Tatianne Costa Negri Rocha

Pós-doutorado

Formação complementar

Idiomas

Áreas de atuação

Organização de eventos

Participação em eventos

Orientou

Produções bibliográficas

• MOLINA-MORA, JOSE ARTURO ; REALES-GONZÁLEZ, JHONNATAN ; CAMACHO, ERWIN ; DUARTE-MARTÍNEZ, FRANCISCO ; TSUKAYAMA, PABLO ; SOTO-GARITA, CLAUDIO ; BRENES, HEBLEEN ; CORDERO-LAURENT, ESTELA ; RIBEIRO DOS SANTOS, ANDREA ; GUEDES SALGADO, CLÁUDIO ; SANTOS SILVA, CAIO ; SANTANA DE SOUZA, JORGE ; NUNES, GISELE ; NEGRI, TATIANNE ; VIDAL, AMANDA ; OLIVEIRA, RENATO ; OLIVEIRA, GUILHERME ; MUÑOZ-MEDINA, JOSÉ ESTEBAN ; SALAS-LAIS, ANGEL GUSTAVO ; MIRELES-RIVERA, GUADALUPE . Overview of the SARS-CoV-2 genotypes circulating in Latin America during 2021. FRONTIERS IN PUBLIC HEALTH , v. 11, p. 2023.1095202, 2023.

• PINHO, CATARINA T. ; VIDAL, AMANDA F. ; NEGRI ROCHA, TATIANNE COSTA ; OLIVEIRA, RENATO R. M. ; DA COSTA BARROS, MARIA CLARA ; CLOSSET, LAURA ; AZEVEDO-PINHEIRO, JHULLY ; BRAGA-DA-SILVA, CÍNTIA ; SILVA, CAIO SANTOS ; MAGALHÃES, LEANDRO L. ; DO CARMO PINTO, PABLO DIEGO ; SOUZA, GIORDANO BRUNO SOARES ; DOS SANTOS VIEIRA, JOSÉ RICARDO ; BURBANO, ROMMEL MARIO RODRÍGUEZ ; DE SOUSA, MAÍSA SILVA ; DE SOUZA, JORGE ESTEFANO SANTANA ; NUNES, GISELE ; DA SILVA, MOISES BATISTA ; DA COSTA, PATRÍCIA FAGUNDES ; SALGADO, CLAUDIO GUEDES . Transmission dynamics of SARS-CoV-2 variants in the Brazilian state of Pará. FRONTIERS IN PUBLIC HEALTH , v. 11, p. 2023.1186463, 2023.

• OLIVEIRA, RENATO R. M. ; COSTA NEGRI, TATIANNE ; NUNES, GISELE ; MEDEIROS, INÁCIO ; ARAÚJO, GUILHERME ; DE OLIVEIRA SILVA, FABRICIO ; ESTEFANO SANTANA DE SOUZA, JORGE ; ALVES, RONNIE ; OLIVEIRA, GUILHERME . PipeCoV: a pipeline for SARS-CoV-2 genome assembly, annotation and variant identification. PeerJ , v. 10, p. e13300, 2022.

• BONIDIA, ROBSON P. ; MACHIDA, JAQUELINE SAYURI ; NEGRI, TATIANNE C. ; ALVES, WONDER A. L. ; KASHIWABARA, ANDRE Y. ; DOMINGUES, DOUGLAS S. ; DE CARVALHO, ANDRE ; PASCHOAL, ALEXANDRE R. ; SANCHES, DANILO S. . A Novel Decomposing Model With Evolutionary Algorithms for Feature Selection in Long Non-Coding RNAs. IEEE Access , v. 8, p. 181683-181697, 2020.

• NEGRI, TATIANNE DA COSTA ; ALVES, WONDER ALEXANDRE LUZ ; BUGATTI, Pedro Henrique ; SAITO, PRISCILA TIEMI MAEDA ; DOMINGUES, DOUGLAS SILVA ; PASCHOAL, ALEXANDRE ROSSI . Pattern recognition analysis on long noncoding RNAs: a tool for prediction in plants. Briefings in Bioinformatics , v. 1, p. 1, 2018.

• COSTA NEGRI, TATIANNE DA ; ROSSI PASCHOAL, ALEXANDRE ; LUZ ALVES, WONDER ALEXANDRE . Comparison tools for lncRNA identification: analysis among plants and humans. In: 2020 IEEE Conference on Computational Intelligence in Bioinformatics and Computational Biology (CIBCB), 2020, Via del Mar. 2020 IEEE Conference on Computational Intelligence in Bioinformatics and Computational Biology (CIBCB), 2020. p. 1.

