticas de nombres de sentido único, a través de una combinación de la reducción de la dimensionalidad y de números reales. Además, las representaciones de WE obtuvieron un rendimiento superior en la gestión de las ocurrencias asimétricas de cada sentido de los nombres de tipo complejo polisémicos regulares en datos de corpus. Como resultado, hemos podido clasificar directamente esos nombres en su propia clase semántica con un valor-F global promedio de 0,85. La principal aportación de esta tesis consiste en una validación empírica de diferentes representaciones de distribución utilizadas para la clasificación semántica de nombres junto con una posterior expansión del trabajo anterior, lo que se traduce en recursos léxicos y conjuntos de datos innovadores que están disponibles de forma gratuita para su descarga y uso. / La información de clase semántica de los nombres es fundamental para una amplia variedad de tareas del procesamiento del lenguaje natural (PLN), como la traducción automática, la discriminación de referentes en tareas como la detección y el seguimiento de eventos, la búsqueda de respuestas, el reconocimiento y la clasificación de nombres de entidades, la construcción y ampliación automática de ontologías, la inferencia textual, etc. Una aproximación para resolver la construcción y el mantenimiento de los léxicos de gran cobertura que alimentan los sistemas de PNL, una tarea muy costosa y lenta, es la adquisición automática de información léxica, que consiste en la inducción de una clase semántica relacionada con una palabra en concreto a partir de datos de su distribución obtenidos de un corpus. Precisamente, por esta razón, se espera que la investigación actual sobre los métodos para la producción automática de léxicos de alta calidad, con gran cantidad de información y con anotación de clase como el trabajo que aquí presentamos, tenga un gran impacto en el rendimiento de la mayoría de las aplicaciones de PNL. En esta tesis, tratamos la adquisición automática de información léxica como un problema de clasificación. Con este propósito, adoptamos métodos de aprendizaje automático para generar un modelo que represente los datos de distribución vectorial que, basados en ejemplos conocidos, permitan hacer predicciones de otras palabras desconocidas. Las principales preguntas de investigación que planteamos en esta tesis son: (i) si los datos de corpus proporcionan suficiente información para construir representaciones de palabras de forma eficiente y que resulten en decisiones de clasificación precisas y sólidas, y (ii) si la adquisición automática puede gestionar, también, los nombres polisémicos. Para hacer frente a estos problemas, realizamos una serie de validaciones empíricas sobre nombres en inglés. Nuestros resultados confirman que la información obtenida a partir de la distribución de los datos de corpus es suficiente para adquirir automáticamente clases semánticas, como lo demuestra un valor-F global promedio de 0,80 aproximadamente utilizando varios modelos de recuento de contextos y en datos de corpus de distintos tamaños. No obstante, tanto el estado de la cuestión como los experimentos que realizamos destacaron una serie de retos para este tipo de modelos, que son reducir la escasez de datos del vector y dar cuenta de la polisemia nominal en las representaciones distribucionales de las palabras. En este contexto, los modelos de word embedding (WE) mantienen la “semántica” subyacente en las ocurrencias de un nombre en los datos de corpus asignándole un vector. Con esta elección, hemos sido capaces de superar el problema de la escasez de datos, como lo demuestra un valor-F general promedio de 0,91 para las clases semánticas de nombres de sentido único, a través de una combinación de la reducción de la dimensionalidad y de números reales. Además, las representaciones de WE obtuvieron un rendimiento superior en la gestión de las ocurrencias asimétricas de cada sentido de los nombres de tipo complejo polisémicos regulares en datos de corpus. Como resultado, hemos podido clasificar directamente esos nombres en su propia clase semántica con un valor-F global promedio de 0,85. La principal aportación de esta tesis consiste en una validación empírica de diferentes representaciones de distribución utilizadas para la clasificación semántica de nombres junto con una posterior expansión del trabajo anterior, lo que se traduce en recursos léxicos y conjuntos de datos innovadores que están disponibles de forma gratuita para su descarga y uso. / Lexical semantic class information for nouns is critical for a broad variety of Natural Language Processing (NLP) tasks including, but not limited to, machine translation, discrimination of referents in tasks such as event detection and tracking, question answering, named entity recognition and classification, automatic construction and extension of ontologies, textual inference, etc. One approach to solve the costly and time-consuming manual construction and maintenance of large-coverage lexica to feed NLP systems is the Automatic Acquisition of Lexical Information, which involves the induction of a semantic class related to a particular word from distributional data gathered within a corpus. This is precisely why current research on methods for the automatic production of high- quality information-rich class-annotated lexica, such as the work presented here, is expected to have a high impact on the performance of most NLP applications. In this thesis, we address the automatic acquisition of lexical information as a classification problem. For this reason, we adopt machine learning methods to generate a model representing vectorial distributional data which, grounded on known examples, allows for the predictions of other unknown words. The main research questions we investigate in this thesis are: (i) whether corpus data provides sufficient distributional information to build efficient word representations that result in accurate and robust classification decisions and (ii) whether automatic acquisition can handle also polysemous nouns. To tackle these problems, we conducted a number of empirical validations on