Made available in DSpace on 2015-03-05T13:56:59Z (GMT). No. of bitstreams: 0 Previous issue date: 25 / Hewlett-Packard Brasil Ltda / Neste trabalho é proposto um novo método de otimização do método Monte Carlo (MC) aplicado ao dobramento de proteínas. Este método baseia-se em informações oriundas de Redes Neurais Artificiais (RNAs) treinadas para prever a estrutura secundária de proteínas. Inicialmente, são introduzidos conceitos básicos sobre proteínas e sua estrutura, sobre o método MC, sobre RNAs e sobre os métodos PHD e PROF de treinamento de RNAs para a predição de estruturas secundárias. A seguir, é apresentada uma revisão bibliográfica sobre métodos de previsão de estrutura tridimensional de proteínas e o ganho de informação em sistemas híbridos. Com base nos resultados obtidos em outras abordagens, um novo método é proposto utilizando as predições dos método PROF, disponíveis on-line e com índices de acerto para estrutura secundária acima de 76%, para a redução do espaço de busca do método MC aplicado ao dobramento de proteínas. O método MC é apre- sentado com a previsão da estrutura secundária baseada em RNAs (MC-RNA), e é apl / This work proposes a new strategy to optimize the Monte Carlo method (MC) applied to the protein folding problem. This strategy is based on the information obtained from Artificial Neural Networks (ANNs), trained to predict the protein secondary structure. The work presents, initially, background knowledge about proteins and their structure. Follows an introduction to the MC method, Neural Networks and to the prediction of secondary structure using PHD/PROF programs. Then, a survey about tridimensional protein structure is presented. Other concepts,such as information gain in the context of hybrid systems, are also presented. Based on state-of-the art results, a new method is proposed using the predictions produced by the PROF program, available on-line and with a performance higher than 76% for secundary structure prediction, for the reduction of the MC search space. The MC method is presented with the secondary structure prediction based on ANNs (MC-RNA) and applied to four diferent proteins obtained fro

Made available in DSpace on 2015-03-05T13:53:43Z (GMT). No. of bitstreams: 0 Previous issue date: 9 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Extração de Regras de Redes Neurais Artificiais Aplicadas ao Problema da Previsão da Estrutura Secundária de Proteínas apresenta o estudo feito sobre a extração de conhecimento de Redes Neurais na forma de regras difusas. Na aplicação desta técnica, foi utilizado o problema da classificação da estrutura secundária de proteínas, em alfa, beta e coil, a partir da estrutura primária. Serão apresentadas as implementações feitas para viabilizar esta tarefa. Dentre elas: a implementação de recursos adicionais ao software de extração de regras; a definição de uma metodologia de extração de regras; a implementação desta metodologia; e a análise das regras extraídas. Dentre os recursos implementados no processo de extração, sra visto que o foco principal foi o de embasar o conhecimento extraído sobre um suporte estático e disponibilizar medidas complementares para sua avaliação. Na definição da metodologia, será visto que cuidados devem ser tomados na preparação da base de dados e na definição da estrutura da rede / This work presents a study about knowledge extraction from Neural Networks in the form of fuzzy rules. In the application of this technique, it was investigated the problem of classification of the protein secondary structure (alpha, beta and coil) from its primary structure. The implementations that make possible this task will be presented. Amongst them: the implementation of new features in the rule extraction software; the definition of a methodology for the rule extraction process; the implementation of this methodology; and the analysis of the rules. Amongst the implemented features in the rules extraction process, it will be noticed that the main point was to provide a statistical support for the knowledge extracted and to make available additional resources to measure this information. In the definition of this methodology, it will be seen that some considerations must be observed in the database preparation and in definition of the network structure. Observations that had been followed and pr