| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Amapá. |
|
Data corrente: |
26/12/2018 |
|
Data da última atualização: |
16/06/2023 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
PASSOS, J. F.; NASCIMENTO, D. B.; MENEZES, R. S. T.; ADAIME, R.; ARAÚJO, E. L.; LIMA, K. M.; ZUCCHI, R. A.; TELES, B. R.; NASCIMENTO, R. R.; ARCE, R. R.; BARR, N. B.; MCPHERON, B. A.; SILVA, J. G. |
|
Afiliação: |
JOSEANE F. PASSOS, UESC; DANILO B. NASCIMENTO, UNIFAP; RODOLPHO S. T. MENEZES, USP; RICARDO ADAIME DA SILVA, CPAF-AP; ELTON L. ARAÚJO, UFERSA; KÁTIA M. LIMA, UESC; ROBERTO A. ZUCCHI, USP; BEATRIZ RONCHI TELES, INPA; RUTH R. NASCIMENTO, UFAL; RAUL RUIZ ARCE, USDA; NORMAN B. BARR, USDA; BRUCE A. MCPHERON, OHIO UNIVERSITY; JANISETE G. SILVA, UFSC. |
|
Título: |
Genetic structure and diversity in Brazilian populations of Anastrepha obliqua (Diptera: Tephritidae). |
|
Ano de publicação: |
2018 |
|
Fonte/Imprenta: |
Plos One, v. 13, n. 12, e0208997, p. 1-14, Dec. 2018. |
|
DOI: |
https://doi.org/10.1371/journal.pone.0208997 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Anastrepha obliqua (Macquart), the West Indian fruit fly, is one of the most economically important pest species in the Neotropical region. It infests an extensive range of host plants that include over 60 species. The geographic range of A. obliqua is from northern Mexico to southern Brazil and includes the Caribbean Islands. Previous molecular studies have revealed significant genetic structure among populations. We used sequences from a fragment of the mitochondrial protein-coding gene cytochrome c oxidase I to estimate structure and genetic diversity of A. obliqua populations from Brazil. We analyzed a total of 153 specimens from the Amazon Forest, Atlantic Forest, Cerrado, and Caatinga biomes. Our study revealed weak genetic structure among the A. obliqua Brazilian populations sampled. Collections from the Amazon Forest had similar haplotype diversity compared to previously reported estimates for collections from the Caribbean and both populations are also closely related to each other, thus challenging the hypothesis that A. obliqua originated in the Caribbean and then moved to other regions of the Americas. Therefore, further evidence is necessary to draw a definite conclusion about the putative center of origin for A. obliqua. Additionally, we suggest a putative historical migration from the west to the east for the A. obliqua Brazilian populations, which could explain the high genetic diversity for this fly in the Amazon Forest and low genetic diversity in the other Brazilian biomes. MenosAnastrepha obliqua (Macquart), the West Indian fruit fly, is one of the most economically important pest species in the Neotropical region. It infests an extensive range of host plants that include over 60 species. The geographic range of A. obliqua is from northern Mexico to southern Brazil and includes the Caribbean Islands. Previous molecular studies have revealed significant genetic structure among populations. We used sequences from a fragment of the mitochondrial protein-coding gene cytochrome c oxidase I to estimate structure and genetic diversity of A. obliqua populations from Brazil. We analyzed a total of 153 specimens from the Amazon Forest, Atlantic Forest, Cerrado, and Caatinga biomes. Our study revealed weak genetic structure among the A. obliqua Brazilian populations sampled. Collections from the Amazon Forest had similar haplotype diversity compared to previously reported estimates for collections from the Caribbean and both populations are also closely related to each other, thus challenging the hypothesis that A. obliqua originated in the Caribbean and then moved to other regions of the Americas. Therefore, further evidence is necessary to draw a definite conclusion about the putative center of origin for A. obliqua. Additionally, we suggest a putative historical migration from the west to the east for the A. obliqua Brazilian populations, which could explain the high genetic diversity for this fly in the Amazon Forest and low genetic diversity in the other... Mostrar Tudo |
|
Palavras-Chave: |
Genetic diversity. |
|
Thesagro: |
Praga de Planta. |
|
Thesaurus Nal: |
Anastrepha obliqua; Plant pests. |
|
Categoria do assunto: |
O Insetos e Entomologia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/189327/1/CPAF-AP-2018-Genetic-structure-and-diversity-in-Brazilian.pdf
|
|
Marc: |
LEADER 02478naa a2200325 a 4500
001 2102527
005 2023-06-16
008 2018 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1371/journal.pone.0208997$2DOI
100 1 $aPASSOS, J. F.
