Academic literature on the topic 'Self-organizing maps of Kohonen'

A new family of self-organizing maps, the winner-relaxing Kohonen algorithm, is introduced as a generalization of a variant given by Kohonen in 1991. The magnification behavior is calculated analytically. For the original variant, a magnification exponent of 4/7 is derived; the generalized version allows steering the magnification in the wide range from exponent 1/2 to 1 in the one-dimensional case, thus providing optimal mapping in the sense of information theory. The winner-relaxing algorithm requires minimal extra computations per learning step and is conveniently easy to implement.

A self-organizing feature map (Von der Malsburg 1973; Kohonen 1984) sorts n real numbers in O(n) time apparently violating the O(n log n) bound. Detailed analysis shows that the net takes advantage of the uniform distribution of the numbers and, in this case, sorting in O(n) is possible. There are, however, an exponentially small fraction of pathological distributions producing O(n2) sorting time. It is interesting to observe that standard learning produced a smart sorting algorithm.

This study presents a factorial experiment to investigate the ensemble of Kohonen Self-Organizing Maps. Clusters Validity Indexes and the Mean Square Quantization Error were used as a criterion for fusing Kohonen Maps, through three different equations and four approaches. Computational simulations were performed with traditional dataset, including those with high dimensionality, not linearly separable classes, Gaussian mixtures, almost touching clusters, and unbalanced classes, from the UCI Machine Learning Repository and from Fundamental Clustering Problems Suite, with variations in map size, number of ensemble components, and the percentage of dataset bagging. The proposed method achieves a better classification than a single Kohonen Map and we applied the Wilcoxon Signed Rank Test to evidence its effectiveness.

This thesis aims to cluster financial account time series by extracting global features from the time series and by using two different dimensionality reduction methods, Kohonen Self Organizing Maps and principal component analysis, to cluster the set of the time series by using K-means. The results are then used to further cluster a set of financial services provided by a financial institution, to determine if it is possible to find a set of services which coincide with the time series clusters. The results find several sets of services that are prevalent in the different time series clusters. The resulting method can be used to understand the dynamics between deposits variability and the customers usage of different services and to analyse whether a service is more used in different clusters.
Målet med denna uppsats är att klustra tidsserier över finansiella konton genom att extrahera tidsseriernas karakteristik. För detta används två metoder för att reducera tidsseriernas dimensionalitet, Kohonen Self Organizing Maps och principal komponent analys. Resultatet används sedan för att klustra finansiella tjänster som en kund använder, med syfte att analysera om det existerar ett urval av tjänster som är mer eller mindre förekommande bland olika tidsseriekluster. Resultatet kan användas för att analysera dynamiken mellan kontobehållning och kundens finansiella tjänster, samt om en tjänst är mer förekommande i ett tidsseriekluster.

I here present my version of the Kohonen Self-Organising Map (KSOM) as applied to the classification, or rather clustering, of astronomical data. The main body of this work is concerned with the grouping of period-folded stellar lightcurves and clustering based on the lightcurve shape alone. It has been found that the algorithm is an extremely stable grouping mechanism for data of low (3cr signal to noise) to good quality. With further analysis of the results it is possible to locate underpopulated samples of data that exist within the data. This can be successfully achieved for samples of 1%, or less, total population. Additionally the same algorithm has been applied to the extraction of planetary transit lightcurves from those of eclipsing binaries (chapter 5), and to the grouping of X-ray/optical data from the XMM-Subaru deep-field observations (chapter 6). In both cases the algorithm has shown itself to be quite capable of performing such tasks and as such I propose that it could become a very useful astronomical tool. In summary I also present a few ideas for further refinement of the results presented by the KSOM and how these may be used in future study.

