Estimadores de parâmetro consistentes para modelos de grafo aleatório e estudo sobre a relação entre a rede modo padrão do cérebro e o volume do corpo caloso (2020)
- Authors:
- Autor USP: SANTOS, SUZANA DE SIQUEIRA - IME
- Unidade: IME
- Sigla do Departamento: MAC
- Subjects: TRANSTORNO AUTÍSTICO; GRAFOS ALEATÓRIOS
- Keywords: Asperger; Autismo; Conectividade funcional; Corpo caloso; Corpus callosum; Default-mode network of the brain; Densidade espectral; Largest eigenvalue; Maior autovalor; Random graph; Spectral density
- Agências de fomento:
- Language: Português
- Abstract: Grafos possibilitam estudar o funcionamento de diversos sistemas, como redes biológicas e sociais. Nesse contexto, surge o problema (i) de selecionar um modelo de grafo aleatório e um conjunto de parâmetros que melhor se ajustem a uma rede do mundo real, buscando interpretar e predizer seu comportamento. Dada uma sequência de redes e valores observados, temos adicionalmente o problema (ii) de correlacioná-los. Para (i), Takahashi e colegas propuseram um método baseado nas densidades dos espectrais (distribuição dos autovalores da matriz de adjacência) cuja principal vantagem é a generalidade. Nós propusemos adaptações, baseadas na norma l1 entre densidades espectrais e entre distribuições acumuladas, que nos levaram à derivação de resultados teóricos sobre a consistência do estimador de parâmetro. Finalmente, o problema (ii) é abordado no Transtorno do Espectro Autista (TEA), cujas sub-classificações em Asperger e autismo têm bases neurais pouco conhecidas. Como há evidências de alterações da rede modo padrão em TEA, comparamos a relação dessa rede com a maior estrutura de matéria branca do cérebro (corpo caloso) entre Asperger e autismo. Nossos resultados sugerem que essa relação é maior em Asperger do que em autismo na região anterior do corpo caloso e que o maior autovalor do grafo é capaz de capturar a relação com o parâmetro estimado
- Imprenta:
- Data da defesa: 28.02.2020
-
ABNT
SANTOS, Suzana de Siqueira. Estimadores de parâmetro consistentes para modelos de grafo aleatório e estudo sobre a relação entre a rede modo padrão do cérebro e o volume do corpo caloso. 2020. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2020. Disponível em: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-16032020-111145/. Acesso em: 30 abr. 2024. -
APA
Santos, S. de S. (2020). Estimadores de parâmetro consistentes para modelos de grafo aleatório e estudo sobre a relação entre a rede modo padrão do cérebro e o volume do corpo caloso (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45134/tde-16032020-111145/ -
NLM
Santos S de S. Estimadores de parâmetro consistentes para modelos de grafo aleatório e estudo sobre a relação entre a rede modo padrão do cérebro e o volume do corpo caloso [Internet]. 2020 ;[citado 2024 abr. 30 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-16032020-111145/ -
Vancouver
Santos S de S. Estimadores de parâmetro consistentes para modelos de grafo aleatório e estudo sobre a relação entre a rede modo padrão do cérebro e o volume do corpo caloso [Internet]. 2020 ;[citado 2024 abr. 30 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-16032020-111145/ - Análise de redes biológicas: estudo comparativo de medidas de dependência e uma ferramenta computacional para discriminar grafos
- A comparative study of statistical methods used to identify dependencies between gene expression signals
- Spectral density of random graphs: convergence properties and application in model fitting
- Complex network measures in autism spectrum disorders
- Complex network measures in autism spectrum disorders
- BioNetStat: a tool for biological networks differential analysis
- A semi-parametric statistical test to compare complex networks
- CoGA: an R package to identify differentially co-expressed gene sets by analyzing the graph spectra
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas