Exploração de algoritmos de aprendizado de máquina para a previsão de topologias filogenéticas em dados de sequenciamento genético

Página do item simplificado
dc.contributor.advisorFonseca, Vagner de Souza
dc.contributor.authorSantos, Deivisson Gomes dos
dc.contributor.refereeLenz, Alexandre Rafael
dc.contributor.refereeSuarez, Diego Gervásio Frias
dc.date.accessioned2025-08-12T12:25:10Z
dc.date.available2025-08-12T12:25:10Z
dc.date.issued2025-07-23
dc.description.abstractO avanço das tecnologias de sequenciamento genético proporcionou um crescimento exponencial na disponibilidade de dados biológicos, impondo novos desafios à inferência filogenética tradicional, especialmente quanto à escalabilidade e à precisão dos modelos evolutivos. Esta monografia investiga o uso de algoritmos de Aprendizado de Máquina como alternativa inovadora aos métodos clássicos, como Máxima Verossimilhança e Inferência Bayesiana, na reconstrução de topologias filogenéticas. O objetivo principal do estudo é desenvolver e validar um modelo preditivo baseado em Aprendizado de Máquina capaz de inferir topologias filogenéticas a partir de sequências genéticas. A pesquisa segue a metodologia Design Science Research e compreende etapas como preparação dos dados, alinhamento múltiplo de sequências, extração de atributos e desenvolvimento do modelo com Redes Neurais. O desempenho do modelo foi comparado a abordagens tradicionais, avaliando sua eficácia em termos de precisão e eficiência computacional. Os resultados demonstram que técnicas de Aprendizado de Máquina podem oferecer uma solução escalável, robusta e adaptável para análise filogenética, principalmente em cenários que exigem respostas rápidas, como em estudos genômicos de doenças emergentes. Assim, esta pesquisa contribui para a bioinformática e biologia evolutiva ao propor uma abordagem complementar e promissora para a inferência filogenética moderna
dc.description.abstract2The rapid advancement of genetic sequencing technologies has led to an exponential increase in biological data, presenting significant challenges for traditional phylogenetic inference methods, particularly regarding scalability and model accuracy. This monograph explores the application of Machine Learning algorithms as an innovative alternative to classical approaches such as Maximum Likelihood and Bayesian Inference in the reconstruction of phylogenetic topologies. The main objective of this study is to develop and validate a predictive model based on ML capable of inferring phylogenetic topologies from genetic sequences. The research follows the Design Science Research methodology, including steps such as data preparation, multiple sequence alignment, feature extraction, and the development of a neural network-based model. The performance of this model is compared with traditional methods, focusing on accuracy and computational efficiency. The results show that Machine Learning techniques can provide a scalable, robust, and adaptable solution for phylogenetic analysis, especially in contexts that demand rapid decision-making, such as genomic studies of emerging diseases. Thus, this work contributes to the fields of bioinformatics and evolutionary biology by proposing a complementary and promising approach for modern phylogenetic inference. Keywords: machine learning; phylogeny; genetic sequencing; phylogenetic inference; bioinformatics; phylogenetic topology.
dc.format.mimetypeapplication/pdf
dc.identifier.citationSANTOS, Deivisson Gomes dos. Exploração de algoritmos de aprendizado de máquina para a previsão de topologias filogenéticas em dados de sequenciamento genético. Orientador: Vagner de Souza Fonseca. 2025.79 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) -Departamento de Ciências Exatas e da Terra, Universidade do Estado da Bahia, Salvador, 2025
dc.identifier.urihttps://saberaberto.uneb.br/handle/20.500.11896/9064
dc.identifier2.Lattes
dc.language.isopor
dc.publisherUniversidade do Estado da Bahia
dc.publisher.programColegiado de Sistemas de Informação
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttp://creativecommons.org/licenses/by-sa/3.0/br/
dc.rights2Attribution-ShareAlike 3.0 Brazilen
dc.subject.keywordsaprendizado de máquina
dc.subject.keywordsfilogenia
dc.subject.keywordsSequenciamento Genético
dc.subject.keywordsbioinformática
dc.subject.keywordsinferência filogenética
dc.subject.keywordstopologia filogenética
dc.titleExploração de algoritmos de aprendizado de máquina para a previsão de topologias filogenéticas em dados de sequenciamento genético
dc.title.alternativeExploration of machine learning algorithms for the prediction of phylogenetic topologies in genetic sequencing data
dc.typeinfo:eu-repo/semantics/bachelorThesis
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Exploração de Algorítimos de aprendizado_Deivisson Santos .pdf
Tamanho:
668.31 KB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
462 B
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
Bacharelado em Sistemas de Informação - DCET1