English nouns. Our results confirmed that the distributional information obtained from corpus data is indeed sufficient to automatically acquire lexical semantic classes, demonstrated by an average overall F1-Score of almost 0.80 using diverse count-context models and on different sized corpus data. Nonetheless, both the State of the Art and the experiments we conducted highlighted a number of challenges of this type of model such as reducing vector sparsity and accounting for nominal polysemy in distributional word representations. In this context, Word Embeddings (WE) models maintain the “semantics” underlying the occurrences of a noun in corpus data by mapping it to a feature vector. With this choice, we were able to overcome the sparse data problem, demonstrated by an average overall F1-Score of 0.91 for single-sense lexical semantic noun classes, through a combination of reduced dimensionality and “real” numbers. In addition, the WE representations obtained a higher performance in handling the asymmetrical occurrences of each sense of regular polysemous complex-type nouns in corpus data. As a result, we were able to directly classify such nouns into their own lexical-semantic class with an average overall F1-Score of 0.85. The main contribution of this dissertation consists of an empirical validation of different distributional representations used for nominal lexical semantic classification along with a subsequent expansion of previous work, which results in novel lexical resources and data sets that have been made freely available for download and use.

The authoring of realistic terrain models is necessary to generate immersive virtual environments for computer games and film visual effects. However, creating these landscapes is difficult – it usually involves an artist spending many hours sculpting a model in a 3D design program. Specialised terrain generation programs exist to rapidly create artificial terrains, such as Bryce (2013) and Terragen (2013). These make use of complex algorithms to pseudo-randomly generate the terrains, which can then be exported into a 3D editing program for fine tuning. Height-maps are a 2D data-structure, which stores elevation values, and can be used to represent terrain data. They are also a common format used with terrain generation and editing systems. Height-maps share the same storage design as image files, as such they can be viewed like any picture and image transformation algorithms can be applied to them. Early techniques for generating terrains include fractal generation and physical simulation. These methods proved difficult to use as the algorithms were manipulated with a set of parameters. However, the outcome from changing the values is not known, which results in the user changing values over several iterations to produce their desired terrain. An improved technique brings in a higher degree of user control as well as improved realism, known as texture-based terrain synthesis. This borrows techniques from texture synthesis, which is the process of algorithmically generating a larger image from a smaller sample image. Texture-based terrain synthesis makes use or real-world terrain data to produce highly realistic landscapes, which improves upon previous techniques. Recent work in texture-based synthesis has focused on improving both the realism and user control, through the use of sketching interfaces. We present a patch-based terrain synthesis system that utilises a user sketch to control the location of desired terrain features, such as ridges and valleys. Digital Elevation Models (DEMs) of real landscapes are used as exemplars, from which candidate patches of data are extracted and matched against the user’s sketch. The best candidates are merged seamlessly into the final terrain. Because real landscapes are used the resulting terrain appears highly realistic. Our research contributes a new version of this approach that employs multiple input terrains and acceleration using a modern Graphics Processing Unit (GPU). The use of multiple inputs increases the candidate pool of patches and thus the system is capable of producing more varied terrains. This addresses the limitation where supplying the wrong type of input terrain would fail to synthesise anything useful, for example supplying the system with a mountainous DEM and expecting deep valleys in the output. We developed a hybrid multithreaded CPU and GPU implementation that achieves a 45 times speedup.

With the demand for recorded lectures to be made available as soon as possible, the University of Cape Town (UCT) needs to find innovative ways of removing bottlenecks in lecture capture workflow and thereby improving turn-around times from capture to publication. UCT utilises Opencast, which is an open source system to manage all the steps in the lecture-capture process. One of the steps involves manual trimming of unwanted segments from the beginning and end of video before it is published. These segments generally contain student chatter. The trimming step of the lecture-capture process has been identified as a bottleneck due to its dependence on staff availability. In this study, we investigate the potential of audio classification to automate this step. A classification model was trained to detect 2 classes: speech and non-speech. Speech represents a single dominant voice, for example, the lecturer, and non-speech represents student chatter, silence and other environmental sounds. In conjunction with the classification model, the first and last instances of the speech class together with their timestamps are detected. These timestamps are used to predict the start and end trim points for the recorded lecture. The classification model achieved a 97.8% accuracy rate at detecting speech from non-speech. The start trim point predictions were very positive, with an average difference of -11.22s from gold standard data. End trim point predictions showed a much greater deviation, with an average difference of 145.16s from gold standard data. Discussions between the lecturer and students, after the lecture, was predominantly the reason for this discrepancy.