• NEGRI, T. C. ; Wolf, I.R. ; Vilas-Boas, L.A. ; Paschoal, A. R. . StreptoRNAdb: Database system integration of ncRNAs Streptococcus strains. In: X-Meeting 2015 - 11th International Conference of th AB3C + Brazilian Symposium of Bioinformatics, 2015, São Paulo. X-Meeting 2015 - 11th International Conference of th AB3C + Brazilian Symposium of Bioinformatics, 2015.

• NEGRI, T. C. . Overview of the SARS-CoV-2 genotypes circulating in Latin America during 2021. bioRxiv , 2022.

• NEGRI, T. C. ; Paschoal, A. R. ; ALVES, W. A. L. . Comparison tools for lncRNA identification:analysis among plants and humans. 2020. (Apresentação de Trabalho/Conferência ou palestra).

• NEGRI, TATIANNE C. . Bioinformática para identificação e anotação de Non-coding RNAs. 2019. (Apresentação de Trabalho/Conferência ou palestra).

• NEGRI, T. C. . Aplicações em Bioinformática para Ciências Biológicas. 2019. (Apresentação de Trabalho/Conferência ou palestra).

• BONIDIA, ROBSON P. ; NEGRI, T. C. ; Pereira H. ; ALVES, W. A. L. ; DOMINGUES, D. S. ; KASHIWABARA, ANDRE Y. ; Paschoal, A. R. ; SANCHES, DANILO S. . Feature Selection of Long Non-Coding RNAs in Plants: A Heuristic Approach with Particle Swarm Optimization. 2018. (Apresentação de Trabalho/Conferência ou palestra).

• NEGRI, T. C. ; BUGATTI, Pedro Henrique ; SAITO, P. T. M. ; DOMINGUES, D. S. ; Paschoal, A. R. . RNAPLONC: A TOOL FOR IDENTIFICATION OF PLANT LONG NON-CODING RNAS. 2017. (Apresentação de Trabalho/Congresso).

Projetos de pesquisa

• 2022 - Atual

  APLICAÇÃO DE MACHINE LEARNING E RECONHECIMENTO DE PADRÕES PARA MODELAGEM, ANÁLISE E IDENTIFICAÇÃO DE LNCRNAS, Descrição: Desenvolvimento e avaliação de novas técnicas computacionais para investigar o problema de identificação dos RNAs longos não-codificantes. RNAs longos não-codificantes (lncRNAs) pertencem a classe dos RNAs que não codificam proteínas e que estão relacionados a diversas funções biológicas, como modificações da cromatina, regulação pós-transcricional, e principalmente nos diversos processos de desenvolvimento de doenças como o câncer. Para a evolução dessas técnicas, será dado continuidade aos trabalho já publicados em 2018 à 2020, que apesar da contribuição e do produto (software) público disponíveis, ainda existem questões a serem exploradas. O presente estudo possui três finalidades: (i) comparar todas as abordagens e estado-da-arte para identificar lncRNAs, sejam elas desenvolvidas para humano ou planta; (ii) criar um banco de dados atualizado, com bases de dados encontradas na literatura e definir suas fontes de dados; (iii) criação da ferramenta usando deep learning para investigar o problema de identificação dos RNAs longos não-codificantes. (iv) Investigar e aplicar ferramentas de bioinformática já existentes, comparando as atuações em diferentes espécies, podendo encontrar novos lncRNAs ainda nãos disponíveis na literatura.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) / Especialização: (2) / Doutorado: (1) . , Integrantes: Tatianne Costa Negri Rocha - Coordenador / LUCAS MICHEL CANDIDO DE RAMOS - Integrante / Lucas Otávio Leme Silva - Integrante / Jalisson Lucas Cardoso - Integrante / LAISLA RODRIGUES FIGUEIREDO - Integrante.

