Departamento de Ciência da Computação

Ronaldo Fumio Hashimoto

Possui graduação em Bacharelado Em Física pela Universidade de São Paulo (1988), mestrado em Ciências da Computação pela Universidade de São Paulo (1994) e doutorado em Ciências da Computação pela Universidade de São Paulo (2000). Atualmente é professor Livre-Docente (Associado 3) da Universidade de São Paulo. Tem experiência na área de Ciência da Computação, com ênfase em Processamento Gráfico (Graphics), atuando principalmente nos seguintes temas: machine learning, biological networks, boolean networks, hierarchical image representation, mathematical morphology. (Texto informado pelo autor)

http://lattes.cnpq.br/9283304583756076 (30/11/2023)

Rótulo/Grupo:

Bolsa CNPq:

Período de análise:

Endereço: Universidade de São Paulo, Instituto de Matemática e Estatística, Departamento de Ciência da Computação. Rua do Matão 1010 - Sala 220 - CCSL Cidade Universitária 05508090 - São Paulo, SP - Brasil Telefone: (11) 30916495 Fax: (11) 30916134 URL da Homepage: http://www.ime.usp.br/~ronaldo

Grande área: Ciências Exatas e da Terra

Área: Ciência da Computação

Citações: Google Acadêmico

Produção bibliográfica

Artigos completos publicados em periódicos (40)
1. GUPTA, SHANTANU ; PANDA, PRITAM KUMAR ; SILVEIRA, DANER A. ; AHUJA, RAJEEV ; HASHIMOTO, RONALDO F.. Quadra-Stable Dynamics of p53 and PTEN in the DNA Damage Response. Cells. v. 12, p. 1085, issn: 2073-4409, 2023.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A1
2. GUPTA, SHANTANU ; SILVEIRA, DANER A ; HASHIMOTO, RONALDO F.. Boolean Model of the Oncogene Role of FAM111B in Lung Adenocarcinoma. COMPUTATIONAL BIOLOGY AND CHEMISTRY. v. 107926, p. 107926, issn: 1476-9271, 2023.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A3
3. GUPTA, SHANTANU ; SILVEIRA, DANER A. ; MOMBACH, JOSÉ CARLOS M. ; HASHIMOTO, RONALDO F.. The lncRNA DLX6-AS1/miR-16-5p axis regulates autophagy and apoptosis in non-small cell lung cancer: A Boolean model of cell death. Non-Coding Rna Research. v. 8, p. 605-614, issn: 2468-0540, 2023.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (NON-CODING RNA RESEARCH)
4. GUPTA, SHANTANU ; SILVEIRA, DANER A. ; PIEDADE, GABRIEL P.S. ; OSTROWSKI, MIGUEL P. ; MOMBACH, JOSÉ CARLOS M. ; HASHIMOTO, RONALDO F.. A dynamic Boolean network reveals that the BMI1 and MALAT1 axis is associated with drug resistance by limiting miR-145-5p in non-small cell lung cancer. Non-Coding Rna Research. v. 9, p. 185-193, issn: 2468-0540, 2023.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (NON-CODING RNA RESEARCH)
5. KAWASHIMA, IRINA YURI ; LOPEZ, MARIA CLAUDIA NEGRET ; CUNHA, MARIELTON DOS PASSOS ; HASHIMOTO, RONALDO FUMIO. SARS-CoV-2 host prediction based on virus-host genetic features. Scientific Reports. v. 12, p. 4576, issn: 2045-2322, 2022.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A2
6. GUPTA, SHANTANU ; PANDA, PRITAM KUMAR ; HASHIMOTO, RONALDO F. ; SAMAL, SHAILESH KUMAR ; MISHRA, SUMAN ; VERMA, SURESH KR. ; MISHRA, YOGENDRA KUMAR ; AHUJA, RAJEEV. Dynamical modeling of miR-34a, miR-449a, and miR-16 reveals numerous DDR signaling pathways regulating senescence, autophagy, and apoptosis in HeLa cells. Scientific Reports. v. 12, p. 4911, issn: 2045-2322, 2022.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A2
7. GUPTA, SHANTANU ; SILVEIRA, DANER A. ; HASHIMOTO, RONALDO F. ; MOMBACH, JOSE CARLOS M.. A Boolean Model of the Proliferative Role of the lncRNA XIST in Non-Small Cell Lung Cancer Cells. BIOLOGY. v. 11, p. 480, issn: 2079-7737, 2022.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A1
8. BARRERA, JUNIOR ; HASHIMOTO, RONALDO F. ; HIRATA, Nina S. T. ; HIRATA, R. ; REIS, MARCELO S.. From Mathematical Morphology to machine learning of image operators. SÃO PAULO JOURNAL OF MATHEMATICAL SCIENCES. v. 16, p. 616-657, issn: 1982-6907, 2022.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: B3
9. WANG, JIEYING ; SILVA, DENNIS J. ; KOSINKA, JI'Í ; TELEA, ALEXANDRU ; HASHIMOTO, RONALDO F. ; ROERDINK, JOS B.T.M.. Interactive image manipulation using morphological trees and spline-based skeletons. COMPUTERS & GRAPHICS-UK. v. 108, p. 61-73, issn: 0097-8493, 2022.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A2
10. Gobber, Charles F. ; HASHIMOTO, RONALDO F. ; ALVES, WONDER A.L.. An efficient algorithm to update non-flat and incremental attributes in morphological trees. PATTERN RECOGNITION LETTERS. v. 163, p. 47-54, issn: 0167-8655, 2022.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A2
11. GUPTA, SHANTANU ; PANDA, PRITAM KUMAR ; LUO, WEI ; HASHIMOTO, RONALDO F. ; AHUJA, RAJEEV. Network analysis reveals that the tumor suppressor lncRNA GAS5 acts as a double-edged sword in response to DNA damage in gastric cancer. Scientific Reports. v. 12, p. 18312, issn: 2045-2322, 2022.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A2
12. GUPTA, SHANTANU ; HASHIMOTO, RONALDO F.. Dynamical Analysis of a Boolean Network Model of the Oncogene Role of lncRNA ANRIL and lncRNA UFC1 in Non-Small Cell Lung Cancer. BIOMOLECULES. v. 12, p. 420, issn: 2218-273X, 2022.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A1
13. MEDINA-RODRÍGUEZ, ROSARIO ; BELTRÁN-CASTAÑÓN, CÉSAR ; HASHIMOTO, RONALDO FUMIO. An Approach to Growth Delimitation of Straight Line Segment Classifiers Based on a Minimum Bounding Box. Entropy. v. 23, p. 1541, issn: 1099-4300, 2021.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A4
14. MORIMITSU, ALEXANDRE ; PASSAT, NICOLAS ; ALVES, WONDER A.L. ; HASHIMOTO, RONALDO F.. Efficient component-hypertree construction based on hierarchy of partitions. PATTERN RECOGNITION LETTERS. v. 135, p. 30-37, issn: 0167-8655, 2020.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A2
15. ALVES, WONDER A.L. ; Gobber, Charles F. ; J. SILVA, DENNIS ; MORIMITSU, ALEXANDRE ; HASHIMOTO, RONALDO F. ; MARCOTEGUI, BEATRIZ. Image segmentation based on ultimate levelings: from attribute filters to machine learning strategies. PATTERN RECOGNITION LETTERS. v. 133, p. 264-271, issn: 0167-8655, 2020.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A2
16. SILVA, DENNIS J. ; ALVES, WONDER A.L. ; HASHIMOTO, RONALDO FUMIO. Incremental bit-quads count in component trees: theory, algorithms, and optimization. PATTERN RECOGNITION LETTERS. v. 129, p. 33-40, issn: 0167-8655, 2019.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A2
17. ALVES, WONDER A.L. ; HASHIMOTO, RONALDO F. ; MARCOTEGUI, BEATRIZ. Ultimate levelings. COMPUTER VISION AND IMAGE UNDERSTANDING. v. 165, p. 60-74, issn: 1077-3142, 2017.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A2
18. REZENDE LIMA, WÂNIA ; CORREA MARTINS, DAVID ; SIMÔNIO PARREIRA, KLEBER ; SCARPELLI, PEDRO ; SANTOS DE MORAES, MIRIAM ; TOPALIS, PANTELIS ; FUMIO HASHIMOTO, RONALDO ; R. S. GARCIA, CÉLIA. Genome-wide analysis of the human malaria parasite Plasmodium falciparum transcription factor PfNF-YB shows interaction with a CCAAT motif. Oncotarget. v. 8, p. 113987-114001, issn: 1949-2553, 2017.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A2