Mucopolissacaridose tipo I (MPS I) é causada por uma deficiência na enzima a- L-iduronidase (IDUA), que está envolvida na metabolização de heparan e dermatan sulfato. Existem três fenótipos clínicos, que vão desde a forma grave, Hurler, caracterizada por anormalidades esqueléticas, hepatosplenomegalia e retardo mental grave. O fenótipo intermediário é caracterizado por um envolvimento somático progressivo, incluindo disostose múltipla, com pouco ou nenhum comprometimento neurológico. Já no fenótipo leve, ou Scheie, está presente doença cardíaca valvular, opacificação da córnea, limitadas anormalidades esqueléticas, mas ausência de retardo mental. Neste estudo, investigamos um grupo de 25 pacientes, diagnosticados com a MPS I, que foram inicialmente analisados para 6 mutações recorrentes, (W402X, P533R, R383H, R89Q, A327P e Q70X). Os pacientes não genotipados, após a análise das mutações conhecidas, foram analisados por SSCP e, aqueles com um padrão de migração de SSCP anormal foram seqüenciados. A análise mutacional confirmou uma elevada prevalência de W402X e P533R (28% e 18%). Os seqüenciamentos resultaram na identificação de cinco mutações previamente conhecidas e cinco mutações novas. O genótipo foi completamente definido em 60% (15/25) dos pacientes brasileiros e 76% dos alelos foram determinados. Assim, o nosso estudo mostrou que apesar da prevalência de W402X e P533R na população brasileira com MPS I, há ainda um grande número de mutações únicas para cada pacientes MPS I, ressaltando as dificuldades rastreio de mutações para esta desordem em populações mistas. / Mucopolysaccharidosis type I (MPS I) is caused by a deficiency of the enzyme a- L-iduronidase (IDUA), which is involved in the breakdown of dermatan and heparan sulphates. There are three clinical phenotypes, ranging from the severe Hurler form characterized by skeletal abnormalities, hepatosplenomegaly and severe mental retardation, to the milder Scheie phenotype in which there is cardiac valve disease, corneal clouding, limited skeletal problems, but no mental retardation. The intermediate form of MPS I (Hurler/Scheie) is characterized by progressive somatic involvement, including dysostosis multiplex, with little or no intellectual dysfunction. In this study, we have investigated a group of 25 patients, diagnosed with the MPS I that were screened for 6 known mutations (W402X, P533R, R383H, R89Q, A327P and Q70X). Patients not genotyped, after the analysis of known mutations, were analyzed by SSCP and those with an abnormal SSCP migration pattern were sequenced. Mutational analysis confirmed a high prevalence of W402X and P533R (28% and 18%). Sequecing resulted in the identification of five known mutations and five previously unknown sequence changes. The genotype was fully defined in 60% (15/25) of Brazilian patients and 76% of alleles was determined. In addition, our study has show that, despite the prevalence of W402X and P533R in the Brazilian MPS I population, there is still a large number of mutations unique to individual MPS I patients, highlighting the difficulties of mutation screening for this disorder in mixed populations.

