Ricardo Cerri.

A Bioinformática é uma área multidisciplinar que utiliza técnicas de computação e estatística para responder a diversas questões biológicas, permitindo aplicações nas áreas de farmacologia (farmacocinética e farmacodinâmica), biologia evolutiva (filogenética e filogeografia), ecologia (análise da biodiversidade) e epidemiologia, dentre muitas outras. Esse Projeto de Extensão propõe a criação da Liga Interdisciplinar de Bioinformática da UFSCar (LIB - UFSCar), cujo objetivo é integrar alunos de graduação e pós-graduação interessados em aprofundar conhecimentos em diferentes áreas da Bioinformática, como o uso de programas e pacotes para análise de dados biológicos, a programação para extrair informações biológica, entre outros. Pretende-se enfatizar a difusão de conceitos e práticas comuns relacionados à bioinformática, ciências da computação e biologia molecular, através da realização de aulas teóricas, minicursos, simpósios e hackathons.

Biólogos trabalham com um imenso volume de dados diariamente. Manter os dados organizados, analisá-los e extrair informações relevantes é um trabalho complexo. A programação computacional é uma ferramenta importante para lidar com tal tarefa, permitindo uma resolução robusta e elegante para diversos problemas de análise e organização de dados. Portanto, a fim de disseminar esse conhecimento, foi realizado em novembro de 2018 o II Workshop de Python para Dados Biológicos no qual, além de palestras, também foram oferecidas práticas de introdução à programação com a linguagem Python, e muitos exemplos de aplicações para que estudantes e pesquisadores de graduação e pós-graduação sejam capazes de usufruir dos benefícios da programação na análise de dados biológicos.

O "Sororidade" consiste em um aplicativo para smartphones que oferece uma sala de bate papo específica para mulheres e assuntos de seu interesse. As salas de bate papo serão divididas por assuntos como: assédio, violência, maternidade, mercado de trabalho, relacionamento, padrões de beleza, entre outros. O aplicativo terá as funcionalidades de salas para conversas, localizador que permite encontrar e enviar mensagens, ferramenta para denúncias de mensagens e perfis agressivos, possibilidade de bloquear mensagens particulares de determinados usuários, recurso de conexão que filtre o acesso de usuários, bloqueando a possibilidade de participação de pessoas do sexo masculino, possibilidade de escolha de uso de perfil real, pseudônimo ou anônimo para postagem na sala de bate papo.

O Aprendizado de Máquina Automático (AutoML) é um campo de pesquisa emergente que visa encontrar soluções automáticas de Aprendizado de Máquina (AM) para vários problems. Usando recursos computacionais limitados, o AutoML automatiza a construção de pipelines de AM, incluindo preparação de dados, engenharia de atributos, geração de modelos e tarefas de avaliação de modelos. O AutoML pode potencialmente reduzir erros humanos ao projetar soluções de AM, aumentando a confiança nos resultados e tranquilizando o público. Uma tarefa desafiadora que pode se beneficiar do AutoML é a classificação multirrótulo, onde uma instância pode ser classificada simultaneamente em duas ou mais classes. Várias aplicações podem ser encontradas em bioinformática, processamento de imagem e texto e categorização de música e produtos. Embora existam diferentes estratégias para encontrar os melhores classificadores para problemas multirrótulo, elas geralmente são especializadas em conjuntos de dados específicos e usam um espaço de busca limitado de classificadores. Neste projeto, usaremos o AutoML como um Sistema de Inteligência Artificial de Propósito Geral (GPAIS), propondo um novo método que atua como um especialista em IA, determinando quais algoritmos e/ou componentes (e hiperparâmetros) são mais adequados para uma gama de conjuntos de dados de classificação multirrótulo para diferentes domínios. Isso é conhecido como GPAIS de mundo fechado. Nossa proposta pode usar diferentes estratégias, como otimização multi-objetivo para pesquisar o espaço de possíveis soluções e modelos substitutos para acelerar os tempos de execução. Esta é a primeira proposta para um sistema AutoML de propósito geral adaptado a domínios contendo diferentes conjuntos de dados de classificação multirrótulo. Os parceiros brasileiros desta proposta são pesquisadores do Projeto IARA (Inteligência Artificial na Reconstrução de Ambientes Urbanos) financiado pela FAPESP, uma colaboração nacional conjunta envolvendo universidades e empresas no Brasil. Assim, os classificadores construídos podem ser aplicados a problemas relacionados a cidades inteligentes, como categorizar materiais de construção deixados em locais ilegais, como calçadas.

