Aplicação da análise multivariada em avaliações de divergência genética através de marcadores moleculares dominantes em plantas medicinais

Carvalho, M.F.; Junior, C.L. Albuquerque; Guidolin, Altamir Frederico; Farias, Francine Lunardi

doi:10.1590/s1516-05722009000300017

Cited by 4 publications

(1 citation statement)

References 21 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Independentemente do papel e da aplicabilidade do biomarcador na clínica, a sua pesquisa deve envolver características como: alta sensibilidade e seletividade, promovendo resultados claros de confirmação ou exclusão da doença (10). Cada candidato a biomarcador deve ser avaliado com acurácia, pois irá determinar os estudos futuros de validação e o sucesso no desenvolvimento de exames de diagnósticos e prognósticos com alta seletividade e sensibilidade (1).…”

unclassified

Proteômica baseada em descoberta para busca de alvos terapêuticos e biomarcadores potenciais utilizando-se análises univariadas e multivariadas

Ramos Domingues

View full text Add to dashboard Cite

Agradeço aos meus pais Pedro e Regina por tudo, pela minha vida, por mostrar o valor das coisas me ensinando a lutar pelos meus objetivos honestamente. Agradeço a minha chefa e professora Adriana Franco Paes Leme, por acreditar em mim e confiar a execução desse projeto. Agradeço a minhas irmãs Regiane e Rimena e minha sobrinha Ingrid, pelo companheirismo e admiração, e ao meu cunhado Samuel por ser sempre tão alegre. Agradeço a minhas companheiras de laboratório Sami, Dani e em especial a Bianca, pela amizade (além do lab), paciência e apoio ao longo do mestrado. Agradeço ao Henry pela grandiosa ajuda, disposição e paciência na execução das análises. Agradeço a Gabriela Meirelles pela boa vontade e carinho desprendido no início do projeto. Agradeço ao Diego Riano pelos esclarecimentos do caminho correto a seguir. Agradeço a todos os amigos do grupo MAS pelo companheirismo e amizade em especial Carol Carneiro e Flávia Zandonadi. Agradeço ao Laboratório de Espectrometria de Massas-LNBio, pela estrutura e suporte na realização desse projeto. Ao LNBio e ao CNPEM pela excelência como centro nacional de pesquisa e à UNICAMP por me acolher como aluna. O presente trabalho foi realizado com apoio da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior -Brasil (CAPES) -Código de Financiamento 001. RESUMO Biomarcadores são essenciais no diagnóstico, prognóstico e desenvolvimento de fármacos. Sua pesquisa deve envolver alta sensibilidade e seletividade, definindo resultados claros de confirmação ou exclusão da doença, bem como alta qualidade na metodologia analítica, em métodos computacionais e estatísticos. O sucesso de biomarcadores em testes clínicos tem sido pequeno e uma das razões é que poucos candidatos à biomarcadores passam por uma validação rigorosa por meio de modelos estatísticos, como também pequenos números de amostras biológicas, variabilidade biológica resultando em falsos positivos. Dessa forma, o objetivo desse estudo é aplicar modelos estatísticos de análise que ajudem a selecionar biomarcadores candidatos na fase de descoberta, classificá-los e validá-los para posterior aplicação em uma nova fase de verificação, como proteômica baseada em alvos. Para isso, foram analisadas amostras de saliva de pacientes com e sem carcinoma de células escamosas (CEC) contendo 4 proteínas recombinantes em concentrações crescentes. Após a identificação e quantificação das proteínas utilizando o algoritmo de busca do Andromeda integrado no MaxQuant, os dados foram analisados pelos métodos de Kruskal-Wallis, Wilcoxon, Nearest Shrunken Centroid (NSC), Random Forest e Support Vector Machine -Recursive Feature Elimination (SVM-RFE), seguidos de métodos de validação como validação cruzada, permutação e Curvas de Características de Operação do Receptor (ROC). Os resultados mostram que as análises de Kruskal-Wallis e Wilcoxon foram capazes de detectar as proteínas marcadoras adicionadas nas amostras de saliva em concentrações crescentes como verdadeiros positivos. Houve melhora na classificação das amostras para as análises ...