A mucopolissacaridose tipo I (MPS I) é uma doença lisossomal. A enzima envolvida com essa doença é a a-L-iduronidase (IDUA), e suas alterações levam a depósitos dos glicosaminoglicanos heparan e dermatan sulfato. As características fenotípicas da doença compreendem entre outras características malformações ósseas, hepatoesplenomegalia, problemas cardíacos, opacidade da córnea e retardo mental. O tratamento de MPS I atualmente se baseia em reposição enzimática e transplante de medula óssea. Levando em conta que esses tratamentos ainda não levam a uma correção dos danos ao sistema nervoso central (SNC), há necessidade do desenvolvimento de novos tratamentos para MPS I. Ainda outro problema da MPS I é a falta de estudos sobre os danos fisiológicos resultantes, principalmente no SNC. Visando contribuir com estes pontos, nosso trabalho teve como objetivo (a) o desenvolvimento de três vetores virais para posteriores ensaios pré-clínicos de terapia gênica e (b) o detalhamento da caracterização fisiopatológica de camundongos representando um modelo para MPS I, enfocando alguns aspectos do SNC. Foram produzidos três vetores virais com o cDNA da IDUA humana. O vetor baseado no vírus da imunodeficiência humana (HIV), apesar de baixos títulos virais, foi capaz de aumentar em até 60 vezes a atividade da IDUA nas células transduzidas. Um segundo vetor, baseado no vírus da leucemia murina de Moloney (MoMLV) foi capaz de transduzir células-tronco mesenquimais derivadas de medula óssea do modelo murino de MPS I, sendo assim ótima ferramenta para terapia gênica ex vivo. O terceiro vetor, baseado no vírus da imunodeficiência felina (FIV) mostrou funcionalidade inferior quando comparado aos outros sistemas virais, e deve ser aperfeiçoado para utilização terapêutica. A caracterização do modelo foi feita através do estudo da fosforilação de proteínas de neurofilamentos em diferentes estruturas do cérebro de camundongos MPS I. Os resultados mostraram, além de alterações na fosforilação direta das proteínas analisadas, uma hiperfosforilação na ERK1/2 de córtex e hipocampo. Depósitos de gangliosídeos foram investigados de forma individual no cerebelo, córtex, hipocampo e hipotálamo, sendo detectadas diferenças específicas para cada estrutura. Ainda foram realizados estudos da neurotransmissão glutamatérgica e com isso foi identificada uma diminuição na captação de glutamato em hipocampo e córtex nos camundongos MPS I, além de uma diminuição no binding para glutamato no hipocampo. Como conclusão desses estudos, foram desenvolvidos vetores eficientes para transferência do gene terapêutico e, adicionalmente, os danos fisiológicos causados pela doença no SNC foram melhor elucidados no modelo murino de MPS I. As informações obtidas aqui serão de grande importância principalmente quando associadas a ensaios de terapia gênica, pois as características encontradas no SNC podem ser usadas para acompanhamentos de ensaios préclínicos usando os vetores desenvolvidos no trabalho. / Mucopolysaccharidosis type I (MPS I) is a monogenic disease resulting from a defect in the gene that encodes the lysosomal hydrolase a-L-iduronidase (IDUA) and characterized by accumulation of glycosaminoglycans (GAGs) heparan and dermatan sulfate. Phenotypic characteristics involve bone malformations, hepatosplenomegaly, heart problems, corneal opacity and mental retardation. Treatment of MPS I is currently based on enzymatic replacement and bone marrow transplantation. Since these treatments are not capable of correcting central nervous system (CNS) effects of the disease, new therapeutic approaches are needed. One of the problems in the investigation of MPS I is the paucity of studies about resulting physiological consequences, particularly those related to the CNS. Aiming to contribute to these aspects of MPS I, this study proposes (a) the development of three viral vectors to be used in gene therapy preclinical studies, and (b) the further investigation of physiopathological alterations in the CNS of a murine model of MPS I (MPS I mice). Three viral vectors, carrying the human IDUA gene, were produced. The vector based on the human immunodeficiency virus (HIV) was produced in low titers, but induced a 60-fold increase in the baseline activity of IDUA in transduced cells. A second vector, based on the Moloney murine leukemia virus (MoMLV), was capable to transduce mesenchymal stem cells isolated from the bone marrow of MPS I mice, representing an interesting tools for ex vivo gene therapy protocols. The third vector, was based on the feline immunodeficiency virus (FIV), was functionally inferior to the other two systems and needs optimization to be therapeutically useful. The model was characterized by the investigation of phosphorylation patterns of neurofilament proteins in different regions of the brain of MPS I mice. The results showed that, besides alterations in the direct phosphorylation profile of the proteins analyzed, ERK1/2 was hyperphosphorylated in the cortex and hippocampus. Ganglioside storage was individually investigated in the cortex, cerebellum, hippocampus and hypothalamus, and specific differences were observed for each structure. An analysis of glutamatergic neurotransmission was also performed. MPS I animals showed a decrease in the glutamate uptake in the cortex and hippocampus. In addition, glutamate binding was decreased in the hippocampus. In conclusion, the present work resulted in the development of efficient viral vectors for the transfer of the therapeutic gene, and CNS physiological damages due to the disease were characterized in the murine model of MPS I. These results will be of great importance particularly when associated to gene therapy trials, since the CNS characteristics described in this work may be used for the follow-up of preclinical assays with the viral vectors developed.