19. DE ARAÚJO LIMA, LEANDRO FEIO-DOS-SANTOS, ANA CECÍLIA BELANGERO, SINTIA IOLE GADELHA, ARY BRESSAN, RODRIGO AFFONSECA SALUM, GIOVANNI ABRAHÃO PAN, PEDRO MARIO MORIYAMA, TAIS SILVEIRA GRAEFF-MARTINS, ANA SOLEDADE TAMANAHA, ANA CARINA ALVARENGA, PEDRO KRIEGER, FERNANDA VALLE FLEITLICH-BILYK, BACY JACKOWSKI, ANDREA PAROLIN BRIETZKE, ELISA SATO, JOÃO RICARDO POLANCZYK, GUILHERME VANONI MARI, JAIR DE JESUS MANFRO, GISELE GUS DO ROSÁRIO, MARIA CONCEIÇÃO MIGUEL, EURÍPEDES CONSTANTINO PUGA, RENATO DAVID TAHIRA, ANA CAROLINA SOUZA, VIVIANE NERI CHILE, THAIS , et al.GOUVEIA, GISELE RODRIGUES SIMÕES, SÉRGIO NERY CHANG, XIAO PELLEGRINO, RENATA TIAN, LIFENG GLESSNER, JOSEPH T. An integrative approach to investigate the respective roles of single-nucleotide variants and copy-number variants in Attention-Deficit/Hyperactivity Disorder. Scientific Reports. v. 6, p. 22851, issn: 2045-2322, 2016.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A2
20. LIMA, W. R. ; TESSARIN-ALMEIDA, G. ; ROZANSKI, A. ; PARREIRA, K. S. ; MORAES, M. S. ; MARTINS, D. C. ; HASHIMOTO, R. F. ; GALANTE, P. A. F. ; GARCIA, C. R. S.. Signaling transcript profile of the asexual intraerythrocytic development cycle of Plasmodium falciparum induced by melatonin and cAMP. Genes & Cancer. v. 7, p. 323-339, issn: 1947-6027, 2016.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (GENES & CANCER)
21. SWARNKAR, TRIPTI ; SIMÕES, SERGIO NERY ; ANURA, ANJI ; BRENTANI, HELENA ; CHATTERJEE, JYOTIRMOY ; HASHIMOTO, RONALDO FUMIO ; MARTINS, DAVID CORREA ; MITRA, PABITRA. Identifying dense subgraphs in protein-protein interaction network for gene selection from microarray data. Network Modeling Analysis in Health Informatics and Bioinformatics. v. 4, p. 1-18, issn: 2192-6662, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (NETWORK MODELING ANALYSIS IN HEALTH INFORMATICS AND BIOINFORMATICS)
22. SIMÕES, SÉRGIO N ; MARTINS, DAVID C ; PEREIRA, CARLOS AB ; Hashimoto, Ronaldo F ; BRENTANI, HELENA. NERI: network-medicine based integrative approach for disease gene prioritization by relative importance. BMC Bioinformatics. v. 16, p. S9, issn: 1471-2105, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A1
23. LOPES, FABRÍCIO M. ; RAY, SHUBHRA SANKAR ; HASHIMOTO, RONALDO F. ; CESAR, ROBERTO M.. Entropic Biological Score: a cell cycle investigation for GRNs inference. Gene (Amsterdam). v. 541, p. 129-137, issn: 0378-1119, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A4
24. Martins, David C. ; DE OLIVEIRA, EVALDO A. ; BRAGA-NETO, ULISSES M. ; HASHIMOTO, RONALDO F. ; Cesar, Roberto M.. Signal Propagation in Bayesian Networks and its Relationship with Intrinsically Multivariate Predictive Variables. Information Sciences. v. 225, p. 18-34, issn: 0020-0255, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A1
25. HIGA, C. H. A. ; ANDRADE, T. P. ; HASHIMOTO, R. F.. Growing Seed Genes from Time Series Data and Thresholded Boolean Networks with Perturbation. IEEE/ACM Transactions on Computational Biology and Bioinformatics (Print). v. 10, p. 37-49, issn: 1545-5963, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A1
26. VICENTE, FÁBIO FR ; LOPES, FABRÍCIO M ; HASHIMOTO, RONALDO F ; Cesar, Roberto M. Assessing the Gain of Biological Data Integration in Gene Networks Inference. BMC Genomics. v. 13, p. 1-12, issn: 1471-2164, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A2
27. Higa, Carlos HA ; Louzada, Vitor HP ; Andrade, Tales P ; Hashimoto, Ronaldo F. Constraint-based analysis of gene interactions using restricted boolean networks and time-series data. BMC Proceedings. v. 5, p. S5, issn: 1753-6561, 2011.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (BMC PROCEEDINGS)
28. MARTINS, D. C. ; BRAGA-NETO, U. ; BITTNER, M. L. ; HASHIMOTO, R. F. ; DOUGHERTY, E. R.. Intrinsically Multivariate Predictive Genes. IEEE Journal of Selected Topics in Signal Processing. v. 2, p. 424-439, issn: 1932-4553, 2008.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A1
29. TREPODE, N. W. ; ARMELIN, H. A. ; BITTNER, M. L. ; BARRERA, J. ; GUBITOSO, M. D. ; HASHIMOTO, R. F.. A Robust Structural PGN Model for Control of Cell-Cycle Progression Stabilized by Negative Feedbacks. EURASIP Journal on Bioinformatics and Systems Biology (Online). v. 2007, p. 73109-73120, issn: 1687-4153, 2007.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (EURASIP JOURNAL ON BIOINFORMATICS AND SYSTEMS BIOLOGY (ONLINE))
30. SILVA, Paulo J S ; HASHIMOTO, Ronaldo F ; KIM, Seungchan ; BARRERA, Junior ; BRANDÃO, Leônidas O ; SUH, Edward ; DOUGHERTY, Edward R. Feature Selection Algorithms to Find Strong Genes. Pattern Recognition Letters. v. 26, n. 10, p. 1444-1453, issn: 0167-8655, 2005.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A2
31. BRAGA-NETO, U. ; HASHIMOTO, R. F. ; DOUGHERTY, E. R. ; NGUYEN, D. V. ; CARROLL, R. J.. Is Cross-Validation Better than Resubstitution for Ranking Genes. Bioinformatics (Oxford). v. 20, n. 2, p. 253-258, issn: 1367-4803, 2004.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (BIOINFORMATICS (OXFORD))
32. HASHIMOTO, R. F.; KIM, S. ; SHMULEVICH, Ilya ; ZHANG, Wei ; BITTNER, M. L. ; DOUGHERTY, E. R.. Growing Genetic Regulatory Networks from Seed Genes. Bioinformatics (Oxford). v. 20, n. 8, p. 1241-1247, issn: 1367-4803, 2004.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (BIOINFORMATICS (OXFORD))
33. HASHIMOTO, R. F. ; BARRERA, Junior. A Greedy Algorithm for Decomposing Convex Structuring Elements. Journal of Mathematical Imaging and Vision. v. 18, n. 3, p. 269-289, issn: 0924-9907, 2003.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A1
34. HASHIMOTO, R. F.; DOUGHERTY, E. R. ; Marcel Brun ; Zheng-Zheng Zhou ; BITTNER, M. L. ; TRENT, J. M.. Efficient Selection of Feature Sets Possessing High Coefficients of Determination Based on Incremental Determinations. Signal Processing. v. 83, n. 4, p. 695-712, issn: 0165-1684, 2003.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A1
35. SHMULEVICH, Ilya ; GLUHOVSKY, Ilya ; HASHIMOTO, R. F. ; DOUGHERTY, E. R. ; ZHANG, Wei. Steady-State Analysis of Genetic Regulatory Networks Modelled by Probabilistic Boolean Networks. Comparative and Functional Genomics. v. 4, p. 601-608, issn: 1531-6912, 2003.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (COMPARATIVE AND FUNCTIONAL GENOMICS)
36. HASHIMOTO, R. F. ; BARRERA, Junior. A Note on Park and Chin´s Algorithm. IEEE Transactions on Pattern Analysis and Machine Intelligence. v. 24, n. 1, p. 139-144, issn: 0162-8828, 2002.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE)
37. HIRATA JR, R. ; BARRERA, Junior ; HASHIMOTO, Ronaldo F ; DANTAS, D. O. ; ESTEVES, G. P.. Segmentation of Microarray Images by Mathematical Morphology. Real-Time Imaging. v. 8, n. 6, p. 491-505, issn: 1077-2014, 2002.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (REAL-TIME IMAGING)