This thesis presents a biologically inspired model of learning and development. This model decomposes the lifetime of a single learning system into a number of stages, analogous to the infant, juvenile, adolescent and adult stages of development in a biological system. This model is then applied to Kohonen's SOM algorithm.In order to better understand the operation of Kohonen's SOM algorithm, a theoretical analysis of self-organisation is performed. This analysis establishes the role played by lateral connections in organisation, and the significance of the Laplacian lateral connections common to many SOM architectures.This analysis of neighbourhood interactions is then used to develop three key variations on Kohonen's SOM algorithm. Firstly, a new scheme for parameter decay, known as Butterworth Step Decay, is presented. This decay scheme provides training times comparable to the best training times possible using traditional linear decay, but precludes the need for a priori knowledge of likely training times. In addition, this decay scheme allows Kohonen's SOM to learn in a continuous manner.Secondly, a method is presented for establishing core knowledge in the fundamental representation of a SOM. This technique is known as Syllabus Presentation. This technique involves using a selected training syllabus to reinforce knowledge known to be significant. A method for developing a training syllabus, known as Percept Masking, is also presented.Thirdly, a method is presented for preventing the loss of trained representations in a continuously learning SOM. This technique, known as Arbor Pruning, involves restricting the weight update process to prevent the loss of significant representations. This technique can be used if the data domain varies within a known set of dimensions. However, it cannot be used to control forgetfulness if dimensions are added to or removed from ++
the data domain.

Orientador: Marcio Luiz de Andrade Netto
Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação
Made available in DSpace on 2018-08-08T10:53:36Z (GMT). No. of bitstreams: 1 Peres_SarajaneMarques_D.pdf: 11492142 bytes, checksum: 7eeb4f81f681e145111b43ccfdde2b7e (MD5) Previous issue date: 2006
Resumo: Redes Neurais Artificiais Auto-Organizáveis (RNA-AO), introduzidas por Teuvo Kohonen na década de 60, constituem uma poderosa ferramenta para análise de dados, mais especificamente para análise de agrupamentos, visualização e aproximação de superfícies. Nesta tese definiu-se uma nova forma para determinar a dimensão topológica do espaço de saídada RNA-AO a partir da análise do conjunto de dados a ser explorado pela rede, realizada como apoio combinado da Teoria de Fractais e do Raciocínio Aproximado Fuzzy. Ao combinar essas duas teorias, concebeu-se uma nova medida de dimensão fractal, a medida de Dimensão Fractal Fuzzy Significativa (DFFS) de um conjunto de dados. Tanto o processo de determinação da DFFS quanto sua aplicação como inferência da dimensãotopológica para a RNA-AO foram validados neste trabalho. O primeiro por meio de sua aplicação ao problema de Tendência a Agrupamentos e o segundo por meio da análise de qualidade das RNAs-AO projetadas segundo tal inferência
Abstract: Self Organizing Maps (SOM), introduced by Teuvo Kohonen during the decade of 1960's, is a powerful tool for data analysis, mainly for clustering analysis and surface approximation. In this thesis, we have defined a new way to determine the output space topological dimension of the SOM using the analysis of the dataset to be explored by the map. This analysis is carried out with the combined support of the Fractal Theory and the Fuzzy Approximated Reasoning, deriving a new fractal dimension measure: the Meaningful Fractal Fuzzy Dimension - DFFS (of the Portuguese "Dimensão Fractal:..Fuzzy Significativa"). The DFFS determination process and its application as an inference to the SOM topological dimension have been both validated in this work. The former has been carried out through its application to the Clustering Tendency Analysis and the latter through the quality analysis of the SOM designed by such inference
Doutorado
Engenharia de Computação
Doutor em Engenharia Elétrica

The Data Mining techniques, based on the Kohonen self-organizing maps have been largely used for classifying signals in several areas of expertise. Generally, the SOM network (Self- Organizing Maps) is used to specify similarity relationships between objects by adopting cluster analysis. The computational cost, data preparation and mathematical modeling can influence the interpretation of results, in which those from the evaluation classes are among its limitations. The Kohonen maps do not permit detailed evaluation of the class of objects, which may however be defined by the class limits, in other words defining a measure that can link when an object belonging to a particular class can migrate from one class to another . To adopt this approach the solutions proposed in this Masters dissertation are designed to implement the Kohonen self-organizing maps and the fuzzy logic to generate neighborhoods between classes aimed at applying these techniques on a two-case study for classifying signals from potencial power systems and Biomedical output signals adopting an interpretation of the Kohonen nebula maps. The work is basically divided into three stages: the first which would be followed by a review of the data-mining techniques and fuzzy logic shown in literature; the second focuses on applying the classifier algorithm using artificial neural networks, specifically the usage of neural networks as SOM data mining techniques to enable the classification of signals while the third step demonstrates the SOM network fuzzy logic multidisciplinary approach as an alternative tool of the data-mining methods.
