Extracção de Conhecimento de Dados obtidos por Simulação da Desnaturação Proteica

(1)

Extracção de Conhecimento de Dados obtidos

por Simulação da Desnaturação Proteica

Dissertação de Mestrado em Análise de Dados e Sistemas de Apoio

à Decisão

Faculdade de Economia

por Elisabeth Silva Fernandes

Orientador: Professor Alípio Jorge

(2)

Motivação



Objectivo



Estudar o processo de desnaturação da proteína

TTR.



O monómero de TTR tem 127 aminoácidos.



Duas variantes de TTR: WT-TTR wild type e

L55P-TTR variante mutada.



Dados



10 simulações da desnaturação da TTR.



Cada corrida com 127 séries temporais.



Medida em estudo: distância do C

_a

de cada

aminoácido ao centro de massa da proteína.



Cada série temporal tem 10001 valores (um por

cada pico segundo).

Figura 1- (A) TTR; (B)

Monomero de TTR

(3)

Processo de Extracção de Conhecimento

Dados

10 Simulações Dim: 10001 x 127 Análise de Clusters Partição consenso Eventos Regras de Associação

Extracção

de

Conhecimento

Clustering para cada variante de TTR (Partição I e II) Aminoácidos Representativos Análise Exploratória

(4)

126 series temporais, 10 simulações de desnaturação da TTR

14 Clusters dos 127 aminoácidos

Análise de Clusters - Partição Consenso



_{Optimização dos Índices G2 e G3 de Milligan e Cooper}



_{Clustering hierárquico para cada corrida (Método de Ward e}

Distância Euclideana): 10 Partições dos 126 aminoácidos;



_{Clustering hierárquico sob o quadro das classificações}

(Método da Ligação Média e Medida de dissemelhança

definida): Partição Consenso

(5)

Processo de Extracção de Conhecimento

Dados

10 Simulações Dim: 10001 x 127 Análise de Clusters Partição consenso Eventos Regras de Associação Extracção de Conhecimento

Extracção

de

Conhecimento

(6)

15 elementos representativos

Aminoácidos Representativos

Elemento representativo de um cluster:

- Aminoácido mais próximo do centróide da classe.

Nas 10 Partições:



_{O aminoácido representativo é o mais votado;}



_{Caso de empate: deixa-se para escolher no final e dos mais}

(7)

Processo de Extracção de Conhecimento

Dados

10 Simulações Dim: 10001 x 127 Análise de Clusters Partição consenso Eventos Regras de Associação Extracção de Conhecimento

Extracção

de

Conhecimento

(8)

LEU_17

CM

GLU_42

Identificação de Eventos

1. Comparação de Aminoácidos dois a dois

Evento Nº 1 - “troca de posição entre dois aminoácidos

”

(9)

LEU_17

CM

GLU_42

Identificação de Eventos

Evento Nº2 - “duas trocas entre dois aminoácidos”

(10)

Identificação de Eventos

“Procura de alterações significativas por aminoácido”

66 aminoácidos com

alterações bruscas de

comportamento

Verifica-se a ocorrência de um

evento quando, para uma

janela de 200ps, a linha que

passa pelo ponto de máximo e

pelo mínimo tem declive

(11)

Processo de Extracção de Conhecimento

Dados 10 Simulações Dim: 10001 x 127 Análise de Clusters Partição consenso Eventos Regras de Associação Extracção de Conhecimento

Extracção

de

Conhecimento

(12)

Regras de Associação

Evento Nº 1 -“troca de posição entre dois aminoácidos”

Regra nº1: ASN_98_spw_SER_77 & ASN_124_spw_GLU_63  L55

Support=0.5; Confidence=1; Lift=2;

Regra nº2: GLU_42_troca_2x_A_ALA_91 L55

Support=0.4; Confidence=1; Lift=2;

Se o amino

ácido ASN_98 alterna de comportamento com SER_77,

relativamente ao centro de massa, e o mesmo ocorre com entre os

amino

ácidos ASN_124 e GLU_63 então a variante de TTR é L55P-TTR

(13)

Regra Nº1:

ASN_98_spw_SER_77

& ASN_124_spw_GLU_63  L55

Variante

WT-TTR

(14)

Regra Nº1:

ASN_98_spw_SER_77

& ASN_124_spw_GLU_63  L55

Variante

L55P-TTR

(15)

Regra Nº 1:

ASN_98_spw_SER_77 & ASN_124_spw_GLU_63  L55

Variante

WT-TTR

(16)

Regra Nº1:

ASN_98_spw_SER_77 & ASN_124_spw_GLU_63  L55

Variante

L55P-TTR

(17)

Regras de Associação

Procura de eventos ao longo das séries dos 127 aminoácidos

Regra Nº3:

GLY_83  L55

Support= 0.4 Confidence=1; Lift=2

A probabilidade de estarmos perante a variante L55P-TTR

quando o aminoácido GLY_83 muda abruptamente de

(18)

Regras de Associação

Procura de eventos ao longo das séries dos 127 aminoácidos

Regra Nº3:

GLY_83  L55

Support= 0.4 Confidence=1; Lift=2

A probabilidade de estarmos perante a variante L55P-TTR

quando o aminoácido GLY_83 muda abruptamente de

comportamento é 100%

Regra Nº4:

PRO_86  WT

(19)

Só foram analisadas 10 simulações da desnaturação da TTR?!



Como controlar o risco de falsas descobertas?

Trabalho Futuro: Desenvolver técnicas para controlar o risco de falsas

descobertas



Quantas simulações precisamos?

Trabalho Futuro: Desenvolver um modelo para calcular o número

esperado de exemplos que precisamos para este tipo de problema.



Qual é a probabilidade de uma regra aleatória dar o mesmo

resultado (ou melhor) do que uma dada regra?

Exemplo: Para a Regra Nº4 temos que a probabilidade é de 0.0198.

(20)

• A partição consenso fornece uma partição dos aminoácidos que

considera n simulações.

• Para cada cluster obteve-se o aminoácido representativo

simplificando-se a complexidade do problema, reduzindo-se o número

de séries em estudo.

• A identificação de eventos é uma fase importante deste processo,

podendo caracterizar-se o processo a um nível superior.

• Com as Regras de Associação podemos identificar padrões que

descriminam as variantes de TTR.

(21)