10/05/2019 - Aprendizado de modelos gráficos probabilísticos genéticos e ambientais a partir de dados Gaussianos agrupados em famílias - Palestrante: Adèle Helena Ribeiro (Instituto do Coração)
SEMINÁRIO CONJUNTO UFSCAR/ICMC
Data e Horário:
10/05/2019 às 14h
Local:
Sala 43 do DEs-UFSCar
Título:
Aprendizado de modelos gráficos probabilísticos genéticos e ambientais a partir de dados Gaussianos agrupados em famílias
Palestrante:
Adèle Helena Ribeiro (pós-doutoranda no Instituto do Coração, SP)
Resumo:
Modelos gráficos probabilísticos (ou grafos de independência condicional) são uma linguagem intuitiva e rigorosa matematicamente para descrever as relações de independência condicional implicadas pela distribuição de probabilidade conjunta das variáveis. Assim, são muito utilizados para descrever relações causais (dirigidas) ou correlacionais (não dirigidas) entre variáveis.
Sob certas suposições, algoritmos computacionais baseados em testes de independência condicional conseguem aprender a estrutura do modelo gráfico probabilístico (ou de sua classe de equivalência) a partir de dados puramente observacionais. Aplicados na área biomédica, esses algoritmos têm ajudado na identificação dos mecanismos por trás de fenótipos de doenças multifatoriais e, assim, dos fatores de riscos de doenças.
Com base nos modelos mistos poligênicos univariados, que permitem explicar a (co)variabilidade fenotípica de acordo com as influências genéticas e ambientais em estudos de famílias, mostraremos a derivação de estimadores e testes de significância para coeficientes de correlação parcial genético e ambiental. Além disso, mostraremos como esses testes podem ser aplicados para o aprendizado da estrutura de modelos gráficos probabilísticos Gassianos e também de sua decomposição em dois componentes: genético e ambiental.