38. BARRERA, Junior; HASHIMOTO, R. F.. From the Sup-Decomposition to Sequential Decompositions. Journal of Mathematical Imaging and Vision. v. 15, n. 3, p. 197-216, issn: 0924-9907, 2001.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A1
39. BARRERA, Junior; HASHIMOTO, R. F.. Sup-Compact and Inf-Compact Representations of W-Operators. Fundamenta Informaticae. v. 45, n. 4, p. 283-294, issn: 0169-2968, 2001.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A2
40. HASHIMOTO, Ronaldo F ; BARRERA, Junior ; FERREIRA, C. E.. A Combinatorial Optimization Technique for the Sequential Decomposition of Erosions and Dilations. Journal of Mathematical Imaging and Vision. v. 13, n. 1, p. 17-33, issn: 0924-9907, 2000.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A1
Livros publicados/organizados ou edições (0)
Capítulos de livros publicados (10)
1. SOUSA, R. N. ; CAMPOS, C. G. S. ; WANG, W. ; HASHIMOTO, R. F. ; ARMELIN, H. A. ; REIS, M. S.. Exploring Identifiability in Hybrid Models of Cell Signaling Pathways. Em: M.S. Reis; R.C. de Melo-Minardi.. (Org.). Advances in Bioinformatics and Computational Biology. 1ed. : Springer, Charm. 2023.v. 13954, p. 148-159.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. PIMENTA-ZANON, M. H. ; de Souza, V.A ; HASHIMOTO, R. F. ; LOPES, F. M.. Biological Sequence Analysis Using Complex Networks and Entropy Maximization: A Case Study in SARS-CoV-2. Em: Swarnkar, T., Patnaik, S., Mitra, P., Misra, S., Mishra, M.. (Org.). Ambient Intelligence in Health Care. 1ed.Singapore. : Springer. 2022.v. 317, p. 459-469.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
3. da Silva, Dennis José ; ALVES, WONDER ALEXANDRE LUZ ; MORIMITSU, ALEXANDRE ; Gobber, Charles Ferreira ; HASHIMOTO, RONALDO FUMIO. Incremental Bit-Quads Count in Tree of Shapes. Em: Burgeth B., Kleefeld A., Naegel B., Passat N., Perret B.. (Org.). Lecture Notes in Computer Science. 1ed. : Springer International Publishing. 2019.v. 11564, p. 162-173.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
4. MORIMITSU, ALEXANDRE ; ALVES, WONDER ALEXANDRE LUZ ; Silva, Dennis Jose ; Gobber, Charles Ferreira ; HASHIMOTO, RONALDO FUMIO. Minimal Component-Hypertrees. Em: Couprie M., Cousty J., Kenmochi Y., Mustafa N.. (Org.). Lecture Notes in Computer Science. 1ed. : Springer International Publishing. 2019.v. 11414, p. 276-287.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
5. MORIMITSU, ALEXANDRE ; ALVES, WONDER ALEXANDRE LUZ ; da Silva, Dennis José ; Gobber, Charles Ferreira ; HASHIMOTO, RONALDO FUMIO. Incremental Attribute Computation in Component-Hypertrees. Em: Burgeth B., Kleefeld A., Naegel B., Passat N., Perret B.. (Org.). Lecture Notes in Computer Science. 1ed. : Springer International Publishing. 2019.v. 11564, p. 150-161.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
6. ALVES, WONDER ALEXANDRE LUZ ; Gobber, Charles Ferreira ; da Silva, Dennis José ; MORIMITSU, ALEXANDRE ; HASHIMOTO, RONALDO FUMIO ; MARCOTEGUI, BEATRIZ. Ultimate Levelings with Strategy for Filtering Undesirable Residues Based on Machine Learning. Em: Burgeth B., Kleefeld A., Naegel B., Passat N., Perret B.. (Org.). Lecture Notes in Computer Science. 1ed. : Springer International Publishing. 2019.v. 11564, p. 297-309.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
7. ALVES, WONDER A. L. ; Gobber, Charles F. ; HASHIMOTO, RONALDO F.. Plant Bounding Box Detection from Desirable Residues of the Ultimate Levelings. Em: Campilho A., Karray F., ter Haar Romeny B.. (Org.). Lecture Notes in Computer Science. 1ed. : Springer International Publishing. 2018.v. 10882, p. 474-481.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
8. Gobber, Charles ; ALVES, WONDER A. L. ; HASHIMOTO, RONALDO F.. Ultimate Leveling Based on Mumford-Shah Energy Functional Applied to Plant Detection. Em: Mendoza M., Velastín S.. (Org.). Lecture Notes in Computer Science. 1ed. : Springer International Publishing. 2018.v. 10657, p. 220-228.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
9. ALVES, WONDER A. L. ; Gobber, Charles F. ; Araújo, Sidnei A. ; HASHIMOTO, RONALDO F.. Segmentation of Retinal Blood Vessels Based on Ultimate Elongation Opening. Em: Campilho A., Karray F.. (Org.). Lecture Notes in Computer Science. 1ed. : Springer International Publishing. 2016.v. 9730, p. 727-733.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
10. RIBEIRO, J. H. B. ; HASHIMOTO, R. F.. Pattern Recognition Based on Straight Line Segments. Em: Adam Herout. (Org.). Pattern Recognition, Recent Advances. Vienna. 2010.p. 167-188.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Textos em jornais de notícias/revistas (1)
1. KAWASHIMA, IRINA YURI ; LOPEZ, MARIA CLAUDIA NEGRET ; CUNHA, MARIELTON DOS PASSOS ; HASHIMOTO, R. F.. Aprendizagem de Máquina como essa técnica computacional está enfrentando os novos vírus. Ciência Hoje, 14 jun. 2022.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Trabalhos completos publicados em anais de congressos (32)
1. MORIMITSU, ALEXANDRE ; ALVEZ, W. A. L. ; SILVA, DENNIS J. ; GOBBER, C. ; HASHIMOTO, R. F.. Minimal Component-Hypertrees. Em: 21st IAPR International Conference, v. 11414, p. 276-287, 2019.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (21st IAPR International Conference)
2. ALVEZ, W. A. L. ; GOBBER, C. ; HASHIMOTO, R. F.. Plant Bounding Box Detection from Desirable Residues of the Ultimate Levelings. Em: 15th International Conference on Image Analysis and Recognition - ICIAR 2018, v. 10882, p. 474-481, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (15th International Conference on Image Analysis and Recognition - ICIAR 2018)
3. MEDINA-RODRIGUEZ, ROSARIO ; CASTANON, CESAR BELTRAN ; HASHIMOTO, RONALDO FUMIO. Evaluation of the Impact of Initial Positions obtained by Clustering Algorithms on the Straight Line Segments Classifier. Em: 2018 IEEE Latin American Conference on Computational Intelligence (LACCI), p. 1, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (2018 IEEE Latin American Conference on Computational Intelligence (LACCI))
4. GOBBER, C. ; ALVES, WONDER A. L. ; HASHIMOTO, R. F.. Ultimate Levelings Based on Mumford-Shah Energy Functional Applied to Plant Detection. Em: Progress in Pattern Recognition, v. 10657, p. 220-228, 2017.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (Progress in Pattern Recognition)
5. SILVA, DENNIS J. ; ALVES, WONDER A. L. ; MORIMITSU, ALEXANDRE ; HASHIMOTO, RONALDO F.. Efficient incremental computation of attributes based on locally countable patterns in component trees. Em: 2016 IEEE International Conference on Image Processing (ICIP), p. 3738-3742, 2016.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (2016 IEEE International Conference on Image Processing (ICIP))