show abstract

unclassified

Proteômica baseada em descoberta para busca de alvos terapêuticos e biomarcadores potenciais utilizando-se análises univariadas e multivariadas

Ramos Domingues

View full text Add to dashboard Cite

show abstract

Genetic variability in Capsicum spp. accessions through multicategorical traits

2022

View full text Add to dashboard Cite

Multivariate statistical analysis to support the minimum streamflow regionalization

Elesbon¹,

Silva²,

Sediyama³

et al. 2015

Eng. Agríc.

View full text Add to dashboard Cite

This study aimed to develop a methodology based on multivariate statistical analysis of principal components and cluster analysis, in order to identify the most representative variables in studies of minimum streamflow regionalization, and to optimize the identification of the hydrologically homogeneous regions for the Doce river basin. Ten variables were used, referring to the river basin climatic and morphometric characteristics. These variables were individualized for each of the 61 gauging stations. Three dependent variables that are indicative of minimum streamflow (Q 7,10 , Q 90 and Q 95 ). And seven independent variables that concern to climatic and morphometric characteristics of the basin (total annual rainfall -P a ; total semiannual rainfall of the dry and of the rainy season -P ss and P sc ; watershed drainage area -A d ; length of the main river -L p ; total length of the rivers -L t ; and average watershed slope -S L ). The results of the principal component analysis pointed out that the variable S L was the least representative for the study, and so it was discarded. The most representative independent variables were A d and P sc . The best divisions of hydrologically homogeneous regions for the three studied flow characteristics were obtained using the Mahalanobis similarity matrix and the complete linkage clustering method. The cluster analysis enabled the identification of four hydrologically homogeneous regions in the Doce river basin. KEYWORDS: principal component analysis, cluster analysis, homogeneous regions. ESTATÍSTICAS MULTIVARIADAS COMO SUPORTE À REGIONALIZAÇÃO DE VAZÕES MÍNIMAS1 RESUMO: Este trabalho teve por objetivo propor uma metodologia baseada em análises estatísticas multivariadas de componentes principais e de agrupamento, com o intuito de identificar as variáveis mais representativas em estudos de regionalização de vazões mínimas e otimizar a obtenção das regiões hidrologicamente homogêneas para a bacia hidrográfica do Rio Doce. Foram utilizadas 10 variáveis referentes às características climáticas e morfométricas da bacia. Essas variáveis foram individualizadas para as 61 estações fluviométricas adotadas, sendo três variáveis dependentes e indicativas das vazões mínimas (Q 7,10 , Q 90 e Q 95 ) e sete independentes (precipitação total anual -P a ; precipitação total do semestre seco -P ss e chuvoso -P sc ; área de drenagem da bacia -A d ; comprimento do rio principal -L p ; comprimento total dos cursos d'água da bacia -L t ; e declividade média da bacia -S L ). O resultado da análise de componentes principais apontou a variável independente S L como a menos representativa e foi excluída do estudo. As variáveis independentes mais representativas foram A d e P sc . As melhores divisões de regiões hidrologicamente homogêneas para as três vazões características estudadas foram obtidas utilizando-se conjuntamente da matriz de similaridade de Mahalanobis e do método de agrupamento do vizinho mais distante. A análise de agrupamento possibilitou a identificação de quatro re...

show abstract

Aplicação da análise multivariada em avaliações de divergência genética através de marcadores moleculares dominantes em plantas medicinais

Cited by 4 publications

References 21 publications

Proteômica baseada em descoberta para busca de alvos terapêuticos e biomarcadores potenciais utilizando-se análises univariadas e multivariadas

Proteômica baseada em descoberta para busca de alvos terapêuticos e biomarcadores potenciais utilizando-se análises univariadas e multivariadas

Genetic variability in Capsicum spp. accessions through multicategorical traits

Multivariate statistical analysis to support the minimum streamflow regionalization

Contact Info

Product

Resources

About