Fundação de Amparo a Pesquisa do Estado de Alagoas
As técnicas de mineração de dados baseadas nos mapas auto organizáveis de Kohonen têm sido bastante utilizada na classificação de sinais nas mais diversas áreas de conhecimento. Geralmente, a rede SOM (Self-Organizing Maps) é usada para especificar relações de similaridade entre objetos abordando análise de agrupamentos. O custo computacional, a preparação dos dados e modelagem matemática poderá influenciar na interpretação dos resultados, entre suas limitações encontram-se aquelas provenientes da avaliação das classes. Os mapas de Kohonen não permite avaliar de forma detalhada a classe dos objetos, os quais poderão está definidos pelo limite da classe, ou seja, definir uma medida que possa relacionar quando um objeto que pertença a uma classe particular possa migrar de uma classe para outra. Para adotar essa abordagem a solução proposta nesta dissertação de mestrado têm como objetivo aplicar os mapas auto-organizáveis de Kohonen e a lógica nebulosa para gerar as vizinhanças entre as classes visando aplicação dessas técnicas em dois estudos de casos na classificação dos sinais provenientes dos sistemas elétricos de potência e sinais biomédicos adotando uma interpretação nebulosa dos mapas de Kohonen. O trabalho se divide basicamente em três etapas: na primeira, será realizada uma revisão das técnicas de mineração de dados e da lógica nebulosa mostradas na literatura; na segunda, concentra-se aplicar o algoritmo classificador utilizando redes neurais artificiais, especificamente redes neurais SOM como técnica de mineração de dados para efetuar a classificação dos sinais; na terceira etapa demonstramos a abordagem multidisciplinar da rede SOM e da lógica nebulosa como uma ferramenta alternativa aos métodos de mineração de dados.

Dentro do cenário de projeto de circuitos elétricos orientados para o processamento de redes neurais artificiais, este trabalho se concentra no estudo da implementação de Mapas Auto-organizáveis (SOM, do inglês, Self-Organizing Maps) em chips FPGA. A pesquisa aqui realizada busca, fundamentalmente, responder à seguinte pergunta: como devem ser projetadas as arquiteturas computacionais de cada etapa de processamento do SOM para serem adequadamente executadas em FPGA? De forma mais detalhada, o trabalho investiga as possibilidades que diferentes circuitos de computação do SOM oferecem em relação à velocidade de processamento, ao consumo de recursos do FPGA e à consistência com o formalismo teórico que fundamenta esse modelo de rede neural. Tal objetivo de pesquisa é motivado por possibilitar o desenvolvimento de sistemas de processamento neural que exibam as características positivas típicas de implementações diretas em hardware, como o processamento embarcado e a aceleração computacional. CONTRIBUIÇÕES PRINCIPAIS No decorrer da investigação de tais questões, o presente trabalho gerou contribuições com diferentes graus de impacto. A contribuição mais essencial do ponto de vista de estruturação do restante da pesquisa é a fundamentação teórica das propriedades de computação do SOM em hardware. Tal fundamentação é importante pois permitiu a construção dos alicerces necessários para o estudo das diferentes arquiteturas de circuitos exploradas neste trabalho, de forma que estas permanecessem consistentes com as premissas teóricas que certificam o modelo de computação neural estudado. Outra contribuição avaliada como de grande impacto, e que se consolida como um objeto gerado pela pesquisa, é a proposta de um circuito processador para SOM em FPGA que possui o estado-da-arte em velocidade de computação, medido em CUPS (Connections Updated Per Second). Tal processador permite atingir 52,67 GCUPS, durante a fase de treinamento do SOM, um ganho de aproximadamente 100% em relação aos trabalhos publicados na literatura. A aceleração possibilitada pela exploração de processamentos paralelos em FPGA, desenvolvida neste trabalho, é de três a quatro ordens de grandeza em relação a execuções em software do SOM com a mesma configuração. A última contribuição considerada como de grande impacto é a caracterização da execução do SOM em FPGA. Tal avaliação se faz necessária porque os processos de computação dos modelos neurais em hardware, embora semelhantes, não são necessariamente idênticos aos mesmos processos executados em software. Desta forma, a contribuição deste ponto de pesquisa pode ser entendida como a análise do impacto das mudanças implementadas na computação do SOM em FPGA em relação à execução tradicional do algoritmo, feita pela avaliação dos resultados produzidos pela rede neural por medidas de erros topográficos e de quantização. Este trabalho também gerou contribuições consideradas como de médio impacto, que podem ser divididas em dois grupos: aplicações práticas e aportes teóricos. A primeira contribuição de origem prática é a investigação