Search

The Genosoja consortium is an initiative to integrate different omics research approaches carried out in Brazil. Basically, the aim of the project is to improve the plant by identifying genes involved in responses against stresses that affect domestic production, like drought stress and Asian Rust fungal disease. To do so, the project generated several types of sequence data using different methodologies, most of them sequenced by next generation sequencers. The initial stage of the project is highly dependent on bioinformatics analysis, providing suitable tools and integrated databases. In this work, we describe the main features of the Genosoja web database, including the pipelines to analyze some kinds of data (ESTs, SuperSAGE, microRNAs, subtractive cDNA libraries), as well as web interfaces to access information about soybean gene annotation and expression.

Doutoramento em Engenharia Informática O projecto de sequenciação do genoma humano veio abrir caminho para o surgimento de novas áreas transdisciplinares de investigação, como a biologia computacional, a bioinformática e a bioestatística. Um dos resultados emergentes desde advento foi a tecnologia de DNA microarrays, que permite o estudo do perfil da expressão de milhares de genes, quando sujeitos a perturbações externas. Apesar de ser uma tecnologia relativamente consolidada, continua a apresentar um conjunto vasto de desafios, nomeadamente do ponto de vista computacional e dos sistemas de informação. São exemplos a optimização dos procedimentos de tratamento de dados bem como o desenvolvimento de metodologias de interpretação semi-automática dos resultados. O principal objectivo deste trabalho consistiu em explorar novas soluções técnicas para agilizar os procedimentos de armazenamento, partilha e análise de dados de experiências de microarrays. Com esta finalidade, realizou-se uma análise de requisitos associados às principais etapas da execução de uma experiência, tendo sido identificados os principais défices, propostas estratégias de melhoramento e apresentadas novas soluções. Ao nível da gestão de dados laboratoriais, é proposto um LIMS (Laboratory Information Management System) que possibilita a gestão de todos os dados gerados e dos procedimentos realizados. Este sistema integra ainda uma solução que permite a partilha de experiências, de forma a promover a participação colaborativa de vários investigadores num mesmo projecto, mesmo usando LIMS distintos. No contexto da análise de dados, é apresentado um modelo que facilita a integração de algoritmos de processamento e de análise de experiências no sistema desenvolvido. Por fim, é proposta uma solução para facilitar a interpretação biológica de um conjunto de genes diferencialmente expressos, através de ferramentas que integram informação existente em diversas bases de dados biomédicas. The sequencing of the human genome paved the way for the emergence of new transdisciplinary research areas, such as computational biology, bioinformatics and biostatistics. One example of such is the advent of DNA microarray technology, which allows the study of the expression of thousands of genes when subjected to an external disturbance. Despite being a well-established technology, it continues to present a wide range of challenges, particularly in terms of computing and information systems. Examples include the optimization of procedures for processing data as well as the development of methodologies for semi-automated interpretation of results. The main objective of this study was to explore new technical solutions to streamline the procedures for storing, sharing and analyzing the data from microarray experiments. To this end, it was performed an analysis of the key steps from the experiment, having been identified the major deficits, proposed strategies for improving and presented new solutions. Regarding the management of laboratory data we propose a LIMS (Laboratory Information Management System) that allows the storage of all data generated and procedures performed in the laboratory. This system also includes a solution that enables the sharing of experiments in order to promote collaborative participation of several researchers in the same project, even using different LIMS. In the context of data analysis, it is presented a model that allows the simplified integration of processing and analysis algorithms in the developed system. Finally, it is proposed a solution to facilitate the biological interpretation of a set of differentially expressed genes, using tools that integrate information from several public biomedical databases.

