<html> <head> <style></style></head> <body class='hmmessage'><div dir='ltr'><div><span style="font-size: 12pt;">Na próxima sexta-feira daremos continuidade ao Ciclo de Seminários do Programa de Pós-Graduação em Matemática Aplicada e Estatística (PPgMAE) da UFRN - 2015</span></div><div><br></div><div><br></div><div>Seguem as informações:</div><div><br></div><div><br></div><div>Ciclo de Seminários do Programa de Pós-Graduação em Matemática Aplicada e Estatística (PPgMAE) da UFRN - 2015</div><div><br></div><div>Título: Análise de Dados RNA-Seq com Excesso de Zeros</div><div><br></div><div>Palestrante: Marcus Alexandre Nunes - Departamento de Estatística - UFRN</div><div><br></div><div>DATA: 08 de maio de 2015 (sexta-feira) </div><div><br></div><div>HORÁRIO: 15:00 horas</div><div><br></div><div>LOCAL: Auditório do CCET - UFRN</div><div><br></div><div><br></div><div>* Depois da apresentação é oferecido um coffee-break para socialização e discussões científicas.</div><div><br></div><div><br></div><div>Resumo: As tecnologias de sequenciamento de RNA next-gen estão revolucionando a</div><div>análise de dados genéticos. Também chamadas de massively parallel signature</div><div>sequencing (MPSS), estes métodos geram grandes quantidades de dados devido à</div><div>produção e identificação de milhões de pequenas sequências de código genético. Estas</div><div>sequências são alinhadas a um genoma de referência e suas ocorrências são contadas. As</div><div>contagens obtidas por este procedimento são definidas como a expressão gênica dos</div><div>genes.</div><div><br></div><div>Entretanto, uma grande parte destas contagens são zeros. Os Modelos Lineares</div><div>Generalizados convencionais utilizados para testar a diferença na expressão gênica neste</div><div>tipo de dado não são capazes de lidar satisfatoriamente com eles. Neste trabalho</div><div>propomos um método capaz de lidar com esta característica dos dados RNA-Seq.</div><div>Mostramos como ajustar estes modelo aos dados de contagem e desenvolvemos um</div><div>Teste de Razão de Verossimilhança para comparar o ajuste de dois diferentes modelos e</div><div>assim poder escolher aquele que melhor se ajusta ao dados que analisamos.</div><div><br></div><div>Apresentamos simulações para demonstrar o desempenho do nosso método quando</div><div>comparado a métodos já existentes na literatura da área. Para obtermos um entendimento</div><div>das principais características do método, apresentamos resultados utilizando diversos</div><div>parâmetros. Para verificar o poder do teste e o comportamento assintótico do estimador,</div><div>simulamos exemplos simples onde analisamos apenas um gene por vez. Para verificar o</div><div>comportamento do teste em situações similares ao mundo real, simulamos conjuntos de</div><div>dados que se parecem com aqueles encontrados em experimentos de RNA-Seq.</div><div><br></div><div><br></div><div><br></div><div>Mais informações no site do PPgMAE: <a href="https://sigaa.ufrn.br/sigaa/public/programa/noticias_desc.jsf?lc=pt_BR&id=2595&noticia=110455223" target="_blank" style="font-size: 12pt;">https://sigaa.ufrn.br/sigaa/public/programa/noticias_desc.jsf?lc=pt_BR&id=2595&noticia=110455223</a></div><div><br></div><div><br></div><div>Saudações,</div><div><br></div><div>Marcelo Bourguignon</div> </div></body> </html>