de trabalhos publicados na literatura envolvendo SOM cujas aplicações podem ser viabilizadas por implementações em hardware. Os trabalhos localizados nesse levantamento foram organizados em diferentes categorias, conforme a área de pesquisa - como, por exemplo, Indústria, Robótica e Medicina - e, em geral, eles utilizam o SOM em aplicações que possuem requisitos de velocidade computacional ou embarque do processamento, portanto, a continuidade de seus desenvolvimentos é beneficiada pela execução direta em hardware. As outras duas contribuições de médio impacto de origem prática são as aplicações que serviram como plataforma de teste dos circuitos desenvolvidos para a implementação do SOM. A primeira aplicação pertence à área de telecomunicações e objetiva a identificação de símbolos transmitidos por 16-QAM ou 64-QAM. Estas duas técnicas de modulação são empregadas em diversas aplicações com requisitos de mobilidade - como telefonia celular, TV digital em dispositivos portáteis e Wi-Fi - e o SOM é utilizado para identificar sinais QAM recepcionados com ruídos e distorções. Esta aplicação gerou a publicação de um artigo na revista da Springer, Neural Computing and Applications: Sousa; Pires e Del-Moral-Hernandez (2017). A segunda aplicação pertence à área de processamento de imagem e visa reconhecer ações humanas capturadas por câmeras de vídeo. O processamento autônomo de imagens executado por chips FPGA junto às câmeras de vídeo pode ser empregado em diferentes utilizações, como, por exemplo, sistemas de vigilância automática ou assistência remota em locais públicos. Esta segunda aplicação também é caracterizada por demandar arquiteturas computacionais de alto desempenho. Todas as contribuições teóricas deste trabalho avaliadas como de médio impacto estão relacionadas ao estudo das características de arquiteturas de hardware para computação do modelo SOM. A primeira destas é a proposta de uma função de vizinhança do SOM baseada em FPGA. O objetivo de tal proposta é desenvolver uma expressão computacional para ser executada no chip que constitua uma alternativa eficiente tanto à função gaussiana, tradicionalmente empregada no processo de treinamento do SOM, quanto à função retangular, utilizada de forma rudimentar nas primeiras pesquisas publicadas sobre a implementação do SOM em FPGA. A segunda destas contribuições é a descrição detalhada dos componentes básicos e dos blocos computacionais utilizados nas diferentes etapas de execução do SOM em FPGA. A apresentação dos detalhes da arquitetura de processamento, incluindo seus circuitos internos e a função computada por cada um de seus blocos, permite que trabalhos futuros utilizem os desenvolvimentos realizados nesta pesquisa. Esta descrição detalhada e funcional foi aceita para publicação no IEEE World Congress on Computational Intelligence (WCCI 2018): Sousa et al. (2018). A terceira contribuição teórica de médio impacto é a elaboração de um modelo distribuído de execução do SOM em FPGA sem o uso de uma unidade central de controle. Tal modelo permite a execução das fases de aprendizado e operação da rede neural em hardware de forma distribuída, a qual alcança um comportamento global de auto-organização dos neurônios apenas pela troca local de dados entre elementos de processamento vizinhos. A descrição do modelo distribuído, em conjunto com sua caracterização, está publicada em um artigo no International Joint Conference on Neural Networks do IEEE (IJCNN 2017): Sousa e Del-Moral-Hernandez (2017a). A última contribuição deste grupo de aporte teórico é a comparação entre diferentes modelos de execução do SOM em FPGA. A comparação tem a função de avaliar e contrastar três diferentes possibilidades de implementação do SOM: o modelo distribuído, o modelo centralizado e o modelo híbrido. Os testes realizados e os resultados obtidos estão publicados em um trabalho no International Symposium on Circuits and Systems do IEEE (ISCAS 2017): Sousa e Del-Moral-Hernandez (2017b). Finalmente, apresentam-se a seguir as contribuições avaliadas como de menor impacto, em comparação com as contribuições já descritas, ou ainda incipientes (e que possibilitam continuidades da pesquisa em trabalhos futuros), sendo relacionadas a seguir como contribuições complementares: * Pesquisa de literatura científica sobre o estado-da-arte da área da Engenharia de Sistemas Neurais Artificiais. * Identificação de grupos internacionais de pesquisa de execução do SOM em hardware, os quais foram reconhecidos por publicarem regularmente seus estudos sobre diferentes tipos de implementações e categorias de circuitos computacionais. * Enumeração das justificativas e motivações mais frequentes na literatura para o processamento de sistemas neurais de computação em hardware. * Comparação e contraste das características de microprocessadores, GPUs, FPGAs e ASICs (tais como, custo médio do componente, paralelismo