Defesa de Tese de Doutorado do Programa de Pós-graduação em Ciência da Computação.
Título: UM MODELO DE DEEP LEARNING PARA CLASSIFICACAO DE ORGANISMOS VIVOS UTILIZANDO O SEGMENTO 18S rRNA DA SEQUENCIA GENETICAS
Aluno: GUSTAVO SAVI FRAINER
Orientador: Dr. Duncan Dubugras Alcoba Ruiz
Banca Examinadora: Dr. Dalvan Jair Griebler (PPGCC/PUCRS), Dra. Laura Roberta Pinto Utz (PPGEEB/PUCRS)
Data: 26 de março de 2025
Local: Prédio 32, sala 514
Horário: 9h
RESUMO: A taxonomia, no campo da biologia, é a ciência que classifica os seres vivos hierarquicamente de acordo com características em comum. Atualmente, existem diversas técnicas para a classificação taxonômica de organismos por meio sequenciamento genético, comumente usando análise metagenômica. No entanto, essas técnicas tendem a ser computacionalmente custosas e, em cenários em que há mutações ou variações genéticas dentro de um mesmo subgrupo, falhas ou inconclusivas. Com o recente avanço do campo da inteligência artificial e machine learning, novas potenciais formas de classificação estão sendo estudadas e desenvolvidas. Neste trabalho, é apresentada uma solução de classificador taxonômico baseado em um modelo de deep learning e, também, é feita uma análise comparativa entre os resultados da solução apresentada e os resultados obtidos com o classificador q2-feature-classifier da plataforma QIIME2. Os resultados obtidos mostram que a solução desenvolvida alcança acurácias maiores, especialmente no nível de Species.