6. ALVEZ, W. A. L. ; MORIMITSU, ALEXANDRE ; HASHIMOTO, RONALDO FUMIO. Scale-Space Representation Based on Levelings Through Hierarchies of Level Sets. Em: International Symposium on Mathematical Morphology, v. 9082, p. 265-276, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (International Symposium on Mathematical Morphology)
7. MORIMITSU, ALEXANDRE ; ALVEZ, W. A. L. ; HASHIMOTO, RONALDO FUMIO. Incremental and Efficient Computation of Families of Component Trees. Em: International Symposium on Mathematical Morphology (ISMM 2015), v. 9082, p. 681-692, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (International Symposium on Mathematical Morphology (ISMM 2015))
8. ALVES, WONDER ALEXANDRE LUZ ; HASHIMOTO, RONALDO FUMIO. Ultimate grain filter. Em: 2014 IEEE International Conference on Image Processing (ICIP), p. 2953-2957, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (2014 IEEE International Conference on Image Processing (ICIP))
9. LIMA, LEANDRO DE A. ; SIMOES, SERGIO NERY ; HASHIMOTO, RONALDO FUMIO ; JUNIOR, DAVID C. MARTINS ; BRENTANI, HELENA ; MOTA, GUILHERME O.. Network-Based Disease Gene Prioritization by Hitting Time Analysis. Em: 2014 IEEE International Conference on Bioinformatics and Bioengineering (BIBE), p. 9-14, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (2014 IEEE International Conference on Bioinformatics and Bioengineering (BIBE))
10. SWARNKAR, TRIPTI ; SIMOES, SERGIO NERY ; MARTINS, DAVID CORREA ; ANURAK, ANJI ; BRENTANI, HELENA ; HASHIMOTO, RONALDO FUMIO ; MITRA, PABITRA. Multiview Clustering on PPI Network for Gene Selection and Enrichment from Microarray Data. Em: 2014 IEEE International Conference on Bioinformatics and Bioengineering (BIBE), p. 15-22, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (2014 IEEE International Conference on Bioinformatics and Bioengineering (BIBE))
11. CASTRO, J. E. S. ; HASHIMOTO, Ronaldo F ; BARRERA, Junior. Analytical Solutions for the Minkowski Addition Equation. Em: ISMM 2013 - Mathematical Morphology and its applications to Signal and Image Processing, v. 7883, p. 61-72, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (ISMM 2013 - Mathematical Morphology and its applications to Signal and Image Processing)
12. ALVES, WONDER ALEXANDRE LUZ ; MORIMITSU, ALEXANDRE ; CASTRO, JOEL SANCHEZ ; HASHIMOTO, RONALDO FUMIO. Extraction of Numerical Residues in Families of Levelings. Em: 2013 XXVI SIBGRAPI Conference on Graphics, p. 349, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (2013 XXVI SIBGRAPI Conference on Graphics)
13. SIMOES, S. N. ; MARTINS, D. C. ; SAMAIA, H. P. B. ; HASHIMOTO, R. F.. Shortest Paths Ranking Methodology to Identify Alterations in PPI Networks of Complex Diseases. Em: ACM International Conference on Bioinformatics, p. 561-563, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (ACM International Conference on Bioinformatics)
14. LOUZADA, V. H. P. ; LOPES, F. M. ; HASHIMOTO, R. F.. A Monte Carlo Approach to Measure the Robustness of Boolean Networks. Em: 1st International Workshop on Robustness and Stability of Biological Systems and Computational Solutions, p. 696-699, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (1st International Workshop on Robustness and Stability of Biological Systems and Computational Solutions)
15. VICENTE, F. F. R. ; LOPES, F. M. ; HASHIMOTO, R. F.. Improvement of GNs inference through biological data integration. Em: 9th IEEE International Workshop on Genomic Signal Processing and Statistics (GENSIPS), p. 1-4, 2011.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (9th IEEE International Workshop on Genomic Signal Processing and Statistics (GENSIPS))
16. LOUZADA, V. H. P. ; LOPES, F. M. ; HASHIMOTO, R. F.. The effect of certain Boolean functions in stability of networks with varying topology. Em: 9th IEEE International Workshop on Genomic Signal Processing and Statistics (GENSIPS), p. 1-4, 2011.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (9th IEEE International Workshop on Genomic Signal Processing and Statistics (GENSIPS))
17. RODRIGUEZ, R. M. ; HASHIMOTO, R. F.. Combining Dialectical Optimization and Gradient Descent Methods for Improving the Accuracy of Straight Line Segment Classifiers. Em: 24th SIBGRAPI Conference on Graphics, p. 321-328, 2011.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (24th SIBGRAPI Conference on Graphics)
18. ALVEZ, W. A. L. ; HASHIMOTO, R. F.. Classification of Regions Extracted from Scene Images by Morphological Filters in Text or Non-Text using Decision Tree. Em: 18th International Conference on Computer Graphics, p. 165-172, 2010.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (18th International Conference on Computer Graphics)
19. HIGA, C. H. A. ; LOUZADA, V. H. P. ; HASHIMOTO, R. F.. Analysis of Gene Interactions Using Restricted Boolean Networks and Time-Series Data. Em: 6th International Symposium on Bioinformatics Research and Applications, p. 61-76, 2010.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (6th International Symposium on Bioinformatics Research and Applications)
20. MARTINS, D. C. ; OLIVEIRA, E. A. ; LOUZADA, V. H. P. ; HASHIMOTO, R. F.. Inference of Restricted Stochastic Boolean GRN's by Bayesian Error and Entropy Based Criteria. Em: 15th Iberoamerican Congress on Pattern Recognition, v. 6419, p. 144-152, 2010.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (15th Iberoamerican Congress on Pattern Recognition)
21. ALVEZ, W. A. L. ; HASHIMOTO, R. F.. Text Regions Extracted from Scene Images by Ultimate Attribute Opening and Decision Tree Classification. Em: Graphics, p. 360-367, 2010.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (Graphics)
22. MARTINS, D. C. ; OLIVEIRA, E. A. ; SILVA, P. J. S. ; HASHIMOTO, R. F. ; CESAR JUNIOR, R. M.. Revealing Temporal Genetic Regulatory Networks from Steady-State Distributions. Em: IEEE International Workshop on Genomic Signal Processing and Statistics - GENSIPS, p. 1-4, 2009.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (IEEE International Workshop on Genomic Signal Processing and Statistics - GENSIPS)
23. HASHIMOTO, R. F.; STAGNI, H. ; HIGA, C. H. A.. Budding Yeast Cell Cycle Modeled by Context-Sensitive Probabilistic Boolean Network. Em: IEEE International Workshop on Genomic Signal Processing and Statistics, p. 1-4, 2009.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (IEEE International Workshop on Genomic Signal Processing and Statistics)
24. HIGA, C. H. A. ; HASHIMOTO, R. F. ; HIRATA JR., R. ; HIRATA, Nina S. T. ; SANTOS, C. S.. Inference of Gene Regulatory Network using Temporal Coefficient of Determination Obtained from Ergodic Markov Chains. Em: IEEE International Workshop on Genomic Signal Processing and Statistics, p. 1-4, 2009.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (IEEE International Workshop on Genomic Signal Processing and Statistics)