computacional oferecido e consumo típico de energia) para contextualização do tipo de aplicações que a escolha pela pesquisa com o dispositivo FPGA possibilita. * Levantamento das propriedades de computação do SOM em hardware mais frequentemente utilizadas nas pesquisas publicadas na literatura, tais como, quantidade de bits usados nos cálculos, tipo de representação de dados e arquitetura típica dos circuitos de execução das diferentes etapas de processamento do SOM. * Comparação do consumo de área do FPGA e da velocidade de processamento entre a execução da função de vizinhança tradicional gaussiana e a função de vizinhança proposta neste trabalho (com resultados obtidos de aproximadamente 4 vezes menos área do chip e 5 vezes mais velocidade de operação). * Caracterização do aumento dos recursos consumidos no chip e da velocidade de operação do sistema, em relação à implementação do SOM com diferentes complexidades (quantidade de estágios decrescentes do fator de aprendizado e da abertura da função de vizinhança) e comparação destas propriedades da arquitetura proposta em relação aos valores publicados na literatura. * Proposta de uma nova métrica para caracterização do erro topográfico na configuração final do SOM após o treinamento.
In the context of design electrical circuits for processing artificial neural networks, this work focuses on the study of Self-Organizing Maps (SOM) executed on FPGA chips. The work attempts to answer the following question: how should the computational architecture be designed to efficiently implement in FPGA each one of the SOM processing steps? More specifically, this thesis investigates the distinct possibilities that different SOM computing architectures offer, regarding the processing speed, the consumption of FPGA resources and the consistency to the theory that underlies this neural network model. The motivation of the present work is enabling the development of neural processing systems that exhibit the positive features typically associate to hardware implementations, such as, embedded processing and computational acceleration. MAIN CONTRIBUITIONS In the course of the investigation, the present work generated contributions with different degrees of impact. The most essential contribution from the point of view of structuring the research process is the theoretical basis of the hardware-oriented SOM properties. This is important because it allowed the construction of the foundations for the study of different circuit architectures, so that the developments remained consistent with the theory that underpins the neural computing model. Another major contribution is the proposal of a processor circuit for implementing SOM in FPGA, which is the state-of-the-art in computational speed measured in CUPS (Connections Updated Per Second). This processor allows achieving 52.67 GCUPS, during the training phase of the SOM, which means a gain of 100%, approximately, in relation to other published works. The acceleration enabled by the FPGA parallel processing developed in this work reaches three to four orders of magnitude compared with software implementations of the SOM with the same configuration. The highlights made in the text indicate pieces of writing that synthesize the idea presented. The last main contribution of the work is the characterization of the FPGA-based SOM. This evaluation is important because, although similar, the computing processes of neural models in hardware are not necessarily identical to the same processes implemented in software. Hence, this contribution can be described as the analysis of the impact of the implemented changes, regarding the FPGA-based SOM compared to traditional algorithms. The comparison was performed evaluating the measures of topographic and quantization errors for the outputs produced by both implementations. This work also generated medium impact contributions, which can be divided into two groups: empirical and theoretical. The first empirical contribution is the survey of SOM applications which can be made possible by hardware implementations. The papers presented in this survey are classified according to their research area - such as Industry, Robotics and Medicine - and, in general, they use SOM in applications that require computational speed or embedded processing. Therefore, the continuity of their developments is benefited by direct hardware implementations of the neural network. The other two empirical contributions are the applications employed for testing the circuits developed. The first application is related to the reception of telecommunications signals and aims to identify 16-QAM and 64-QAM symbols. These two modulation techniques are used in a variety of applications with mobility requirements, such as cell phones, digital TV on portable devices and Wi-Fi. The SOM is used to identify QAM distorted