245 $aGenetic structure and diversity in Brazilian populations of Anastrepha obliqua (Diptera$bTephritidae).$h[electronic resource]
260 $c2018
520 $aAnastrepha obliqua (Macquart), the West Indian fruit fly, is one of the most economically important pest species in the Neotropical region. It infests an extensive range of host plants that include over 60 species. The geographic range of A. obliqua is from northern Mexico to southern Brazil and includes the Caribbean Islands. Previous molecular studies have revealed significant genetic structure among populations. We used sequences from a fragment of the mitochondrial protein-coding gene cytochrome c oxidase I to estimate structure and genetic diversity of A. obliqua populations from Brazil. We analyzed a total of 153 specimens from the Amazon Forest, Atlantic Forest, Cerrado, and Caatinga biomes. Our study revealed weak genetic structure among the A. obliqua Brazilian populations sampled. Collections from the Amazon Forest had similar haplotype diversity compared to previously reported estimates for collections from the Caribbean and both populations are also closely related to each other, thus challenging the hypothesis that A. obliqua originated in the Caribbean and then moved to other regions of the Americas. Therefore, further evidence is necessary to draw a definite conclusion about the putative center of origin for A. obliqua. Additionally, we suggest a putative historical migration from the west to the east for the A. obliqua Brazilian populations, which could explain the high genetic diversity for this fly in the Amazon Forest and low genetic diversity in the other Brazilian biomes.
650 $aAnastrepha obliqua
650 $aPlant pests
650 $aPraga de Planta
653 $aGenetic diversity
700 1 $aNASCIMENTO, D. B.
700 1 $aMENEZES, R. S. T.
700 1 $aADAIME, R.
700 1 $aARAÚJO, E. L.
700 1 $aLIMA, K. M.
700 1 $aZUCCHI, R. A.
700 1 $aTELES, B. R.
700 1 $aNASCIMENTO, R. R.
700 1 $aARCE, R. R.
700 1 $aBARR, N. B.
700 1 $aMCPHERON, B. A.
700 1 $aSILVA, J. G.
773 $tPlos One$gv. 13, n. 12, e0208997, p. 1-14, Dec. 2018.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Amapá (CPAF-AP) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Agricultura Digital. Para informações adicionais entre em contato com cnptia.biblioteca@embrapa.br. |
Registro Completo
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
07/07/2005 |
|
Data da última atualização: |
27/02/2024 |
|
Autoria: |
SOUZA, K. X. S. de. |
|
Afiliação: |
KLEBER XAVIER SAMPAIO DE SOUZA, CNPTIA. |
|
Título: |
Aplicação da inteligência artificial para recuperar informação. |
|
Ano de publicação: |
2005 |
|
Fonte/Imprenta: |
Com Ciência: Revista Eletrônica de Jornalismo Científico, n. 66, jun. 2005. |
|
Idioma: |
Português |
|
Conteúdo: |
O sucesso da recuperação de informação está vinculado a dois conceitos: revocação e precisão. O primeiro mede a capacidade que um sistema computacional possui de recuperar o máximo de documentos que puder sobre a consulta que lhe foi formulada pelo usuário, enquanto o segundo avalia, dentre os documentos recuperados, quais correspondem realmente ao que o formulador da consulta tinha em mente. A precisão, portanto, é um conceito que pressupõe que a máquina possua um certo grau de inteligência e isto a vincula a uma outra área da Ciência da Computação, a Inteligência Artificial. A discussão do que significa ser inteligente tem ocupado os filósofos há mais de 2.300 anos. Aristóteles foi o primeiro a formular um conjunto de leis que governam a razão e desenvolveu um sistema informal (de silogismos) para se chegar às conclusões mecanicamente a partir de um conjunto de premissas. Na Ciência da Computação o problema também não é novo. Na tentativa de estudar e simular os processos mentais, Warren McCulloc e Walter Pitts propuseram os neurônios artificiais em 1943, e sugeriram que estes possuíam capacidade de aprendizado, fato demonstrado por Donald Hebb em 1949. Marvin Minsky e Dean Edmonds construíram a primeira rede neural em 1951, utilizando válvulas, dado que os transistores não existiam naquela época. Isto gerou grande expectativa na ocasião, pois se imaginava que os computadores não poderiam ir muito além dos cálculos aritméticos. Foi, entretanto, Alan Turing que formulou o primeiro teste para verificar se um computador poderia ser considerado inteligente ou não. No Teste de Turing, o computador deve ser capaz de manter um diálogo (em forma