dissertation · LA Referencia (Red Federada de Repositorios Institucionales de Publicaciones Científicas) · 2014
HIV mutation classification framework
Cited by 0Abstract and details only
Abstract
Um grande número de medicamentos utilizados no tratamento contra o HIV agem procurando inibir a ação das proteínas transcriptase reversa e protease. Mutações existentes nas sequências dessas proteínas podem estar relacionadas à resistência aos medicamentos e podem prejudicar o desempenho de um tratamento. O estudo do genótipo dos vírus pode ajudar na tomada de escolhas específicas em tratamentos para cada indivíduo, tornando maiores a chance de sucesso. Com a maior acessibilidade a exames de genotipagem, uma grande quantidade de sequências do vírus está disponível, contendo um grande volume de informação. Padrões de ocorrência de mutações são exemplos de informações contidas nessas sequências e são importantes por estarem relacionados à resistência aos medicamentos. Um dos caminhos que pode ser capaz de nos levar ao entendimento desses padrões de mutações é a aplicação de técnicas de agrupamento e biclustering. Essas técnicas visam a geração de grupos ou biclusters que possuam dados com propriedades em comum. São empregadas em casos em que não há grande quantidade de informação prévia e existem poucas hipóteses sobre os dados. Assim, pode-se encontrar os padrões de mutações que ocorrem nessas sequências e tentar relacioná-los com a resistência aos medicamentos, utilizando métodos de agrupamento e bicluster em sequências de protease e transcriptase reversa. Existem alguns sistemas que tentam predizer a resistência ou susceptibilidade das sequências, porém, devido à grande complexidade dessa relação, ainda é necessário esclarecer o vínculo entre combinações de mutações e níveis de resistência fenotípica. Desta forma, a principal contribuição deste trabalho é o desenvolvimento de um framework baseado na aplicação dos algoritmos KMédias e Bimax às sequências de transcriptase reversa e protease de pacientes infectados com HIV, em uma codificação binária. O presente trabalho também introduz uma representação visual dos grupos e biclusters baseada em dados de microarranjos para casos em que se tem grandes volumes de dados, de forma a facilitar a visualização da informação extraída e a caracterização dos grupos e biclusters no domínio da doença.
Cite this paper
Ozahata, M. C. (2014). HIV mutation classification framework. LA Referencia (Red Federada de Repositorios Institucionales de Publicaciones Científicas).
Ozahata, Mina Cintho. “HIV mutation classification framework.” LA Referencia (Red Federada de Repositorios Institucionales de Publicaciones Científicas), 2014.
Ozahata, Mina Cintho. 2014. “HIV mutation classification framework.” LA Referencia (Red Federada de Repositorios Institucionales de Publicaciones Científicas).
Ozahata, M.C. (2014) ‘HIV mutation classification framework’, LA Referencia (Red Federada de Repositorios Institucionales de Publicaciones Científicas).
@phdthesis{ozahata2014mutation,
title = {{HIV mutation classification framework}},
author = {Ozahata, Mina Cintho},
school = {LA Referencia (Red Federada de Repositorios Institucionales de Publicaciones Científicas)},
year = {2014}
}Made from the index record. Check names, capitalisation and page numbers against the paper. Need another style? AI for Research has over 10,000.