25. MACHADO, A. F. ; HASHIMOTO, R. F.. Jump-Miss Binary Erosion Algorithm. Em: XXII Brazilian Symposium on Computer Graphics and Image Processing, p. 149-155, 2009.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (XXII Brazilian Symposium on Computer Graphics and Image Processing)
26. RIBEIRO, J. H. B. ; HASHIMOTO, R. F.. A New Training Algorithm for Pattern Recognition Technique Based on Straight Line Segments. Em: SIBGRAPI 2008, 2008.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (SIBGRAPI 2008)
27. RIBEIRO, J. H. B. ; HASHIMOTO, R. F.. A New Machine Learning Technique Based on Straight Line Segments. Em: Fifth International Conference on Machine Learning and Applications (ICMLA 2006), p. 10-16, 2006.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (Fifth International Conference on Machine Learning and Applications (ICMLA 2006))
28. BARRERA, Junior; HASHIMOTO, R F. Binary Decision Diagrams as a New Paradigm for Morphological Machines. Em: INTERNATIONAL SYMPOSIUM ON MATHEMATICAL MORPHOLOGY, v. 15, p. 3-12, 2005.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (INTERNATIONAL SYMPOSIUM ON MATHEMATICAL MORPHOLOGY)
29. BALAGURUNATHAN, Y. ; HASHIMOTO, R.F. ; KIM, S. ; BARRERA, Junior ; DOUGHERTY, E.R.. Granulometric Classifiers from Small Samples. Em: PHOTONICS WEST 2002, v. 4667, p. 100-107, 2002.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (PHOTONICS WEST 2002)
30. HIRATA JR, R. ; BARRERA, Junior ; HASHIMOTO, Ronaldo F ; DANTAS, D. O.. Microarray Gridding by Mathematical Morphology. Em: INTERNATIONAL SYMPOSIUM ON COMPUTER GRAPHICS, v. 1, p. 112-119, 2001.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (INTERNATIONAL SYMPOSIUM ON COMPUTER GRAPHICS)
31. AUBERT, A. ; JEULIN, D. ; HASHIMOTO, R. F.. Surface Texture Classification from Morphological Transformations. Em: International Symposium on Mathematical Morphology, p. 253-262, 2000.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (International Symposium on Mathematical Morphology)
32. HASHIMOTO, R F ; BARRERA, Junior ; DOUGHERTY, E R. From the Sup-Decomposition to a Sequential Decomposition. Em: International Symposium on Mathematical Morphology, p. 13-22, 2000.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (International Symposium on Mathematical Morphology)
Resumos expandidos publicados em anais de congressos (3)
1. MACHADO, A. F. ; HASHIMOTO, R. F.. Erosões e Dilatações Morfológicas Binárias Seqüenciais Rápidas. Em: XXIX Congresso da Sociedade Brasileira de Computação, 2009, Bento Gonçaves. Anais do CSBC 2009 - CTD, 2009.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (XXIX CONGRESSO DA SOCIEDADE BRASILEIRA DE COMPUTAÇÃO, 2009, BENTO GONÇAVES. ANAIS DO CSBC 2009 - CTD)
2. MACHADO, A. F. ; HASHIMOTO, R. F. ; LAGO, A. P.. Efficient Binary Erosion Algorithm Based on a String-Matching-Like Technique. Em: International Symposium on Mathematical Morphology, 2007, Rio de Janeiro. International Symposium on Mathematical Morphology, 2007.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (INTERNATIONAL SYMPOSIUM ON MATHEMATICAL MORPHOLOGY, 2007, RIO DE JANEIRO. INTERNATIONAL SYMPOSIUM ON MATHEMATICAL MORPHOLOGY)
3. TREPODE, N. W. ; ARMELIN, H. A. ; BITTNER, M. L. ; BARRERA, J. ; GUBITOSO, M. D. ; HASHIMOTO, R. F.. Modeling Cell-Cycle Regulation by Discrete Dynamical Systems. Em: IEEE Workshop on Genomic Signal Processing and Statistics (GENSIPS '05), 2005, Rhode Island. Proceedings of IEEE Workshop on Genomic Signal Processing and Statistics (GENSIPS '05), 2005.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: Não identificado (IEEE WORKSHOP ON GENOMIC SIGNAL PROCESSING AND STATISTICS (GENSIPS '05), 2005, RHODE ISLAND. PROCEEDINGS OF IEEE WORKSHOP ON GENOMIC SIGNAL PROCESSING AND STATISTICS (GENSIPS '05))
Resumos publicados em anais de congressos (7)
1. HIGA, C. H. A. ; HASHIMOTO, R. F. ; MONTE, J. C. M.. Inferring Robust Boolean Networks of the Early Embryonic Stage in Kidney Organogenesis. Em: Brazilian Symposium on Bioinformatics 2012 (BSB 2012), 2012, Campo Grande. Brazilian Symposium on Bioinformatics 2012 (BSB 2012), p. 56-61, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. NORONHA, M. F. ; NETTO, O. V. C. ; CARAZZOLLE, M. F. ; PEREIRA, G. A. G. ; HASHIMOTO, R. F.. Comparison of Boolean Networks from Yeast Strain on Fermentative Process. Em: 7th Conference of the Brazilian Association for Bioinformatics and Computational Biology (X-Meeting), 2010, Florianópolis. 7th Conference of the Brazilian Association for Bioinformatics and Computational Biology (X-Meeting 2011), 2011.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
3. NORONHA, M. F. ; CARAZZOLLE, M. F. ; PEREIRA, G. A. G. ; HASHIMOTO, R. F.. Gene connection probability patern analysis in yeast diauxic shift process. Em: 6th International Conference of the Brazilian Association for Bioinformatics and Computational Biology X-Meeting, 2010, Ouro Preto. 6th International Conference of the Brazilian Association for Bioinformatics and Computational Biology X-Meeting 2010, 2010.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
4. NAKANO, F. ; ASPRINO, P. F. ; HIGA, C. H. A. ; HASHIMOTO, R. F. ; ARMELIN, H. A.. Searching for Genes Involved in Novel Mechanisms of Tumor Cell Death Triggered by FGF2: Introducing New Methodological Approaches. Em: International Conference on Intelligent Systems for Molecular Biology, 2006, Fortaleza. International Conference on Intelligent Systems for Molecular Biology, 2006.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
5. HASHIMOTO, R. F.; DOUGHERTY, E. R. ; BITTNER, M. L.. Intrinsically Multivariately Predictive Genes. Em: X-Meeting - The First International Conference of the AB3C, 2005, Caxambu. X-Meeting - The First International Conference of the AB3C, p. 85-85, 2005.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
6. HASHIMOTO, R. F. Building Small Subnetworks from Seed Genes. Em: International Congress on Bioinformatics and Computational Biology, 2004. Second International Congress on Bioinformatics and Computational Biology, 2004.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
7. HASHIMOTO, R. F.; DOUGHERTY, E. R. ; Marcel Brun ; Zheng-Zheng Zhou ; BITTNER, M. L. ; TRENT, J. M.. Feature Selection Based on Incremental Determinations. Em: International Conference on Bioinformatics and Computational Biology, 2003. First International Conference on Bioinformatics and Computational Biology, 2003.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Artigos aceitos para publicação (0)
Apresentações de trabalho (2)
1. HASHIMOTO, R. F. Gene Interactions Modeled by Boolean Networks. 2013. Apresentação de Trabalho/Conferência ou palestra
2. HASHIMOTO, R. F.; HIGA, C. H. A.. Modeling Yeast Cell-Cycle with Context Probabilistic Boolean Network. 2007. Apresentação de Trabalho/Congresso
Demais tipos de produção bibliográfica (1)
1. HASHIMOTO, R. F. Manual do Linux Red Hat 9.0. São Paulo. 2004. Prefácio, Pósfacio/Prefácio
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

Produção técnica

Programas de computador com registro de patente (0)
Programas de computador sem registro de patente (0)
Produtos tecnológicos (0)
Processos ou técnicas (3)
1. TRENT, J. M. ; BITTNER, M. L. ; DOUGHERTY, E. R. ; Jaing, Y. ; HASHIMOTO, R. F.. Methods for Diagnosis and Prognosis of Skin Cancer. 2010.
  [ busca Google | busca Bing ]
2. KAWASHIMA, IRINA YURI ; CUNHA, MARIELTON DOS PASSOS ; HASHIMOTO, R. F.. Como a matemática mostra a relação entre morcegos e novo coronavírus. 2022; Tema:. 2022.Site
  [ busca Google | busca Bing ]
3. KAWASHIMA, IRINA YURI ; CUNHA, MARIELTON DOS PASSOS ; HASHIMOTO, R. F.. Como a matemática mostra a relação entre morcegos e novo coronavírus. 2022; Tema:. 2022.Site
  [ busca Google | busca Bing ]
Trabalhos técnicos (0)
Demais tipos de produção técnica (0)

Produção artística

Total de produção artística (0)

Orientações em andamento

Supervisão de pós-doutorado (1)
1. Shantanu Gupta. . Universidade de São Paulo, Fundação de Amparo à Pesquisa do Estado de São Paulo.. Início: 2021.
  Supervisor: Ronaldo Fumio Hashimoto.
Tese de doutorado (6)
1. Marcos Freitas Parra. Modeling Biological Systems from Single Cell Sequencing Data. Tese (Doutorado em Ciências da Computação) - Universidade de São Paulo, . Início: 2022.
  Orientador: Ronaldo Fumio Hashimoto.
2. Ronaldo Nogueira de Sousa. Seleção Bayesiana de modelos dinâmicos de vias não isoladas de sinalização celular.. Tese (Doutorado em Bioinformática) - Universidade de São Paulo, Fundação de Amparo à Pesquisa do Estado de São Paulo. (Coorientador).. Início: 2020.
  Supervisor: Ronaldo Fumio Hashimoto.
3. Dennis José da Silva. Árvores Morfológicas aplicadas a compressão e vetorização de imagens. Tese (Doutorado em Ciências da Computação) - Universidade de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico. Início: 2018.
  Orientador: Ronaldo Fumio Hashimoto.
4. Irina Yuri Kawashima. Host Prediction Based on Virus-host Genetic Features. Tese (Doutorado em Bioinformática) - Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Início: 2018.
  Orientador: Ronaldo Fumio Hashimoto.
5. Maria Claudia Negret Lopez. Protein Docking Prediction using Graph Convolutional Networks. Tese (Doutorado em Bioinformática) - Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Início: 2018.
  Orientador: Ronaldo Fumio Hashimoto.
6. Salvador Sánchez Vinces. Redes Neurais Generativas Adversárias para uma abordagem multiômica e a sua aplicação no estudo do Complexo Mycobacterium Tuberculosis. Tese (Doutorado em Bioinformática) - Universidade de São Paulo, . Início: 2018.
  Orientador: Ronaldo Fumio Hashimoto.
Dissertação de mestrado (4)
1. Lucas Farina Lima. Papel regulatório dos elementos transponíveis sobre a rede de coexpressão gênica na Doença de Alzheimer. Dissertação (Mestrado em Bioinformática) - Universidade de São Paulo, . Início: 2022.
  Orientador: Ronaldo Fumio Hashimoto.
2. Gabriel Pinheiro Strini Piedade. Análise do Grafo Neutral de Redes Booleanas. Dissertação (Mestrado em Bioinformática) - Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Início: 2022.
  Orientador: Ronaldo Fumio Hashimoto.
3. Lyang Higa Cano. Plasmodium ubiquitin proteasome system network. Dissertação (Mestrado em Bioinformática) - Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Início: 2021.
  Orientador: Ronaldo Fumio Hashimoto.
4. Hector Montenegro Terceros. Reutilizando dicionários para aprofundar a interpretabilidade das definições. Dissertação (Mestrado em Ciências da Computação) - Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Início: 2019.
  Orientador: Ronaldo Fumio Hashimoto.
Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
Trabalho de conclusão de curso de graduação (0)
Iniciação científica (3)
1. Gabriel Ronconi Prada. Multiclassificação por Aprendizagem de Máquina baseado em Segmentos de Reta. Iniciação científica (Graduando em Matemática Computacional) - Universidade Federal de São Paulo, . Início: 2023.
  Orientador: Ronaldo Fumio Hashimoto.
2. Lucca Ciriac Vilhena Oliveira. Aprendizagem de Máquina baseado em Segmentos de Reta pelo método da máxima verossimilhança. Iniciação científica (Graduando em Ciências de Computação) - Universidade de São Paulo, . Início: 2023.
  Orientador: Ronaldo Fumio Hashimoto.
3. Miguel Pereira Ostrowski. Caracterização Topológica de Dinâmica de Redes Biológicas Modeladas por Redes Booleanas. Iniciação científica (Graduando em Ciência da Computação) - Universidade de São Paulo, . Início: 2022.
  Orientador: Ronaldo Fumio Hashimoto.
Orientações de outra natureza (0)

Supervisões e orientações concluídas

Supervisão de pós-doutorado (1)
1. Wonder Alexandre Luz Alves. . Universidade de São Paulo, . 2017.
  Supervisor: Ronaldo Fumio Hashimoto.
Tese de doutorado (8)

Alexandre Morimitsu. Algoritmos e Estruturas de Dados para Hiperárvores de Componentes de Imagens em Níveis de Cinza. Tese (Doutorado em Ciências da Computação) - Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2021.
Orientador: Ronaldo Fumio Hashimoto.
Joel Edu Sanchez Castro. Seleção de Modelos para o Aprendizado de Hipóteses Booleanas. Tese (Doutorado em Ciência da Computação) - Instituto de Matemática e Estatística da USP, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2018.
Orientadores: Junior Barrera, Ronaldo Fumio Hashimoto.
Sérgio Nery Simões. Uma abordagem integrativa usando dados de interação proteína-proteína e estudos genéticos para priorizar genes e funções biológicas em transtorno de déficit de atenção e hiperatividade. Tese (Doutorado em Bioinformática) - Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2015.
Orientador: Ronaldo Fumio Hashimoto.
Wonder Alexandre Luz Alves. Últimos Levelings: Conceitos, propriedades, algoritmos e aplicações em Processamento e Análise de Imagens. Tese (Doutorado em Ciencia da Computacao) - Universidade de São Paulo, . 2015.
Orientador: Ronaldo Fumio Hashimoto.
Leandro de Araujo Lima. Uma abordagem integrativa usando dados de interação proteína-proteína e estudos genéticos para priorizar genes e funções biológicas em transtorno de déficit de atenção e hiperatividade. Tese (Doutorado em Bioinformática) - Universidade de São Paulo, . 2015.
Supervisor: Ronaldo Fumio Hashimoto.
Daniele Yumi Sunaga de Oliveira. Biologia Computacional aplicada para a análise de dados em larga escala. Tese (Doutorado em Ciências Biológicas (Genética)) - Universidade de São Paulo, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2013.
Supervisor: Ronaldo Fumio Hashimoto.
Carlos Henrique Aguena Higa. Inferência de Redes de Regulação Gênica Utilizando o Paradigma de Crescimento de Sementes. Tese (Doutorado em Doutorado em Ciência da Computação) - Instituto de Matemática e Estatística, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2012.
Orientador: Ronaldo Fumio Hashimoto.
Joao Henrique Burckas Ribeiro. Aprendizado Computacional Baseado em Distância a Segmentos de Reta. Tese (Doutorado em Ciencia da Computacao) - Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2009.
Orientador: Ronaldo Fumio Hashimoto.
Dissertação de mestrado (13)

Dennis José da Silva. Contagem incremental de padrões locais em árvores de componentes para cálculo de atributos. Dissertação (Mestrado em Ciências da Computação) - Universidade de São Paulo, . 2017.
Orientador: Ronaldo Fumio Hashimoto.
Alexandre Morimitsu. Computação Incremental e Eficiente de Sequências de Árvores de Componentes. Dissertação (Mestrado em Ciências da Computação) - Universidade de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2015.
Orientador: Ronaldo Fumio Hashimoto.
Alexandre Yukio Harano. Uma nova abordagem para as operações de Transformada de Erosão e Transformada de Dilatação através da união da decomposição de elementos estruturantes. Dissertação (Mestrado em Ciências da Computação) - Universidade de São Paulo, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2013.
Orientador: Ronaldo Fumio Hashimoto.
Joel Edu Sanchez Castro. Decomposição sequencial a partir da sup-representação de W-Operadores. Dissertação (Mestrado em Ciências da Computação) - Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2013.
Orientador: Ronaldo Fumio Hashimoto.
William Lira Ferreira. Análise da Dinâmica de Redes de Regulação Gênica Utilizando GPUs: Uma Ferramenta para o Auxílio no Problema de Inferência de Redes Booleanas. Dissertação (Mestrado em Ciências da Computação) - Universidade de São Paulo, . 2013.
Orientador: Ronaldo Fumio Hashimoto.
Caio Cesar Moreira. Software para Treinamento de Regência em Canto Coral. Dissertação (Mestrado em Ciências da Computação) - Universidade de São Paulo, . 2013.
Orientador: Ronaldo Fumio Hashimoto.
Melline Fontes Noronha. Dinâmica da Fermentação Alcoólica: Aplicação de Redes Booleanas Probabilísticas Sensíveis a Contextona Dinâmica da Expressão Gênica na Linhagem Industrial PE-2 da Saccharomyces cerevisiae durante o Processo Fermentativo. Dissertação (Mestrado em Bioinformática) - Universidade de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2012.
Orientador: Ronaldo Fumio Hashimoto.
Rosario Alejandra Medina Rodriguez. Aspectos Teóricos e Práticos do Classificador Baseado em Segmentos de Retas em Problemas de Multiclassificação. Dissertação (Mestrado em Ciências da Computação) - Universidade de São Paulo, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2012.
Orientador: Ronaldo Fumio Hashimoto.
Tales Pinheiro de Andrade. Interações gênicas usando redes booleanas limiarizadas modeladas como um problema de satisfação de restrições. Dissertação (Mestrado em Ciências da Computação) - Universidade de São Paulo, . 2012.
Orientador: Ronaldo Fumio Hashimoto.
Vitor Hugo Louzada Patricio. Canalização: Fenótipos Robustos como Consequência de Características da Rede de Regulaçào Gênica. Dissertação (Mestrado em Bioinformática) - Universidade de São Paulo, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2011.
Orientador: Ronaldo Fumio Hashimoto.
Wonder Alexandre Luz Alves. Localização de Texto em Imagens de Cenas por meio de Operadores Morfológicos. Dissertação (Mestrado em Mestrado em Ciência da Computação) - Instituto de Matemática e Estatística, . 2010.
Orientador: Ronaldo Fumio Hashimoto.
Anderson Fraiha Machado. Erosões e Dilatações Morfológicas Binárias Seqüenciais Rápidas. Dissertação (Mestrado em Ciências da Computação) - Universidade de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2008.
Orientador: Ronaldo Fumio Hashimoto.
Carlos Henrique Aguena Higa. Coeficiente de Determinação, Predição Intrinsicamente Multivariada e Genética. Dissertação (Mestrado em Ciências da Computação) - Universidade de São Paulo, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2006.
Orientador: Ronaldo Fumio Hashimoto.
Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
Trabalho de conclusão de curso de graduação (3)