de chat) com um interlocutor humano que dure cinco minutos. Caso o humano não perceba em 30% do tempo, ou seja, um minuto e quarenta segundos, que está dialogando com uma máquina, o programa que está dialogando passa no teste.Turing previu que por volta do ano 2000 algum programa passaria no teste, o que não ocorreu. O tempo que os programas conseguem enganar os interlocutores humanos é bem inferior ao estipulado no teste. Alguns programas conseguem enganar interlocutores inexperientes por cinco minutos, mas não experts treinados, que sabem formular as perguntas de modo a descobrir eventuais falhas que tornariam os programas menos humanos. Naturalmente, existem os que refutam o teste, afirmando que o computador não seria inteligente de fato, mas apenas capaz de simular a inteligência, sem saber exatamente o que estaria fazendo, ou seja, o computador não teria consciência. Para a área de recuperação da informação, entretanto, este problema não existe, pois não se deseja fazer com que o programa passe por um humano, mas apenas que forneça as respostas corretas à onsulta formulada. Ainda assim, as dificuldades são enormes, pois, para fornecer respostas com precisão, o sistema necessita "compreender" os textos que processou, o que demanda pesquisa em áreas como processamento de linguagem natural, representação de conhecimento, raciocínio automatizado e aprendizado de máquina. A Representação do Conhecimento tem evoluído bastante nos últimos dez anos, principalmente devido ao surgimento da web. Quando se percebeu que os motores de busca não forneciam respostas satisfatórias às consultas que lhes eram formuladas, a recuperação da informação voltou a despertar grande interesse. O principal resultado deste movimento foi a iniciativa da Web Semântica, que desenvolveu uma série de padrões de representação de conhecimento a serem embutidos nas páginas web, de forma que estas pudessem ser processadas com maior precisão pelos motores de busca. As páginas podem ser conectadas por ontologias, que definem o significado preciso dos termos nelas contidos, além de conter cláusulas lógicas conectando um ou mais termos. A hipótese subjacente à Web Semântica é que as ontologias permitiriam às máquinas entender o contexto em que os documentos se inserem. Por exemplo, quando alguém fala de manga rosa, o sistema saberá se a manga rosa em um determinado texto é a fruta ou a manga de camisa, dependendo da ontologia à qual estiver associada. Ainda é cedo para se dizer aonde esta iniciativa irá levar, considerando que não existem muitos sítios cujas páginas seguem os padrões da Web Semântica. Alguns críticos, como Marvin Minsky, ressaltaram que o contexto não pode ser programado em máquinas através de definições lógicas que se sustentam fora de qualquer contexto. Outros, como Douglas Lenat, propõem expressar até o senso comum utilizando-se apenas de ontologias e cláusulas lógicas em um projeto em andamento há mais de 15 anos. No projeto Agência de Informação Embrapa, em execução na Embrapa Informática Agropecuária, construiu-se ontologias sobre vários temas do domínio agropecuário, como gado de corte, feijão, leite etc. Os documentos existentes são catalogados manualmente, selecionando-se termos de tesaurus e a quais ontologias estão associados. Fazendo-se a catalogação manual, garante-se a perfeita sintonia entre o assunto que o texto trata e melhora-se a relevância. Entretanto, esta atividade também tem feito com que a catalogação seja um gargalo para o sistema, o que tem motivado a busca por sistemas automatizados que auxiliem nesta tarefa. Uma das áreas mais promissoras para auxiliar nesta tarefa também está vinculada à Inteligência Artificial e é chamada Processamento Probabilístico da Linguagem. Nesta, os documentos são analisados por programas que usam estatística e aprendem, com exemplos, como classificar um subconjunto de documentos. A partir daí, ele sugere a probabilidade da classificação de um documento em um determinado assunto. Por exemplo, se um documento menciona manga, plantar e sabor, é improvável que ele se refira à manga de camisa. Portanto, o sistema sugere que ele seja classificado como fruta. As abordagens probabilísticas para processamento de linguagem natural também têm despertado grande interesse recentemente, e com bastante sucesso. Koller e Sahami relataram precisão de até 98,6% na classificação de documentos. A principal vantagem da abordagem probabilística, e