signals received with noise. This research work was published in the Springer Journal on Neural Computing and Applications: Sousa; Pires e Del-Moral-Hernandez (2017). The second is an image processing application and it aims to recognize human actions captured by video cameras. Autonomous image processing performed by FPGA chips inside video cameras can be used in different scenarios, such as automatic surveillance systems or remote assistance in public areas. This second application is also characterized by demanding high performance from the computing architectures. All the theoretical contributions with medium impact are related to the study of the properties of hardware circuits for implementing the SOM model. The first of these is the proposal of an FPGA-based neighborhood function. The aim of the proposal is to develop a computational function to be implemented on chip that enables an efficient alternative to both: the Gaussian function (traditionally employed in the SOM training process) and the rectangular function (used rudimentary in the first published works on hardware-based SOMs). The second of those contributions is the detailed description of the basic components and blocks used to compute the different steps of the SOM algorithm in hardware. The description of the processing architecture includes its internal circuits and computed functions, allowing the future works to use the architecture proposed. This detailed and functional description was accepted for publication in the IEEE World Congress on Computational Intelligence (WCCI 2018): Sousa et al. (2018). The development of an FPGA distributed implementation model for the SOM composes the third of those contributions. Such a model allows an execution of the neural network learning and operational phases without the use of a central control unit. The proposal achieves a global self-organizing behavior only by using local data exchanges among the neighboring processing elements. The description and characterization of the distributed model are published in a paper in the IEEE International Joint Conference on Neural Networks (IJCNN 2017): Sousa e Del-Moral-Hernandez (2017a). The last contribution of this group is the comparison between different FPGA architectures for implementing the SOM. This comparison has the function of evaluating and contrasting three different SOM architectures: the distributed model, the centralized model and the hybrid model. The tests performed and the results obtained are published in an article in the IEEE International Symposium on Circuits and Systems (ISCAS 2017): Sousa e Del-Moral-Hernandez (2017b). Finally, the contributions assessed as having a minor impact, compared to contributions already described, or still incipient (and which allow the continuity of the research in possible future works), are presented as complementary contributions: * Research in the scientific literature on the state-of-the-art works in the field of Artificial Neural Systems Engineering. * Identification of the international research groups on hardware-based SOM, which were recognized for regularly publishing their studies on different types of implementations and categories of computational circuits. * Enumeration of the justifications and motivations often mentioned in works on hardware developments of neural computing systems. * Comparison and contrast of the characteristics of microprocessors, GPUs, FPGAs and ASICs (such as, average cost, parallelism and typical power consumption) to contextualize the type of applications enabled by the choice of FPGA as the target device. * Survey of literature for the most commonly hardware properties used for computing the SOM, such as the number of bits used in the calculations, the type of data representation and the typical architectures of the FPGA circuits. * Comparison of the FPGA resources consumption and processing speed between the execution of the traditional Gaussian neighborhood function and the proposed alternative neighborhood function (with obtained results of approximately 4 times less chip area and 5 times more computational speed). * Characterization of the increase in chip resources consumptions and the decrease in system speeds, according to the implementations of the SOM with different complexities (such as, the number of stages in learning factor and the width of the neighborhood function). Comparison of these properties between the proposed architecture and the works published in the literature. * Proposal of a new metric for the characterization of the topographic error in the final configuration of the SOM after the training phase.

Work deal about self-organizing maps, especially about Kohonen self-organizing map. About creating of aplication, which realize creating and learning of self-organizing map. And about usage of self-organizing map for self-localization of robot.

