Uma ferramenta multiagente baseada em conhecimento para anotação de proteínas : um estudo de caso para o Fungo Saccharomyces cerevisiae

• Main Author: Souza, Daniel da Silva
• Other Authors: Walter, Maria Emília Machado Telles
• Language: Portuguese
• Published: 2015
• Subjects: Fungos; Sistemas Multiagentes (SMA); Proteínas - análise
• Online Access: http://repositorio.unb.br/handle/10482/18225

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciências da Computação, 2014. === Submitted by Ana Cristina Barbosa da Silva ([e-mail]) on 2015-03-26T16:59:05Z No. of bitstreams: 1 2014_DanieldaSilvaSouza.pdf: 2076331 bytes, checksum: a87184e0f162b276c6b8666762b41e35 (MD5) === Approved for entry into archive by Raquel Viana([e-mail]) on 2015-05-20T18:02:57Z (GMT) No. of bitstreams: 1 2014_DanieldaSilvaSouza.pdf: 2076331 bytes, checksum: a87184e0f162b276c6b8666762b41e35 (MD5) === Made available in DSpace on 2015-05-20T18:02:57Z (GMT). No. of bitstreams: 1 2014_DanieldaSilvaSouza.pdf: 2076331 bytes, checksum: a87184e0f162b276c6b8666762b41e35 (MD5) === Identificar funções biológicas das sequências é uma atividade chave em projetos genomas. Esta tarefa é realizada na etapa de anotação, que possui duas fases. Na fase manual, biólogos utilizam seu conhecimento e experiência determinar a função de cada sequência, baseada nos resultados produzidos pela fase automática, onde ferramentas e bancos de dados são utilizados para predizer uma anotação funcional. Esta dissertação propõe BioAgents-Prot, uma ferramenta multiagente baseada em conhecimento, que simula o conhecimento e experiência dos biólogos para anotação de proteínas. BioAgents-Prot foi definido com uma abordagem de agentes cooperativos, onde diferentes agentes especializados trabalham em conjunto na tentativa de sugerir uma anotação manual adequada. A arquitetura proposta em três camadas foi desenvolvida com Java Agent DEvelopment Framework - JADE e Drools, um motor de inferência baseado em regras. Para avaliar o desempenho do BioAgents-Prot, as anotações dos transcritos do fungo Saccharomyces cerevisiae foram comparadas com as anotações sugeridas pelo sistema. Usando regras básicas que representam o raciocínio de anotação, obtemos 95.84% de sensibilidade, 93.22% de especificidade, 98.40% de F1-score e 0.80 de MCC, que demonstram a utilidade do BioAgents-Prot na etapa de anotação em projetos transcritoma. ______________________________________________________________________________________________ ABSTRACT === Identifying biological function of sequences is a key activity in genome projects. This task is done in the annotation step, which has two phases. In the manual phase, biologists use their knowledge and experience to determine the function for each sequence, based on the results produced by the automatic phase, where tools and data bases are used to predict functional annotation. This dissertation presents BioAgents-Prot, a knowledge based multiagent tool, which simulates biologists expertise to annotate proteins. BioAgents-Prot is defined with an approach of cooperative agents, where specialized intelligent agents work together to suggest proper manual annotation. The proposed three-layer architecture was implemented with Java Agent DEvelopment Framework-JADE and Drools (a rule-based inference engine). To assess performance, transcript annotations of the Saccharomyces cerevisiae fungus were compared to the annotations suggested by BioAgents-Prot. Using basic rules that represents the annotation reasoning, we obtained 95.84% of sensitivity, 93.22% of specificity, 98.40% of F1-score and 0.80 of MCC, which shows the usefulness of BioAgents-Prot in annotation step of transcriptome projects.