- Prof. Lisete Sousa – Departamento Estatística e Investigação Operacional – Faculdade Ciências Universidade de Lisboa
- FCUL (DEIO) – Campo Grande – Bloco C/6 – Piso 4 – Sala 6.4.30 -14:30
- Quarta-feira, 15 de Junho de 2005
A associação entre a explosão de dados relacionados com genética molecular e o avanço tecnológico a nível de meios informáticos, é presentemente um desafio para o estatístico na medida em que é requerido um melhoramento dos métodos existentes e o desenvolvimento de métodos de inferência mais eficientes para lidar com dados de natureza tão complexa. Este trabalho mostra como a estatística é fundamental na abordagem de sistemas tão diversos como a estrutura de proteínas e microarrays. Começa por apresentar-se um novo método, BETH (Bayesian Estimation of Transmembrane Helices), de identificação de regiões transmembranares em proteínas e a sua topologia. O método BETH comporta uma solução bayesiana para a resolução do problema através da estimação de uma cadeia de Markov escondida com base no algoritmo de amostragem Gibbs. Seguidamente, descrevem-se alguns modelos estatísticos utilizados para analisar dados de microarrays, uma técnica de expressão genética global (genómica). Dada a complexidade dos modelos envolvidos, a abordagem bayesiana parece ter os requisitos necessários para se lidar com microarrays ou com qualquer outro tipo de dados genéticos.