Carybé Gonçalves Silva. Segurança de CAPTCHAs além da obscuridade. (Graduação em Ciência da Computação) - Universidade de São Paulo, . 2022.
Orientador: Ronaldo Fumio Hashimoto.
Carine Naomi Imasato. Classificação binária com Segmentos de Retas baseada em Redes Neurais. (Graduação em Matemática Aplicada e Computacional Com Habilitação em Métodos Matemáticos) - Universidade de São Paulo, . 2018.
Orientador: Ronaldo Fumio Hashimoto.
Diego Mira David. Casamento de formas com o descritor shape context. (Graduação em Bacharelado em Ciência da Computação) - Universidade de São Paulo, . 2008.
Orientador: Ronaldo Fumio Hashimoto.
Iniciação científica (10)

Gabriel Pinheiro Stirni Piedade. Phenotypic Neutral Space Analysis for Yeast Cell cycle Boolean Network. (Graduando em Ciências Biológicas - Ênfase em Biologia Evolutiva) - Universidade de São Paulo, . 2021.
Orientador: Ronaldo Fumio Hashimoto.
Ana Elisa Ribeiro Orsi. Determinação da Filogenia Tumoral e Análise de Expressão Gênica Diferenciada em Melanoma. (Graduando em Ciências Moleculares) - Universidade de São Paulo, . 2018.
Orientador: Ronaldo Fumio Hashimoto.
Douglas Luan de Souza. Aprendizagem de Máquina baseado em Segmentos de Reta com estimação de parâmetros pelo método da máxima verossimilhança. (Graduando em Engenharia Elétrica - Ênfase em Computação) - Universidade de São Paulo, . 2018.
Orientador: Ronaldo Fumio Hashimoto.
Thais Lima de Sousa. Técnica de segmentação hierárquica de imagem baseada em grafos com pesos. (Graduando em Ciências de Computação) - Universidade de São Paulo, . 2016.
Orientador: Ronaldo Fumio Hashimoto.
Ricardo Boccoli Gallego. Inferência de Redes Booleanas com Estrutura de Atratores Prescrita como Problema da Satisfação de Restrições. (Graduando em Abi - Engenharia) - Universidade de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2014.
Orientador: Ronaldo Fumio Hashimoto.
Gabriel Rezende Nahas. Busca de Genes Impactantes na Estabilidade de Redes Booleanas. (Graduando em Abi - Engenharia) - Universidade de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2014.
Orientador: Ronaldo Fumio Hashimoto.
Alexandre Morimitsu. Operadores Conexos Aplicados a Localização de Textos em Imagens. (Graduando em Bacharelado em Ciência da Computação) - Universidade de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2011.
Orientador: Ronaldo Fumio Hashimoto.
Denis Takeshita Ikeda. Seleção Não-Supervisionada de Métodos de Binarização para Documentos Históricos. (Graduando em Bacharelado em Ciência da Computação) - Universidade de São Paulo, . 2011.
Orientador: Ronaldo Fumio Hashimoto.
Henrique Stagni. Modelando Ciclo Celular usando Redes Booleanas Probabilísticas Contextuais. (Graduando em Bacharelado em Ciência da Computação) - Universidade de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2008.
Orientador: Ronaldo Fumio Hashimoto.
Alex Minoru Kusano. Projeto de Classificadores Lineares para Reconhecimento de Padrões em Amostras Pequenas. (Graduando em Bacharelado em Ciência da Computação) - Universidade de São Paulo, . 2003.
Orientador: Ronaldo Fumio Hashimoto.
Orientações de outra natureza (0)

Projetos de pesquisa

Total de projetos de pesquisa (13)