Mestrado em Engenharia de Computadores e Telemática Com o uso de computadores para assistir investigadores na área da biologia na resolução de tarefas complexas, o seu potencial surgiu como uma ajuda preciosa para alcançar o que está para além das capacidades humanas. Para um biólogo, nos tempos que correm, lidar com um computador é uma tarefa tão trivial como realizar experiencias em laboratório. Assim, a capacidade fornecida pela tecnologia computacional, juntamente com as centenas de aplicações e ferramentas de software que já existem, concedem à Biologia um apoio significativo para a investigação e desenvolvimento. O ramo da Biologia Molecular tem testemunhado um uso crescente destas capacidades tecnológicas, sobretudo nos programas de sequenciação de genomas, que traduzem a informação genética de seres vivos para formatos digitais. Como fruto destes projectos, são gerados grandes volumes de dados de várias espécies, que são disponibilizados. Em consequência, muitos sistemas de bioinformática tem como objectivo analisar estes dados. Novas descobertas e avanços requerem novas ferramentas e técnicas. Esta tese debruça-se sobre o problema das metodologias de redesenho de genes, estudando e reunindo várias características conhecidas dos genes e o seu impacto na criação de proteínas, na perspectiva das estratégias de manipulação de sequências de genes. Estas características e algoritmos de redesenho devem ser encaixados numa só ferramenta que permita aos investigadores estudar mais apropriadamente os genes e os factores que influenciam as suas sequências. Também objecto de estudo nesta tese é a capacidade de combinar esses factores de forma óptima, num só processo de redesenho. As computers started assisting biology researchers in complex tasks, their potential arose as a precious aid to achieve what was beyond human capacity. In modern times, for a biologist, dealing with a computer is as trivial as working with test tubes in the laboratory. Thus, the power provided by computational technology along with hundreds of software applications and tools that already exist, grant biology a signi_cant support for research and development. Molecular biology has witnessed an increased use of these technological capabilities, especially with the genome sequencing projects that translate the genetic information from living beings into digital formats. Large volumes of data from various species are, thus, generated and made available. Analyzing that data is now the goal of many bioinformatics systems. Consequently, new discoveries and advancements demand new tools and techniques. This thesis lays on the problem of gene redesign methodologies, by studying and gathering the available known gene characteristics and its impact on protein production, from the perspective of their sequence manipulation strategies. These characteristics and redesign algorithms should be assembled into a single package tool, to allow researchers to better study genes and all factors that inuence their sequence. Also a subject of study is the capacity to correctly and optimally combine those factors into a single redesign process.

Mestrado em Matemática e Aplicações Esta dissertação surge no contexto da avaliação de metodologias de préprocessamento de dados de microarrays através do desempenho preditivo de modelos de classificação supervisionada. As experiências de microarrays envolvem muitos passos, desde a extracção do tecido em estudo, passando pela marcação do mesmo com compostos fluorescentes, scanning, processamento de imagem, entre outras. Cada uma dessas etapas pode introduzir variabilidade nos dados recolhidos e assim afectar a qualidade dos mesmos. Os métodos de pré-processamento de correcção de background (CB) e de normalização (NM) surgem da necessidade de remover as variações não desejadas mantendo as variações biológicas intrínsecas aos dados. Para o presente trabalho foi realizado um estudo experimental onde foram aplicados aos dados vários métodos de CB e de NM, individualmente ou em conjunto, com a finalidade de avaliar o contributo destas metodologias no melhoramento da qualidade dos dados. Apresenta-se aqui uma avaliação de 36 métodos pré-processamento (resultantes de combinações de métodos de CB e de NM) com base no desempenho preditivo de dois modelos de classificação, k-Vizinhos mais Próximos (k-NN) e Maquinas de Suporte Vectorial (MSV). Estes modelos são induzidos de três bases de dados públicas de microarrays de ADNcomplementar, onde um par de métodos de pré-processamento, constituído por um de CB e outro de NM, é aplicado. A capacidade preditiva dos dois modelos de classificação é medida em termos da taxa de erro obtida pelo método de validação cruzada leave-one-out. Em virtude da grande dimensão dos dados de microarrays, resultante de um elevado número de atributos (genes) envolvidos, o presente trabalho também inclui um estudo sobre o efeito da aplicação dos métodos de CB e de NM no desempenho preditivo de classificadores de MSV quando estes são induzidos de dados constituídos apenas por subconjuntos de genes altamente discriminativos. This dissertation addresses the problem of evaluating preprocessing methodologies in terms of the predictive performance of supervised classification models induced from microarray data. Microarray experiments involve many steps, from the extraction of the tissue in study, through its labeling with fluorescent dyes, scanning and image processing, among others. Each of these stages can introduce variability in the data collected and thus affect their quality. Preprocessing methods such as background correction (BC) techniques and normalization (NM) strategies have arisen from the need to remove the unnecessary variation while the intrinsic biological variations of the data are retained. In this work an experimental study has been carried out where various BC and NM methods have been employed on the data, individually or in combination, with the goal of assessing the contribution of these approaches to the improvement of the quality of the data. Herein is presented an evaluation of 36 preprocessing methods (resulting from combinations of BC and NM methods) in terms of the predictive performance of two classification models, k-Nearest Neighbours (k-NN) and Support Vector Machines (SVM). These models are induced from three publicly available cDNA microarray data sets, where a pair of preprocessing strategies, composed of a BC technique and a NM method, is employed. The predictive performance of both classifiers is measured on grounds of the error rate obtained by the leave-one-out cross validation method. Due to the high dimensionality of microarray data, resulting from a large number of attributes (genes) involved, this dissertation also includes a study about the effect of the application of BC and NM methods on the predictive performance of SVM classifiers when these are induced from data consisting of only subsets of highly discriminative genes.