Fluxos contínuos de dados (FCDs) são sequências de dados de tamanho ilimitado, geradas de forma contínua, não-estacionária, e em muitos casos, em alta velocidade. Por esse fluxo ser potencialmente infinito, os dados não podem ser armazenados em memória, obrigando um exemplo a ser processado uma única vez e descartado. Várias aplicações do mundo real geram grandes quantidades de dados em um fluxo contínuo, e a tendência é que com a evolução da Tecnologia da Informação, mais dados sejam gerados e coletados constantemente. Exemplos dessas aplicações são coleta de dados a partir de sensores, geração de medições durante monitoramentos de redes e análise de postagens em redes sociais. Isso evidencia a relevância e a necessidade do desenvolvimento de algoritmos capazes de extrair conhecimento relevante desses dados. Dentre as tarefas envolvendo FCDs, a classificação é uma das mais importantes, objetivando rotular exemplos ainda não vistos, e que chegam constantemente junto ao fluxo. Dentro desse cenário, um grande desafio é a detecção de novidade, representada por mudanças de conceito e evoluções de conceito. Na mudança de conceito, a distribuição que gera os dados muda ao longo do tempo, o que significa que as distribuições que representam as classes mudam. Na evolução de conceito, novas distribuições surgem ao longo do tempo, o que significa o surgimento de novas classes no fluxo de dados. Apesar de existirem diversos métodos para a classificação de FCDs, a maioria deles não considera o fato dos exemplos do fluxo poderem ser rotulados em mais de uma classe simultaneamente, e também consideram que as classes dos exemplos são sempre disponibilizadas junto com os exemplos no fluxo, um cenário muitas vezes irreal. Dessa forma, a investigação de métodos de classificação que sejam capazes de lidar com tais cenários multirrótulo desafiadores é essencial. Nesse contexto, este projeto de pesquisa tem como objetivo principal propor novas estratégias de classificação multirrótulo em FCD. Além da detecção de evoluções de conceito e mudanças de conceito, há outras restrições e características que devem ser consideradas para o desenvolvimento de novas estratégias, e que tornam a tarefa difícil e desafiadora. Entre elas estão a necessidade de se considerar respostas em tempo real, memória limitada, passagem única pelos dados, detecção de conceitos recorrentes, detecção de ruídos e outliers, latência infinita de rótulos, e detecção de várias mudanças e evoluções de conceito simultâneas. Os métodos propostos serão executados em conjuntos de dados sintéticos e reais, e comparados com outros métodos da literatura. Os resultados serão divulgados em periódicos e eventos, e os códigos e dados gerados disponibilizados publicamente. Espera-se que os resultados da pesquisa tragam impactos e avanços significantes para as áreas de classificação de fluxos contínuo de dados e aprendizado multirrótulo

A criação de um Instituto Nacional de Ciência e Tecnologia em Inteligência Artificial (IAIA) irá reunir e estimular pesquisas científicas, tecnológicas e de inovação colaborativas em Inteligência Artificial, além de tornar a Inteligência Artificial brasileira internacionalmente reconhecida pela qualidade de suas pesquisas. A iniciativa desenvolverá um forte programa de capacitação de formação de recursos humanos em Inteligência Artificial, inclusive Inteligência Artificial aplicada. Financiamento: Edital Nº 58/2022 - Programa Institutos Nacionais de Ciência e Tecnologia - INCT do CNPq

IARA é um projeto multidisciplinar composto por várias dezenas de pesquisadores brasileiros e de instituições parceiras fora do Brasil com foco nas áreas de Cidades Inteligentes, Inteligência Artificial, e Internet da Coisas. O projeto é nacionalmente coordenado Coordenado pelo Prof. André de Carvalho. O novo Centro de Pesquisa está entre uma das seis propostas selecionadas para financiamento na chamada lançada pelo Ministério da Ciência, Tecnologia e Inovação (MCTI), pela Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) e pelo Comitê Gestor da Internet (GCI.br). A Rede IARA (e sub redes regionais, e.g. IANE no Nordeste) já conta com a colaboração nas seguintes cidades-laboratório: Fortaleza (CE), Juazeiro (BA), Monteiro Lobato (SP), Niterói (RJ), Recife (PE), São Carlos (SP), São José dos Campos (SP) e Sorocaba (SP). O centro visa buscar desenvolver mecanismos para lidar, de maneira rápida e eficaz, com aplicações da área de aprendizado de máquina em larga escala, a fim de atender ao grande número de demandas por modelos nas várias aplicações em cidades inteligentes