que norteou a sua escolha como base para a melhoria do sistema, é que ela fornece uma excelente solução do ponto de vista de engenharia, podendo ser imediatamente aplicada ao problema prático que a Agência de Informação possui de ter seus documentos classificados e catalogados. Baseado em: Diversas fontes. Texto completo do documento. MenosO sucesso da recuperação de informação está vinculado a dois conceitos: revocação e precisão. O primeiro mede a capacidade que um sistema computacional possui de recuperar o máximo de documentos que puder sobre a consulta que lhe foi formulada pelo usuário, enquanto o segundo avalia, dentre os documentos recuperados, quais correspondem realmente ao que o formulador da consulta tinha em mente. A precisão, portanto, é um conceito que pressupõe que a máquina possua um certo grau de inteligência e isto a vincula a uma outra área da Ciência da Computação, a Inteligência Artificial. A discussão do que significa ser inteligente tem ocupado os filósofos há mais de 2.300 anos. Aristóteles foi o primeiro a formular um conjunto de leis que governam a razão e desenvolveu um sistema informal (de silogismos) para se chegar às conclusões mecanicamente a partir de um conjunto de premissas. Na Ciência da Computação o problema também não é novo. Na tentativa de estudar e simular os processos mentais, Warren McCulloc e Walter Pitts propuseram os neurônios artificiais em 1943, e sugeriram que estes possuíam capacidade de aprendizado, fato demonstrado por Donald Hebb em 1949. Marvin Minsky e Dean Edmonds construíram a primeira rede neural em 1951, utilizando válvulas, dado que os transistores não existiam naquela época. Isto gerou grande expectativa na ocasião, pois se imaginava que os computadores não poderiam ir muito além dos cálculos aritméticos. Foi, entretanto, Alan Turing que formulou o p... Mostrar Tudo |
|
Palavras-Chave: |
Inteligência artificial; Recuperação da informação; Web semântica. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 07121nam a2200145 a 4500
001 1001252
005 2024-02-27
008 2005 bl uuuu u0uu1 u #d
100 1 $aSOUZA, K. X. S. de
245 $aAplicação da inteligência artificial para recuperar informação.$h[electronic resource]
260 $aCom Ciência: Revista Eletrônica de Jornalismo Científico, n. 66, jun. 2005.$c2005
520 $aO sucesso da recuperação de informação está vinculado a dois conceitos: revocação e precisão. O primeiro mede a capacidade que um sistema computacional possui de recuperar o máximo de documentos que puder sobre a consulta que lhe foi formulada pelo usuário, enquanto o segundo avalia, dentre os documentos recuperados, quais correspondem realmente ao que o formulador da consulta tinha em mente. A precisão, portanto, é um conceito que pressupõe que a máquina possua um certo grau de inteligência e isto a vincula a uma outra área da Ciência da Computação, a Inteligência Artificial. A discussão do que significa ser inteligente tem ocupado os filósofos há mais de 2.300 anos. Aristóteles foi o primeiro a formular um conjunto de leis que governam a razão e desenvolveu um sistema informal (de silogismos) para se chegar às conclusões mecanicamente a partir de um conjunto de premissas. Na Ciência da Computação o problema também não é novo. Na tentativa de estudar e simular os processos mentais, Warren McCulloc e Walter Pitts propuseram os neurônios artificiais em 1943, e sugeriram que estes possuíam capacidade de aprendizado, fato demonstrado por Donald Hebb em 1949. Marvin Minsky e Dean Edmonds construíram a primeira rede neural em 1951, utilizando válvulas, dado que os transistores não existiam naquela época. Isto gerou grande expectativa na ocasião, pois se imaginava que os computadores não poderiam ir muito além dos cálculos aritméticos. Foi, entretanto, Alan Turing que formulou o primeiro teste para verificar se um computador poderia ser considerado inteligente ou não. No Teste de Turing, o computador deve ser capaz de manter um diálogo (em forma de chat) com um interlocutor humano que dure cinco minutos. Caso o humano não perceba em 30% do tempo, ou seja, um minuto e quarenta segundos, que está dialogando com uma máquina, o programa que está dialogando passa no teste.Turing previu que por volta do ano 2000 algum programa passaria no teste, o que não ocorreu. O tempo que os programas conseguem enganar os interlocutores humanos é bem inferior ao estipulado no teste. Alguns programas conseguem enganar interlocutores