PROCESSAMENTO DIGITAL DE IMAGENS MACROARRAY PARA DETECÇÃO DOS RESULTADOS DE HIBRIDIZAÇÃO NOS PROCESSOS DE ESTUDOS DE EXPRESSÃO GÊNICA UTILIZANDO REDES NEURAIS
Documento
Informações da Tese
Título
PROCESSAMENTO DIGITAL DE IMAGENS MACROARRAY PARA DETECÇÃO DOS RESULTADOS DE HIBRIDIZAÇÃO NOS PROCESSOS DE ESTUDOS DE EXPRESSÃO GÊNICA UTILIZANDO REDES NEURAIS
Autor
Miguel Pari Soto
Resumo
Os projetos genoma estão revolucionando a maneira como a biologia e a medicina estão sendo exploradas. No curso do seqüenciamento de diversos genomas, demonstrou-se que muitos genes são descobertos somente quando suas seqüências completas tornam-se conhecidas. Assim, a descoberta de novos genes fica dependente do trabalho de seqüenciamento do DNA. Uma das tecnologias atuais para o estudo dos transcriptomas é DNA-array. A aquisição dos dados usando sondas radioativas ou fluorescentes envolve outras necessidades como algoritmos para detecção dos spots de hibridização, subtração do background, atribuição desses valores às entidades corretas e, geralmente, procedimentos corretos para o manuseio de grande quantidade de dados gerados em cada experimento individual. Os macroarrays, como utilizados aqui, são imagens geradas a partir de membranas de nylon sensibilizadas e tratadas com processos químicos, com o intuito de obter informação sobre a presença de determinados genes. Os usuários dos macroarrays têm sentido falta de um sistema flexível e robusto para a detecção dos níveis de expressão gênica em imagens de macroarray obtidas mediante procedimentos manuais. O grande destaque de todos os problemas é que as impressões dos spots não estão sempre uniformemente espaçadas na imagem. Este problema e outros, igualmente tediosos e ainda mais abstratos, foram resolvidos usando processamento digital de sinais e imagens, com abordagens clássica e morfológica e redes neurais.
Abstract
The genome projects are changing the way of biology and medicine exploration. In sequencing various genomes, it was demonstrated that many genes are discovered only as their complete sequences are known. Therefore, the discovery of new genes depends on DNA sequence work. Nowadays, one of the most important technologies for transcription studies is DNA-arrays. The data acquisition using radioactive or fluorescent probes involve another needs such as algorithms for hybridization spots detection, background subtraction, attribution of signals to correct entities and, generally, correct procedures for handling the large amounts of generated data in each particular experiment. Macroarrays, as used here, are images generated from nylon sensibilized membranes and treated with chemical processes, with the intention of obtaining information of the presence of particular genes. Macroarrays users lack a flexible and robust system for detection of genical expression levels in macroarray images obtained by means of manual procedures. The worst of these problems is that the spot prints are not always uniformly spaced on the image. This problem and others, equally tedious and even more abstract, were solved with digital image processing, using classical and morphological approaches and neural networks.
Ano
2003
Orientadores
Nelson Francisco Favilla Ebecken