O objetivo desse projeto é fornecer uma série de marcadores moleculares e de genes candidatos, ambos associados à produtividade de grão para auxiliar no desenvolvimento de novas linhagens e cultivares comerciais de arroz. Para isso, o projeto utilizará dois bancos de dados da Coleção Nuclear de Arroz da Embrapa, um fenotípico, gerado a partir de uma série de nove experimentos de campo onde seus 550 acessos foram avaliados para produtividade, e outro genotípico, obtido pela caracterização desses acessos, onde foram gerados 445.589 SNPs. Por meio do desenvolvimento de algoritmos de aprendizado de máquina (machine learning), serão identificados marcadores SNPs associados à produtividade, que após validados, entrarão na rotina de seleção assistida do programa de melhoramento genético do arroz. A equipe dessa proposta (Embrapa e UFSCar) trabalhou recentemente com a mesma estratégia estudando o caráter teor de amilose (TA) do grão, e foi encontrado e validado um marcador SNP que discrimina genótipos que possuem TA baixo dos genótipos com TA alto. Esse resultado positivo motivou a equipe a elaborar a proposta para um caráter de interesse altamente relevante para o melhoramento genético do arroz do Brasil e do mundo. A soma de esforços dos grupos de pesquisa da UFSCar e Embrapa, que trabalham em áreas distintas, porém complementares, permitirão alcançar, de modo sinergístico, resultados inéditos e importantes para o desenvolvimento da ciência e agricultura do país.

Atualmente, as redes neurais profundas (RNPs) são o estado-da-arte para a solução de problemas difíceis. Seus resultados notáveis dependem diretamente de aspectos como arquitetura e hiperparâmetros. O projeto manual de uma RNP requer conhecimento especializado e muita tentativa e erro, especialmente conforme a dificuldade do problema aumenta. Várias abordagens foram desenvolvidas para otimizar automaticamente arquiteturas e hiperparâmetros de RNPs, em uma área de pesquisa moderna chamada neuroevolução. Porém, a maioria delas se concentra em partes específicas do projeto de RNPs, como hiperparâmetros, topologia ou pesos, e não considera módulos de microarquitetura, também conhecidos como arquiteturas de Rede em Rede (ReR). Assim, neste projeto, propomos novos métodos baseados em Algoritmos Evolutivos baseados em Gramática para evoluir automaticamente arquiteturas de RNPs e seus hiperparâmetros, considerando as contribuições mais recentes do estado-da-arte, como as arquiteturas ReR

Em problemas convencionais de classificação, um exemplo de um conjunto de dados é classificado em apenas uma dentre duas ou mais classes. Esses problemas são chamados de problemas de classificação simples-rótulo. No entanto, existem problemas de classificação mais complexos nos quais um exemplo pode ser classificado em duas ou mais classes simultaneamente, inclusive classes estruturadas em uma taxonomia hierárquica. Esses problemas são conhecidos na literatura de Aprendizado de Máquina como problemas de classificação hierárquica e multirrótulo. Diversos problemas de aplicação prática estão relacionados a esse tipo de classificação, como categorização de imagens, documentos, música e predição de funções de proteínas. A tarefa de resolução de problemas hierárquicos e multirrótulo é muito desafiadora devido à dificuldade em se considerar as dependências entre as muitas classes envolvidas no problema durante o treinamento. Somado a isso, o desbalanceamento dos conjuntos de dados deteriora os desempenhos dos classificadores propostos na literatura. Neste projeto, pretende-se investigar abordagens Deep Learning para a tarefa de classificação hierárquica e multirrótulo, visando considerar os relacionamentos entre as classes durante o aprendizado. No aprendizado Deep Learning, é investigada a capacidade de aprendizado de redes neurais cujas arquiteturas possuem muitas camadas intermediárias. Cada uma dessas camadas é induzida por meio de um processo sequencial, uma camada de cada vez, utilizando aprendizado não supervisionado. A ideia é dividir o processo de aprendizado, com o objetivo de induzir um modelo complexo por meio da combinação de modelos mais simples, induzidos sequencialmente. Assim, pretende-se propor métodos de classificação baseados na abordagem Deep Learning, para investigar sua capacidade de generalização e aprendizado dos relacionamentos entre as muitas classes do problema. O método proposto será testado em conjuntos de dados de diferentes domínios de aplicação, e também comparado com outros métodos da literatura. Todos os métodos serão avaliados utilizando medidas de avaliação especialmente desenvolvidas para esses problemas de classificação