inexperientes por cinco minutos, mas não experts treinados, que sabem formular as perguntas de modo a descobrir eventuais falhas que tornariam os programas menos humanos. Naturalmente, existem os que refutam o teste, afirmando que o computador não seria inteligente de fato, mas apenas capaz de simular a inteligência, sem saber exatamente o que estaria fazendo, ou seja, o computador não teria consciência. Para a área de recuperação da informação, entretanto, este problema não existe, pois não se deseja fazer com que o programa passe por um humano, mas apenas que forneça as respostas corretas à onsulta formulada. Ainda assim, as dificuldades são enormes, pois, para fornecer respostas com precisão, o sistema necessita "compreender" os textos que processou, o que demanda pesquisa em áreas como processamento de linguagem natural, representação de conhecimento, raciocínio automatizado e aprendizado de máquina. A Representação do Conhecimento tem evoluído bastante nos últimos dez anos, principalmente devido ao surgimento da web. Quando se percebeu que os motores de busca não forneciam respostas satisfatórias às consultas que lhes eram formuladas, a recuperação da informação voltou a despertar grande interesse. O principal resultado deste movimento foi a iniciativa da Web Semântica, que desenvolveu uma série de padrões de representação de conhecimento a serem embutidos nas páginas web, de forma que estas pudessem ser processadas com maior precisão pelos motores de busca. As páginas podem ser conectadas por ontologias, que definem o significado preciso dos termos nelas contidos, além de conter cláusulas lógicas conectando um ou mais termos. A hipótese subjacente à Web Semântica é que as ontologias permitiriam às máquinas entender o contexto em que os documentos se inserem. Por exemplo, quando alguém fala de manga rosa, o sistema saberá se a manga rosa em um determinado texto é a fruta ou a manga de camisa, dependendo da ontologia à qual estiver associada. Ainda é cedo para se dizer aonde esta iniciativa irá levar, considerando que não existem muitos sítios cujas páginas seguem os padrões da Web Semântica. Alguns críticos, como Marvin Minsky, ressaltaram que o contexto não pode ser programado em máquinas através de definições lógicas que se sustentam fora de qualquer contexto. Outros, como Douglas Lenat, propõem expressar até o senso comum utilizando-se apenas de ontologias e cláusulas lógicas em um projeto em andamento há mais de 15 anos. No projeto Agência de Informação Embrapa, em execução na Embrapa Informática Agropecuária, construiu-se ontologias sobre vários temas do domínio agropecuário, como gado de corte, feijão, leite etc. Os documentos existentes são catalogados manualmente, selecionando-se termos de tesaurus e a quais ontologias estão associados. Fazendo-se a catalogação manual, garante-se a perfeita sintonia entre o assunto que o texto trata e melhora-se a relevância. Entretanto, esta atividade também tem feito com que a catalogação seja um gargalo para o sistema, o que tem motivado a busca por sistemas automatizados que auxiliem nesta tarefa. Uma das áreas mais promissoras para auxiliar nesta tarefa também está vinculada à Inteligência Artificial e é chamada Processamento Probabilístico da Linguagem. Nesta, os documentos são analisados por programas que usam estatística e aprendem, com exemplos, como classificar um subconjunto de documentos. A partir daí, ele sugere a probabilidade da classificação de um documento em um determinado assunto. Por exemplo, se um documento menciona manga, plantar e sabor, é improvável que ele se refira à manga de camisa. Portanto, o sistema sugere que ele seja classificado como fruta. As abordagens probabilísticas para processamento de linguagem natural também têm despertado grande interesse recentemente, e com bastante sucesso. Koller e Sahami relataram precisão de até 98,6% na classificação de documentos. A principal vantagem da abordagem probabilística, e que norteou a sua escolha como base para a melhoria do sistema, é que ela fornece uma excelente solução do ponto de vista de engenharia, podendo ser imediatamente aplicada ao problema prático que a Agência de Informação possui de ter seus documentos classificados e catalogados. Baseado em: Diversas fontes. Texto completo do documento.
653 $aInteligência artificial
653 $aRecuperação da informação
653 $aWeb semântica
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