• 2018 - 2020

  TÉCNICAS DE APRENDIZAGEM DE MÁQUINA PARA IDENTIFICAÇÃO DE lncRNAs: UM ESTUDO COMPARATIVO ENTRE HUMANO E PLANTA., Descrição: Esta tese tem como objetivo principal o desenvolvimento e avaliação de novas téc-nicas computacionais para investigar o problema de identificação dos RNAs longos não-codificantes. RNAs longos não-codificantes (lncRNAs) pertencem a classe dos RNAs quenão codificam proteínas e que estão relacionados a diversas funções biológicas, como mo-dificações da cromatina, regulação pós-transcricional, e principalmente nos diversos pro-cessos de desenvolvimento de doenças como o câncer. Para a evolução dessas técnicas,será dado continuidade no trabalho já publicado pelo grupo em 2018, que apesar dacontribuição e do produto (software) público disponíveis, ainda existem questões a se-rem exploradas. O presente estudo possui três finalidades: (i) investigar a relevância dascaracterísticas identificadas no trabalho anterior (RNAplonc); (ii) comparar todas as abor-dagens e estado-da-arte para identificar lncRNAs, sejam elas desenvolvidas para humanoou planta; (iii) criar uma nova ferramenta usandodeep learningcom as característicasmais relevantes. O motivo primordial do estudo é que sabe-se que existe uma grande di-ferença entre os miRNAs (ncRNA pequeno) de plantas e animais, seja em característicasbiológicas ou computacionais. Já para lncRNA é uma questão em aberto. Por fim, atravésda técnica a ser desenvolvida, utilizandodeep learning, que é uma sub-área de aprendizadode máquina e tem obtido resultados satisfatórios em várias áreas de aplicação, implemen-tada por diferentes algoritmos. Este trabalho propõe uma modelagem que aplica umaimplementação de um classificador que aborda técnicas dedeep learningem mineraçãode dados biológicos, área que tem sido alvo de constantes estudos. Uma das principaisatribuições é a seleção de características, em dados refinados em vez de dados mais bru-tos. A promissora tecnologia dedeep learningcombinada com a estratégia de refinamentotem demonstrado bons resultados em dados de humanos, tornando-se competitivos comoutros estudos relacionados e abrem perspectiva de extensão deste trabalho.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Doutorado: (1) . , Integrantes: Tatianne Costa Negri Rocha - Integrante / Alexandre Rossi Paschoal - Integrante / Wonder Alexandre Luz Alves - Coordenador., Financiador(es): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Bolsa.

• 2015 - 2017

  Pattern recognition analysis on long noncoding RNAs: a tool for prediction in plants, Descrição: Our feature selection analysis considered 5,468 features, and it uses only 16 features robustly identify lncRNA with the REPTree algorithm. This was the base to created the model and trained with lncRNA and mRNA data from five plant species (thale cress, cucumber, soybean, poplar and Asian rice). After an extensive comparison with other largely used tools in plants (CPC, CPC2, CPAT and PLncPRO) we found that RNAplonc obtained a gain in accuracy of 14.65%, 6.01%, 7.09% and 16.35% in the training dataset when compared with the CPC, CPC2, CPAT and PLncPRO tool. We also found that RNAplonc produced more reliable lncRNA predictions from plant transcripts (with 87.5% of the best result), as estimated for 8 different datasets in 8 species from the GreeNC database and two independent studies (in Populus and cotton).. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (1) . , Integrantes: Tatianne Costa Negri Rocha - Integrante / Alexandre Rossi Paschoal - Coordenador / Pedro Henrique Bugatti - Integrante / Priscila Tiemi Maeda Saito - Integrante / Douglas Silva Domingues - Integrante / Wonder Alexandre Luz Alves - Integrante., Financiador(es): Fundação Araucária de Apoio ao Desenvolvimento Científico e Tecnológico - Bolsa.

• 2015 - 2016

  RNAplonc: a classifier for identification of plant Long Non Coding RNAs, Descrição: Long non coding RNAs (LncRNAs) correspond to a eukaryotic non-coding RNA class that have emerging attention in the last years as a potential layer of gene expression in cells. Despite the importance of lncRNAs in gene regulation, there is a lack of specific computational approaches for lncRNA prediction in plants, considering that the biological mechanism of this ncRNA class is different from mammals, which there are several tools for prediction. Having this in mind, we present RNAplonc, an approach for lncRNA identification in plants. This tool was created and modeled with lncRNA and mRNA data from 5 plant species, using 16 characteristics under the Reduced Error Pruning Tree (REPtree) method. RNAplonc obtained a mean sensitivity above 85% in the predictions of the tests that we performed, having better results in predicting lncRNAs in plant transcripts than most tools available to date. The tool, all necessary programs and scripts, as well as all documentation is available on the website: http://rnaplonc.cp.utfpr.edu.br/.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (1) . , Integrantes: Tatianne Costa Negri Rocha - Integrante / Alexandre Rossi Paschoal - Coordenador / Pedro Henrique Bugatti - Integrante / Priscila Tiemi Maeda Saito - Integrante / Douglas Silva Domingues - Integrante.

Prêmios