In conventional classification, an instance is classified in just one among two or more classes. These problems are called single-label classification problems. However, there are more complex problems in which an instance can be classified into two or more classes simultaneously. These are known in the Machine Learning literature as multi-label classification problems. When the classes involved are organized in a hierarchy, the task is even more challenging, and is known as hierarchical classification. Many practical applications are related to hierarchical and multi-label classification, like the classification of images, documents and music, and protein function prediction. These are very challenging tasks due the difficulty in considering the relationships between the many classes of the problem during training. Together with this, the unbalance of the datasets deteriorate the performances of the classifiers proposed in the literature. Given the high-dimensional space of possible classes, we propose to develop Multi-objective Evolutionary Methods for the generation of multi-label and hierarchical classification rules. The rules generated should satisfy the requisites of interpretability and good performance. The proposed methods will be compared with the state-of-the-art methods, using hierarchical and multi-label datasets from the bioinformatics domain. The methods will be evaluated with measures specifically proposed for hierarchical and multi-label problems.

Elementos Transponíveis (TEs) são sequências de DNA que podem se mover de um local para outro dentro do genoma de uma célula. Eles contribuem para a diversidade genética das espécies, e seus mecanismos de transposição podem afetar a funcionalidade dos genes. A correta identificação e classificação de TEs é útil para a compreensão de seus efeitos no processo evolutivo dos genomas. Os TEs são organizados em uma taxonomia hierárquica, com famílias e superfamílias. Geralmente, a identificação e classificação de TEs é realizada por meio de ferramentas de Bioinformática que utilizam homologia, comparando uma sequência com várias sequências de um conjunto de dados com TEs já identificados. Esse método apresenta limitações, pois a homologia entre sequências ignora as propriedades bioquímicas das mesmas, e também os relacionamentos hierárquicos entre as diferentes famílias e superfamílias de TEs. Assim, neste projeto, serão investigados e propostos diferentes métodos de classificação hierárquica de TEs utilizando Aprendizado de Máquina (AM). Inicialmente, diferentes conjuntos de dados serão construídos com sequências de nucleotídeos e de aminoácidos já com TEs previamente identificados. Para a construção desses conjuntos de dados, serão utilizadas ferramentas de Bioinformática desenvolvidas para extrair características bioquímicas de sequências, e também diferentes estratégias para conversão de sequências em valores de atributos adequados para a utilização em técnicas de AM. Os conjuntos de dados serão, então, estruturados hierarquicamente, de acordo com as famílias e superfamílias de TEs a que pertencem. Os métodos de classificação propostos serão comparados com métodos existentes na literatura, e avaliados por meio de medidas de avaliação específicas para problemas de classificação hierárquica

Problemas de Classificação Hierárquica Multirrótulo são problemas de classificação complexos, nos quais as classes envolvidas no problema são estruturadas em uma hierarquia contendo centenas ou até milhares de classes. Adicionalmente, exemplos sendo classificados podem ser atribuídos simultaneamente a mais de um caminho dessa hierarquia. Esses problemas são muito comuns, por exemplo em tarefas de predição de funções de proteínas e anotação de imagens médicas. Dentre os diferentes algoritmos que podem ser utilizados nesses problemas, estão os algoritmos de indução de árvores de decisão, por sua robustez e eficiência, além de produzirem modelos interpretáveis e com taxas de acerto satisfatórias. Apesar disso, ainda há muitas questões em aberto sobre a utilização desses algoritmos no contexto de problemas de classificação hierárquica multirrótulo, como por exemplo quais critérios de parada e de poda utilizar, qual tipo de divisão utilizar em um nó interno, e como considerar os relacionamentos entre as classes. Além disso, até agora apenas a estratégia de indução top-down foi utilizada. Dadas essas muitas possibilidades de configuração, esse projeto tem por objetivo implementar uma hiper-heurítica para a construção de algoritmos de indução de árvores de decisão aplicados em problemas de classificação hierárquica multirrótulo. Ao contrário das meta-heurísticas, as hiper-heurísticas operam em um nível maior de abstração, podendo ser utilizadas na procura das melhores combinações de componentes no espaço de possibilidades, componentes esses utilizados para a construção de algoritmos de indução de árvores de decisão