Esse trabalho descreve o desenvolvimento de uma nova ferramenta quimioinformática designada de SISTEMATX que possibilitou a análise quimiotaxonômica da família Asteraceae, empregando novos parâmetros moleculares, bem como o estudo da relação quantitativa estrutura química atividade biológica de substâncias provenientes desse grupo vegetal. A família Asteraceae, uma das maiores entre as angiospermas, caracteriza-se quimicamente pela produção de sesquiterpenos lactonizados (SLs). Um total de 1111 (SLs), extraídos de 658 espécies, 161 gêneros, 63 subtribos e 15 tribos da família Asteraceae foram representados e cadastrados em duas dimensões no SISTEMATX e associados à respectiva origem botânica. A partir dessa codificação, o grau de oxidação e as estruturas em três dimensões de cada SL foram obtidos pelo sistema. Essas informações, associadas aos dados botânicos, foram exportadas para um arquivo texto, o qual permitiu a obtenção de vários tipos de descritores moleculares. Esses parâmetros moleculares foram correlacionados com o grau de oxidação médio por tribo e tiveram sua seleção realizada por regressão linear múltipla utilizando algoritmo genético. Equações com coeficientes estatísticos variando entre 0,725 ≤ r2 ≤ 0,981 e 0,647 ≤ Qcv2 ≤ 0,725 foram obtidas com apenas um descritor, possibilitando a identificação de algumas características estruturais relacionadas ao grau de oxidação. Não foi obtida nenhuma relação entre o grau de oxidação dos SL e a evolução das tribos da família Asteraceae. Os descritores moleculares também foram usados como dados de entrada para separar as ocorrências botânicas através de mapas auto-organizáveis (rede não supervisionada Kohonen). Os mapas gerados, com cada bloco de descritor, separaram as tribos da família Asteraceae com valores de índices de acerto total entre 66,7% e 83,6%. A análise desses resultados evidencia semelhanças entre as tribos Heliantheae, Helenieae, e Eupatorieae e, também, entre as tribos Anthemideae e Inuleae. Tais observações são coincidentes com as classificações sistemáticas propostas por Bremer, que utilizam principalmente dados morfológicos e, também, moleculares. A mesma abordagem foi utilizada para separar os ramos da tribo Heliantheae, segundo a classificação proposta por Stuessy, cuja separação é baseada no número de cromossomos das subtribos. Os mapas auto-organizáveis obtidos separam em duas regiões distintas os ramos A e C, com elevados índices de acerto total que variam entre 81,79% a 92,48%. Ambos os estudos demonstram que os descritores moleculares podem ser utilizados como uma ferramenta para classificação de táxons em níveis hierárquicos baixos, tais como tribos e subtribos. Adicionalmente, foi demonstrado que os marcadores químicos corroboram parcialmente com as classificações que empregam dados morfológicos e moleculares. Os descritores obtidos por fragmentos ou pela representação da estrutura dos SLs em duas dimensões foram suficientes para obtenção de resultados significativos, não sendo obtida melhora nos resultados com os descritores que utilizam a representação em três dimensões das estruturas. Paralelamente, um estudo adicional foi realizado relacionando a estrutura química, representada pelos mesmos descritores moleculares anteriormente mencionados, com a atividade citotóxica de 37 SLs frente às células tumorais da nasofaringe KB. Uma equação com índices estatísticos significativos (r2=0,826 e Qcv2=0,743) foi obtida. Os cinco descritores, selecionados a partir de uma equação estatisticamente mais significativa, representam uma descrição global de propriedades estéricas e características eletrônicas de cada molécula que auxiliaram na determinação de fragmentos estruturais importantes para a atividade citotóxica. Tal modelo permitiu verificar que os esqueletos carbônicos dos tipos guaianolídeo e pseudoguaianolídeo são encontrados nos SLs que apresentam maior atividade citotóxica.
This work describes the development of a new chemoinformatic tool named SISTEMATX that allowed the chemotaxonomic analysis of the Asteraceae family employing new molecular parameters, as well as the quantitative structure activity relationship study of compounds produced by this botanical group. The Asteraceae, one of the largest families among of angiosperms, is chemically characterized by the production of sesquiterpene lactones (SLs). A total of 1111 (SLs), extracted from 658 species, 161 genera, 63 subtribes and 15 tribes of the Asteraceae, were represented and registered in two dimensions in the SISTEMATX and associated with their botanical source. From this codification, the degree of oxidation and the structures in three dimensions of each SL were obtained by the system. These data linked with botanical origin were exported for a text file which allow the generation of several types of molecular descriptors. These molecular parameters were correlated with the average oxidation degree by tribe and were selected by multiple linear regressions using genetic algorithms. Equations with statistical coefficients varying between 0,725 ≤ r2 0,981 and 0,647 ≤ Qcv2 ≤ 0,725 were obtained with only one descriptor, making possible the identification of some structural characteristics related to the oxidation level. Any relationship between the degree of oxidation of SL and the tribes evolution of the family Asteraceae was not obtained. The molecular