Resumo

Técnicas de aprendizado de máquina para predição de fenótipos em bactérias.

A metagenômica é o estudo do material genético obtido a partir de amostras ambientais, conhecido como metagenoma. Os MAGs, metagenome-assembled genomes, são genomas montados de amostras metagenômicas que podem representar novas unidades taxonômicas. O fato de serem novas unidades dificulta as compreensões de suas capacidades metabólicas, e portanto justificam o uso de aprendizado de máquina para facilitar tal compreensão. Fenótipos podem ser entendidos como as características de um organismo. Para este estudo tivemos dois fenótipos de interesse:

• Temperatura de crescimento, que caracteriza as temperaturas ótimas, mínimas e máximas de crescimento de um organismo. Exemplos desse fenótipo são seres psicrófilos (15°C 20°C), mesófilos (20°C 45°C) e termófilos (50°C 122°C).
• Tipo de metabolismo do organismo. Por exemplo fixação de nitrogênio, que diz respeito à capacidade de um organismo converter nitrogênio gasoso em amônia ( N2 → NH3) ou outro composto nitrogenado. Exemplos de bactérias fixadoras de nitrogênio são as rizóbias, quando fixadas nas raízes de leguminosas, e as cianobactérias. Outros exemplos de metabolismo são redutores de sulfato e redutores de nitrato.

Este trabalho teve como objetivo predizer as capacidades fenotípicas acima através de técnicas e algoritmos de aprendizado de máquina, a partir de sequências codificadoras de proteínas identificadas dos organismos utilizados. Foram consideradas para predição técnicas como redes neurais,support vector machines (SVM) e regressão logística.

Palavras-chave: Machine-learning. Predição de fenótipos. Grupos Ortólogos