Com o volume cada vez maior de dados gerados e a importância crescente da economia baseada em conhecimento, a Descoberta de Conhecimento de Bases de Dados, principalmente sua etapa de Mineração de Dados, é cada vez mais adotada em empresas e órgãos governamentais. A complexidade dos problemas a serem tratados por Mineração de Dados leva a necessidade de novos métodos e ferramentas computacionais capazes de apoiar a análise dos dados pelos usuários. Duas das principais etapas de Mineração de Dados são as de pré-processamento e de construção de modelos. Desafios relacionados a essas duas etapas são investigados neste projeto. Dados com baixa qualidade ou com problemas de elevada dimensão pode afetar significativamente o desempenho de algoritmos para construção de modelos. A etapa de construção de modelos permite induzir modelos descritivos e preditivos, frequentemente por algoritmos de Aprendizado de Máquina. Este projeto investigará as principais alternativas existentes para lidar com esses desafios assim como irá propor e investigar novos métodos para tal. Os métodos investigados serão experimentalmente avaliados de acordo com a metodologia correntemente utilizada pela comunidade de pesquisa das duas subáreas. Dado o elevado custo computacional associado aos experimentos nessas subáreas, serão investigados o uso de arquiteturas GPU e computação em nuvens. Deve ser observado que esse projeto continua pesquisas realizadas em projetos anteriores, com novas abordagens e desafios

Elementos Transponíveis (TEs) são sequências de DNA que podem se "mover" para diferentes posições dentro de um genoma, processo conhecido como transposição. A Anotação de TEs é um importante passo no sequenciamento, montagem, alinhamento e anotação de genomas. No entanto, esta não é uma tarefa simples, uma vez que ela depende da correta identificação e classificação dos TEs encontrados. Métodos de Aprendizagem de Máquina podem ser usados como uma alternativa ou complementação a técnicas baseadas em Homologia para a identificação de TEs. O objetivo deste projeto é investigar e desenvolver novos métodos e técnicas para a identificação e classificação de Elementos Transponíveis em genomas, em especial, considerando o uso de métodos de Aprendizagem de Máquina. Também, serão explorados possíveis modos de usar estas técnicas visando a obtenção de novos conhecimentos sobre a Dinâmica Evolucionária dos mesmos

Desenvolvimento de um ambiente computacional para integrar sistemas e aplicativos que serão usados como ferramentas auxiliares em processos de análises de dados genômicos. Em especial, esta proposta tem por objetivo desenvolver e integrar ferramentas de Bioinformática voltadas para a (pré-)análise de alguns marcadores moleculares e polimorfismos, a saber, Elementos Transponíveis, Microssatélites e SNPs (Single Nucleotide Polymorphisms), identificados em bancos genômicos. Este ambiente deverá tornar automatizadas várias das tarefas envolvidas nestes tipos de análises. Dentre os sistemas e ferramentas a serem integrados ao Ambiente de Bioinformática estarão os desenvolvidos pelo Grupo de Bioinformática de Rio Claro (GBIRC), da UNESP, e outros aplicativos de domínio público. Estes serviços de Bioinformática estarão disponibilizados na web aos laboratórios e pesquisadores associados ao GBIRC

Este projeto investiga a utilização de técnicas avançadas de classificação em problemas de Aprendizado de Máquina. Os problemas de classificação investigados são aqueles em que o perfil das classes pode mudar com o passar do tempo, em que classificadores binários precisam ser combinados para lidar com problemas que apresentam mais de duas classes e em que as classes estão organizadas de forma hierárquica