Mucopolissacaridose do tipo I (MPS I) é uma doença de acúmulo lisossomal que leva a neurodegeneração e déficits neurológicos, entre outras conseqüências patológicas e clínicas. A ausência de estudos sobre parâmetros neurocomportamentais do modelo murino de MPS I capazes de avaliar sua função cognitiva motivou a realização deste trabalho. O primeiro nosso objetivo foi analisar parâmetros cognitivos que possam ser utilizados na avaliação de diferentes terapias e seus efeitos sobre o SNC. Durante a exploração do campo aberto, camundongos MPS I (Idua-/-) adultos mostraram locomoção e ansiedade normais, mas reduzido número de rearings. Camundongos Idua-/- tiveram uma performance normal no reconhecimento de objeto novo e mostraram memória de curta duração de esquiva inibitória normal. Entretanto a memória de longa duração de esquiva inibitória estava prejudicada. O déficit observado na esquiva inibitória não pode ser atribuído a redução na reatividade ao choque. Os resultados indicam que camundongos Idua-/- apresentam um déficit na memória de longa duração para treinamento aversivo e comportamento exploratório. O segundo objetivo foi avaliar biomarcadores de estresse oxidativo neste modelo animal. Nós avaliamos atividade enzimática antioxidante, dano a proteínas e peroxidação lipídica no telencéfalo, cerebelo, coração, pulmão, diafragma, fígado, rim, e baço. De oito órgãos analisados, sete tiveram alteração em no mínimo um parâmetro. Os resultados indicam que camundongos Idua-/- podem estar sofrendo estresse oxidativo. / Mucopolysaccharidosis type I (MPS I) is a lysosomal storage disease that leads to neurodegeneration and neurological deficits, among other pathological and clinical consequences. The absence of behavioral parameters from the MPS I mouse model motivated the accomplishment of this work. Our first objective was to analyze behavioral parameters that might be used to essay the effect of different therapies on the CNS. During exploration of an open field, adult MPS I (Idua-/-) mice showed normal locomotion and anxiety, but reduced number of rearings. Idua-/- mice performed normally in a novel object recognition memory task and showed normal short-term retention of inhibitory avoidance training. By contrast, long-term retention of inhibitory avoidance was impaired. The deficit in inhibitory avoidance memory could not be attributed to reduced footshock reactivity. The results indicate that Idua-/- mice present deficits in long-term memory for aversive training and reduced exploratory behavior. The second aim was to evaluate oxidative biomarkers on this mice model. We evaluated antioxidant enzymatic activity, protein damage and lipid peroxidation on forebrain, cerebellum, heart, lung, diaphragm, liver, kidney and spleen. From eight analyzed organs, seven had alteration on at least one parameter. The results indicate that Idua-/- mice can be under oxidative stress.

Submitted by Edileide Reis (leyde-landy@hotmail.com) on 2015-04-08T21:07:26Z No. of bitstreams: 1 Arnaldo Rocha Silva.pdf: 853243 bytes, checksum: 2ddb94b7f13cbf248529a4d141134bd5 (MD5) / Made available in DSpace on 2015-04-08T21:07:26Z (GMT). No. of bitstreams: 1 Arnaldo Rocha Silva.pdf: 853243 bytes, checksum: 2ddb94b7f13cbf248529a4d141134bd5 (MD5) Previous issue date: 2011-12-13 / O presente estudo, realizado em dois ambulatórios de referência na Bahia, no período de fevereiro de 2006 a agosto de 2007, tem como finalidade, determinar a prevalência de estresse nos pacientes neurológicos portadores de HTLV-I e as diversas fases em que se encontram; determinar a prevalência dos mecanismos de enfrentamento nos referidos pacientes e as estratégias utilizadas; avaliar a associação entre fatores de estresse e mecanismos de enfrentamento e avaliar uma possível associação entre estresse e mecanismos de enfrentamento de acordo com gênero, idade e escolaridade. A população foi composta por 45 pacientes atendidos no ambulatório de HTLV-I da Escola Bahiana de Medicina e Saúde Pública e da Fundação de Neurologia e Neurocirurgia – Instituto do Cérebro, na cidade de Salvador-BA. Foram utilizados dois instrumentos na coleta dos dados: Inventário de Sintomas de Stress de Lipp (ISSL) e Inventário de Estratégias de Coping de Folkman e Lazarus. Os resultados foram tabulados e analisados, utilizando-se o pacote estatístico R versão 2.13.1 para Linux. Obteve-se pela avaliação dos instrumentos aplicados que 71% dos entrevistados percebem-se estressados. Quanto às estratégias de enfrentamento utilizadas pelos pacientes destaca-se a reavaliação positiva, seguida de afastamento e autocontrole. O paciente acometido por infecção com HTLV-1 é estressado, mas percebe-se no mesmo, estratégias de enfrentamento que oferecem apoio a seguir em frente na luta pela vida.