Mestrado em Engenharia de Computadores e Telemática Submitted by Bella Nolasco (bellanolasco@ua.pt) on 2011-09-13T14:02:57Z No. of bitstreams: 1 4616.pdf: 2683264 bytes, checksum: d3ddfd977eba40ce21f7f6b0f5b94d28 (MD5) Made available in DSpace on 2011-09-13T14:02:57Z (GMT). No. of bitstreams: 1 4616.pdf: 2683264 bytes, checksum: d3ddfd977eba40ce21f7f6b0f5b94d28 (MD5) Previous issue date: 2009

Mestrado em Engenharia de Computadores e Telemática Os microarrays de ácido desoxirribonucleico (ADN) são uma importante tecnologia para a análise de expressão genética. Permitem medir o nível de expressão de genes em várias amostras para, por exemplo, identificar genes cuja expressão varia com a administração de determinado medicamento. Um slide de microarray mede o nível de expressão de milhares de genes numa amostra ao mesmo tempo e uma experiência pode usar vários slides, surgindo assim muitos dados que é preciso processar e analisar, com recurso a meios informáticos. Esta dissertação inclui um levantamento de métodos e recursos de software utilizados na análise de dados de experiências de microarrays. Em seguida, descreve-se o desenvolvimento de um novo módulo de análise de dados que visa, usando métodos de identificação de genes diferencialmente expressos, identificar genes que se encontram diferencialmente expressos entre dois ou mais grupos experimentais. No final, é apresentado o trabalho resultante, a nível de interfaces gráficas e funcionamento. Deoxyribonucleic acid (DNA) microarrays are an important technology for the analysis of gene expression. They allow measuring the expression of genes among several samples in order to, for example, identify genes whose expression varies with the administration of a certain drug. A microarray slide measures the expression level of thousands of genes in a sample at the same time, and an experiment can include various slides, leading to a lot of data to be processed and analyzed, with the aid of computerized means. This dissertation includes a review of methods and software tools used in the analysis of microarray experimental data. Then it is described the development of a new data analysis module that intends, using methods of identifying differentially expressed genes, to identify genes that are differentially expressed between two more groups. Finally, the resulting work is presented, describing its graphical interface and structural design.

Mestrado em Engenharia de Computadores e Telemática Submitted by Nuno Cruz (nuno@ua.pt) on 2012-03-13T12:47:28Z No. of bitstreams: 1 Tese.pdf: 3434157 bytes, checksum: 01de5957bc884a8f3a589e807be8dd31 (MD5) Made available in DSpace on 2012-03-13T12:47:28Z (GMT). No. of bitstreams: 1 Tese.pdf: 3434157 bytes, checksum: 01de5957bc884a8f3a589e807be8dd31 (MD5) Previous issue date: 2010