3680-5212
ccam@uesc.br

Tenha uma visão geral dos projetos!

Veja alguns projetos

Listamos nesta página alguns dos projetos em execução

Estudo genomico de genes de resistencia a patogenos em citros

A citricultura é uma atividade produtiva que representa elevada importância socioeconômica, tanto a nível nacional quanto internacional, sobressaindo-se principalmente com a produção de laranjas e de sucos. Porém, essa atividade tem sido altamente afetada por patógenos, o que implica negativamente nos níveis de produtividade, resultando em menores lucros para os produtores. Apesar da grande diversidade de estratégias que os patógenos utilizam para infectar seus hospedeiros, nota-se na natureza que as doenças são exceções, enquanto a resistência é uma regra, e isso acontece graças ao eficiente mecanismo de defesa das plantas. Diante disso, o objetivo deste trabalho é identificar e caracterizar in silico receptores PRRs presentes em genomas de Citrus spp. quanto aos seus aspectos evolutivos e funcionais e verificar o potencial e variabilidade de resistência entre as espécies in vivo. Inicialmente, será realizada uma parte do trabalho in silico, utilizando dados de entrada dos seis genomas de Citrus sp. e um de Poncirus, sendo feita a anotação dos seus domínios e posterior identificação e classificação das PRRs. Serão realizados ainda, os alinhamentos e análises filogenéticas; análise de duplicação de genes; identificação dos clusters gênicos e desenvolvimento dos marcadores. Posteriormente, in vitro, os clusters serão identificados, isolados e sequenciados, sendo finalmente analisados os resultados provenientes dos dados de sequenciamento e feita as correlações fenotípicas com genótipos considerados como padrões de resistência e suscetibilidade, esses oriundos de germoplasmas de citrus jà caracterizados. Almejando-se compreender a dinâmica desse sistema imune, gerando então importantes perspectivas para o melhoramento das espécies cítricas.


Coordenado por Fabienne Micheli
Integrantes:
  • Fredson dos Santos Menezes
  • Lucas Jhones de Santana Neves
Técnicas de Aprendizado de Máquina Aplicadas na Previsão de Evasão Acadêmica da UESC

Diversos países têm demonstrado preocupação com os índices de evasão de alunos do ensino superior. Principalmente quando esta evasão ocorre em instituições de ensino públicas, financiadas pelo governo. Relatórios fornecidos pela Assessoria de Planejamento indicam aumento significativo nestes índices na UESC. A maioria das pesquisas nesta área concentram-se em determinar quais os fatores que mais afetam a performance acadêmica dos alunos. Sabe-se que a quantidade de informações processada e analisada interfere diretamente na precisão dos resultados. Porém, o grande volume de dados, muitas vezes de complexa interpretação e integração, inviabiliza seu processamento. Nesse sentido, o uso de computação de alto desempenho aliado à ciência de dados consegue trazer ganhos de performance e precisão no processamento de grande volumes de dados transacionais. Este projeto tem por objetivo usar técnicas de inteligência artificial e mineração de dados em um data warehouse com informações socioeducacionais dos discentes da UESC, para gerar indicadores preventivos sobre evasão escolar. Para tanto, será necessário identificar as melhores abordagens para análise dos dados, além de algoritmos de Machine Learning eficientes para alcançar os resultados esperados. Os resultados do projeto auxiliarão os gestores acadêmicos no planejamento e tomada de decisões acerca do desempenho dos discentes e prevenção à evasão.