Redes Neurais Sem-Peso Aplicadas na Categorização de Subtipos do HIV-1

Atualmente, uma das causas mais importantes da ocorrência de falha terapêutica em pacientes infectados com o HIV-1 e sob tratamento é o acúmulo de mutações genéticas de resistência aos antiretrovirais disponíveis. Estudos recentes mostram que a realização de testes genotípicos de resistência a esses medicamentos são muito importantes para o tratamento do HIV-1. Estes testes podem auxiliar na redução das falhas terapêuticas. Porém, a dificuldade na interpretação genética das mutações ainda é um fator limitante. O objetivo desta dissertação é desenvolver uma rede neural sem peso capaz de categorizar os diferentes subtipos do HIV-1 e também de identificar a existência de mutações de resistência a este tipo de droga. O conjunto de dados utilizado consiste de 1205 amostras da sequência genética da Protease do HIV-1, provenientes de pacientes de subtipos B, C e F sob falha terapêutica. Tais dados foram obtidos junto ao Laboratório de Virologia Molecular (UFRJ, Brasil). Diversos experimentos com diferentes configurações foram realizados, e os resultados encontrados mostraram que as redes sem peso possuem excelente desempenho para o reconhecimento dos subtipos.