Mineração de dados usando álgebra linear para a predição de alvos drogáveis

Eduardo Campos dos Santos

Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/BUBD-9DKGUW

Full metadata record

DC Field	Value	Language
dc.contributor.advisor1	Julio Cesar Dias Lopes	pt_BR
dc.contributor.advisor-co1	Marcos Augusto dos Santos	pt_BR
dc.contributor.referee1	Vasco Ariston de Carvalho Azevedo	pt_BR
dc.contributor.referee2	Marcelo Matos Santoro	pt_BR
dc.contributor.referee3	Lucas Bleicher	pt_BR
dc.contributor.referee4	Marcos Augusto dos Santos	pt_BR
dc.contributor.referee5	Roney Santos Coimbra	pt_BR
dc.creator	Eduardo Campos dos Santos	pt_BR
dc.date.accessioned	2019-08-09T21:10:01Z	-
dc.date.available	2019-08-09T21:10:01Z	-
dc.date.issued	2012-08-01	pt_BR
dc.identifier.uri	http://hdl.handle.net/1843/BUBD-9DKGUW	-
dc.description.abstract	This work presents the development of a method for recovering target proteins that are druggable. From the representation of drug targets defined as vectors by using InterPro annotations, tools of linear algebra related to singular value decomposition are used to organize the semantic vector space and allow the efficient recovery of proteins related to a given query. Not prima facie relationships arise and indicate drug repositioning opportunities, rational development strategies and, the prediction of potential druggable targets and latent side-effects. The InterPro signatures which are most relevant to drug target/non-drug target discriminating were selected by logistic regression. The results are statistically evaluated by ROC curves analysis and data corroborated in the literature.	pt_BR
dc.description.resumo	Apresenta-se o desenvolvimento de um método para recuperar proteínas que são alvos drogáveis. A partir da representação desses alvos como vetores definidos a partir das anotações do InterPro, instrumentos da álgebra linear relacionados com a decomposição por valores singulares são utilizados para organizar semanticamente o espaço vetorial e permitir a recuperação eficiente das proteínas similares a uma dada consulta. Relações não observadas prima facie são descortinadas indicando, oportunidades para reposicionamento de fármacos conhecidos, estratégias para o desenvolvimento racional de novos compostos e a predição de potenciais alvos drogáveis e de efeitos colaterais latentes. As assinaturas do InterPro mais relevantes para discriminar alvos drogáveis e não-drogáveis foram determinadas por regressão logística. Os resultados são avaliados estatisticamente por análise de curvas ROC e dados corroborados em outros trabalhos.	pt_BR
dc.language	Português	pt_BR
dc.publisher	Universidade Federal de Minas Gerais	pt_BR
dc.publisher.initials	UFMG	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Descoberta de medicamento	pt_BR
dc.subject	Desenvolvimento de medicamento	pt_BR
dc.subject	Estudo de caso-controle	pt_BR
dc.subject	Decomposição por valores singulares	pt_BR
dc.subject	Reposicionamento de medicamento	pt_BR
dc.subject	Regressão logística	pt_BR
dc.subject	Predição	pt_BR
dc.subject	Álgebra linear	pt_BR
dc.subject	de alvos drogáveis	pt_BR
dc.subject	Mineração de dados	pt_BR
dc.subject	Recuperação de informação latente	pt_BR
dc.subject	Indexação semântica latente	pt_BR
dc.subject.other	Reposicionamento de medicamentos	pt_BR
dc.subject.other	Descoberta de drogas	pt_BR
dc.subject.other	Bioinformática	pt_BR
dc.subject.other	Predição (Lógica)	pt_BR
dc.subject.other	Mineração de dados (Computação)	pt_BR
dc.subject.other	Álgebra linear	pt_BR
dc.title	Mineração de dados usando álgebra linear para a predição de alvos drogáveis	pt_BR
dc.type	Tese de Doutorado	pt_BR
Appears in Collections:	Teses de Doutorado

Files in This Item:

File	Description	Size	Format
tese_eduardo_santos.pdf		25.03 MB	Adobe PDF	View/Open

Show simple item record