descriptors were also used as input data to separate the botanical occurrences through the self organizing-maps (unsupervised net Kohonen). The generated maps with each block descriptor, divide the Asteraceae tribes with total indexes values between 66,7% and 83,6%. The analysis of these results shows evident similarities among the Heliantheae, Helenieae and Eupatorieae tribes and, also, between the Anthemideae and Inuleae tribes. Those observations are in agreement with the systematic classifications proposed by Bremer, that use mainly morphologic and, also, molecular data. The same approach was utilized to separate the branches of the Heliantheae tribe, according to the Stuessys classification, whose division is based on the chromosome numbers of the subtribes. From the obtained self-organizing maps, two different areas (branches A and C) were separated with high hit indexes varying among 81,79% to 92,48%. Both studies demonstrate that the molecular descriptors can be used as a tool for taxon classification in low hierarchical levels such as tribes and subtribes. Additionally, was demonstrated that the chemical markers partially corroborate with the classifications that use morphologic and molecular data. Descriptors obtained by fragments or by the representation of the SL structures in two dimensions were sufficient to obtain significant results, and were not obtained better results with descriptors that utilize the structure representation in three dimensions. An additional study was accomplished relating the chemical structure, represented by the same molecular descriptors previously mentioned, with the cytotoxic activity of 37 SLs against tumoral cells derived from human carcinoma of the nasopharynx (KB). An equation with significant statistical indexes was obtained. The five descriptors, selected from the more statistical significant equation, shows a global description of sterical properties and electronic characteristics of each molecule that aid in the determination of important structural fragments for the cytotoxic activity. From the model can be verified that the carbon skeletons of the guaianolide and pseudoguaianolide types are encountered in the SLs that show the higher cytotoxic activity.

O presente trabalho é resultado da colaboração de pesquisadores do Centro de Engenharia Nuclear (CEN) e de pesquisadores do Centro de Biotecnologia (CB), ambos pertencentes ao IPEN, para o desenvolvimento de uma metodologia que visa auxiliar os profissionais citogeneticistas fornecendo uma ferramenta que automatize parte da rotina necessária para a avaliação qualitativa e quantitativa de danos biológicos em termos de aberração cromossômica. A técnica citogenética, sobre a qual esta ferramenta é desenvolvida, é a técnica de aberrações cromossômicas. Nela, são realizadas preparações citológicas de linfócitos de sangue periférico para que metáfases sejam analisadas e fotografadas ao microscópio e, com base na morfologia dos cromossomos, anomalias sejam investigadas. Quando esta tarefa é realizada manualmente, os cromossomos são analisados visualmente um a um pelo profissional citogeneticista, logo, trata-se de um processo minucioso em virtude da variação geral na aparência do cromossomo, do seu tamanho pequeno e do grande número de cromossomos por célula. Para um diagnóstico confiável, é necessário que várias células sejam analisadas, tornando-se uma tarefa repetitiva e demorada. Neste contexto, foi proposto o uso dos mapas auto-organizáveis para o reconhecimento automático de padrões morfológicos referentes às imagens de cromossomos humanos. Para isso, foi desenvolvido um método de extração de características por meio do qual é possível classificar os cromossomos em: dicêntricos, anéis, acrocêntricos, submetacêntricos e metacêntricos, com acerto de 93,4 % em relação ao diagnóstico dado por um profissional citogeneticista.
This work is a joint collaboration between Nuclear Energy Research Institute (IPEN), Nuclear Engineering Center and Biotechnology Center to develop a methodology aiming to assist cytogenetic professionals by providing a tool to automate part of the required routine to perform qualitative and quantitative evaluation of biological damage in terms of chromosomal aberration. The cytogenetic technique upon which this tool was developed, is the chromosome aberrations technique, in which cytological preparations of peripheral blood lymphocyte metaphases are performed to be analyzed and photographed under a microscope in order to investigating chromosomal aberration. Performed manually, the chromosomes are analyzed visually one by one by a cytogenetic professional, so it is a painstaking process due to the great deal of variation in the appearance of each chromosome, their small sizes and not to mention the high density of chromosomes per cell. In order to obtain a reliable diagnosis it is necessary that many cells be analyzed, which makes this a repetitive and time consuming process. In this context, the use of self-organizing maps for the automatic recognition of patterns relating to morphological pictures of human chromosomes has been proposed. For this, we developed a feature extraction method by which is possible to classify chromosomes in: dicentrics, ring-shaped, acrocentric, submetacentric and metacentric with 93.4% accuracy compared to diagnostic given by a professional cytogeneticist.