2022-Atual. Uso de deep learning e grafos para a predicao da interacao entre alvos de vias celulares relacionadas a celulas cancerosas
Descrição: O câncer é uma doença complexa com grande número de incidências na população mundial, no Brasil, por exemplo, é esperado que surjam 625 mil casos novos por ano. Existem diversos estudos com o objetivo de novas descobertas que possam colaborar para o desenvolvimento de novos tratamentos para diversos tipos de câncer. Pesquisas relacionadas sobre vias de sinalização celular e inibição de proteínas podem ser muito promissoras para novos avanços na pesquisa de futuros novos tratamentos. Nas vias de sinalização, temos a interação entre diversos complexos de proteínas e mudanças pós-traducionais. Elucidar as interações entre diferentes complexos proteina-proteina na via podem ser muito importantes para possíveis estudos para ativar ou inativar vias, podendo ser alvos para tratamentos em diversos tipos de câncer. Para os casos de inibição de proteínas, podemos procurar moléculas que, após a interação com determinado sítio, alterem a estrutura tridimensional da proteína podendo inibir algum efeito não desejado. Com modelos de deep learning e usos de análises de expressão gênica iremos definir alvos de interações entre proteínas em vias que podem tanto serem alvo de estudo sobre a interação entre proteínas, como alvos para a inibição com ligante. Para os casos de interação proteína-proteína, nosso grupo desenvolve um método com o uso de grafos e deep learning para predizer a interação entre duas proteínas. Para os casos de interação proteína ligante, usaremos técnicas de virtual screening para o docking de uma grande quantidade de dados, após sendo ranqueados novamente com o uso de redes neurais. Todos os resultados relevantes serão submetidos a uma validação por dinâmica molecular. Esperamos, ao final, chegar a resultados que possam elucidar novos conhecimentos sobre diversos tipos de câncer relacionados a via de sinalização celular e realizarmos parcerias para testes experimentais dos nossos resultados.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (4) Doutorado: (4) . Integrantes: Ronaldo Fumio Hashimoto - Coordenador / David C Martins - Integrante / Fabio Albuquerque Marchi - Integrante / Marcos Freitas Parra - Integrante / Carlos Reynaldo Portocarrero Tovar - Integrante / Simone Queiroz Pantaleão - Integrante / Maria Claudia Negret Lopez - Integrante / Daniella Bizinelli - Integrante / Rodrigo Cesar Bonini - Integrante / Caio Isaias da Silva Brag - Integrante / Dennis José da Silva - Integrante / Gabriel Pinheiro Strini Piedade - Integrante / Lyang Higa Cano - Integrante / Irina Yuri Kawashima - Integrante / Shantanu Gupta - Integrante. Financiador(es): Laboratório Nacional de Computação Científica - Cooperação.
Membro: Ronaldo Fumio Hashimoto.
2019-Atual. Estatistica de redes: teoria, metodos e aplicacoes
Descrição: A importância da Estatística nas ciências naturais é inquestionável. A Estatística é essencial para analisar dados de forma apropriada e também obter conclusões confiáveis. No entanto, pouco se é conhecido sobre métodos estatísticos formais em grafos e suas propriedades teóricas mesmo com o aumento no número de artigos relacionados com redes do mundo real (por ex., redes funcionais de cérebro, redes de interação proteína-proteína, redes de interação social). Redes são geralmente analisadas usando algoritmos computacionais baseados na teoria do grafos, como cálculo de medidas de centralidades (importância relativa dos vértices e/ou arestas) ou identificação de padrões estruturais (motivos). O principal problema com esta abordagem é o fato de redes do mundo real apresentarem flutuações intrínsecas (ruído aleatório) que os algoritmos tradicionais não levam em consideração. Portanto, métodos com perspectiva estatística podem auxiliar e complementar essas análises. A proposta deste projeto é de desenvolver desde a teoria e métodos estatístico-computacionais para grafos como também aplica-los em dados do mundo real, como as advindas da biologia molecular, neuroimagem e dados cardíacos. O desenvolvimento deste projeto será essencial para obter novos insights, solidificar a cooperação entre os pesquisadores e melhorar a qualidade na pesquisa dos grupos envolvidos. A longo prazo, pretendemos consolidar a área de Estatística de Redes, formar grupos de pesquisadores altamente qualificados, e finalmente, construir um Centro de Estatística de Redes no Brasil. Este centro atuará tanto no desenvolvimento teórico e de novas metodologias quanto nas aplicações em problemas das ciências da saúde.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Ronaldo Fumio Hashimoto - Integrante / David C Martins - Integrante / Fabrício Martins Lopes - Integrante / Andre Fujita - Coordenador / Helder Nakaya - Integrante / João Ricardo Sato - Integrante / João Paulo Papa - Integrante / Claudinei Eduardo Biazoli Jr - Integrante / Daniel Yasumasa Takahashi - Integrante / Abner Cardoso Rodrigues Neto - Integrante / Alexandre Alarcon Steiner - Integrante / Alexandre Galvão Patriota - Integrante / Carlos Alberto Moreira-Filho - Integrante / Elisa Harumi Kozasa - Integrante / Itamar de Souza Santos - Integrante / Joana Bisol Balardin - Integrante / José Carlos Farias Alves-Filho - Integrante / Mari Cleide Sogayar - Integrante / Rodrigo Affonseca Bressan - Integrante / Silvia Yumi Bando Takahara - Integrante / Thiago Mattar Cunha - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
Membro: Ronaldo Fumio Hashimoto.
2017-Atual. Representacoes intermediarias em Ciencia Computacional para descoberta de conhecimento
Descrição: Este projeto centra-se em uma estratégia unificada para descoberta de conhecimento e dinâmicas emergentes em Ciência Computacional usando representações intermediárias. As aplicações pretendidas estão em áreas caracterizadas por extrema abundância de dados, nas quais a descoberta de conhecimento implica na transição das bases de dados brutos para representações intermediárias, usualmente vetores de características e grafos, permitindo assim o emprego subsequente de diferentes métodos analíticos. Nesse contexto, os métodos de integração e transformação a serem utilizados na geração dos dados intermediários também devem garantir a qualidade e confiabilidade dos dados gerados para a representação intermediária. Os resultados da fase de análise podem influenciar tanto os métodos de integração como experimentos para nova geração de dados através de mecanismos de feedback. O presente projeto possui dois objetivos gerais: 1) desenvolver métodos originais para resolver problemas de Ciência Computacional baseadas em uma abordagem comum de representações intermediárias; 2) aplicar os métodos desenvolvidos em problemas específicos. Essa estratégia metodológica será empregada para abordar problemas específicos em áreas de fronteira da Ciência, nos quais nosso grupo tem trabalhado nos últimos anos: representações intermediárias em visão computacional e informática urbana; estudo dinâmico de redes biológicas para caracterizar os mecanismos de transição saúde-doença; desenvolvimento de ferramentas computacionais para processamento de imagens de MRI de alto campo e sua integração com dados biológicos; desenvolvimento de novas técnicas para caracterização e visualização de representações intermediárias em redes complexas dinâmicas, com aplicações em Biologia de Sistemas.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Ronaldo Fumio Hashimoto - Integrante / Roberto Marcondes Cesar Junior - Coordenador / Carlos Alberto Moreira Filho - Integrante / Luciano da Fontoura Costa - Integrante / Nina Sumiko Tomita Hirata - Integrante / Roberto Hirata Junior - Integrante.
Membro: Ronaldo Fumio Hashimoto.
2016-2020. Armazenagem, Modelagem e Analise de Sistemas Dinamicos para Aplicacoes
Descrição: A surpreendente e rápida evolução da tecnologia deu origem a uma nova era de descoberta de conhecimento científico. Essa nova era da ciência, conhecida como e-Science é descrita como uma nova ciência computacional e composta por uma equipe multidisciplinar que exige novas metodologias para o armazenamento, modelagem e análise de dados. Em particular, o desenvolvimento de sistemas de software transacionais e analíticos para aplicações e-Science visto como sistemas dinâmicos apresenta novos desafios computacionais. Entre eles, destacam-se os desafios dos processos de descoberta de conhecimento científico que, na maioria das vezes, envolvem mudanças frequentes de requisitos para armazenagem, modelagem e análise de dados. A necessidade de abordar sistemas dinâmicos científicos para tratar complexas aplicações de e-Science despertou a comunidade científica para a necessidade de sistemas de software robustos e evolutivos para atender a esses novos desafios. Sistema dinâmico é um arcabouço matemático clássico para representar fenômenos que evoluem no tempo e que são de grande interesse na ciência. Neste projeto, nosso principal objetivo é desenvolver modelos computacionais e metodologias para apoiar as aplicações e-Science. Nossa pesquisa fundamental cobre três principais áreas: armazenagem, modelagem e análise de sistemas dinâmicos. Essas áreas de pesquisa são importantes e relevantes para o Programa e-Science FAPESP já que muitos dos desafios atuais de e-Science estão relacionadas ao tratamento adequado dos sistemas dinâmicos. Assim, pretendemos desenvolver e aplicar metodologias computacionais que irão facilitar o desenvolvimento de aplicações e-Science contribuindo assim para a melhoria do conhecimento científico mundial, respeitando as restrições legais e éticas na gestão de dados.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Ronaldo Fumio Hashimoto - Integrante / Junior Barrera - Integrante / Carlos Eduardo Ferreira - Integrante / Leliane Nunes de Barros - Integrante / Joao Eduardo Ferreira - Coordenador / Andre Fujita - Integrante / Marcel Parolin Jackowski - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
Membro: Ronaldo Fumio Hashimoto.
Descrição: A surpreendente e rápida evolução da tecnologia deu origem a uma nova era de descoberta de conhecimento científico. Essa nova era da ciência, conhecida como e-Science é descrita como uma nova ciência computacional e composta por uma equipe multidisciplinar que exige novas metodologias para o armazenamento, modelagem e análise de dados. Em particular, o desenvolvimento de sistemas de software transacionais e analíticos para aplicações e-Science visto como sistemas dinâmicos apresenta novos desafios computacionais. Entre eles, destacam-se os desafios dos processos de descoberta de conhecimento científico que, na maioria das vezes, envolvem mudanças frequentes de requisitos para armazenagem, modelagem e análise de dados. A necessidade de abordar sistemas dinâmicos científicos para tratar complexas aplicações de e-Science despertou a comunidade científica para a necessidade de sistemas de software robustos e evolutivos para atender a esses novos desafios. Sistema dinâmico é um arcabouço matemático clássico para representar fenômenos que evoluem no tempo e que são de grande interesse na ciência. Neste projeto, nosso principal objetivo é desenvolver modelos computacionais e metodologias para apoiar as aplicações e-Science. Nossa pesquisa fundamental cobre três principais áreas: armazenagem, modelagem e análise de sistemas dinâmicos. Essas áreas de pesquisa são importantes e relevantes para o Programa e-Science FAPESP já que muitos dos desafios atuais de e-Science estão relacionadas ao tratamento adequado dos sistemas dinâmicos. Assim, pretendemos desenvolver e aplicar metodologias computacionais que irão facilitar o desenvolvimento de aplicações e-Science contribuindo assim para a melhoria do conhecimento científico mundial, respeitando as restrições legais e éticas na gestão de dados... Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: / Mestrado profissional: (5) / Doutorado: (3) . Integrantes: Leliane Nunes de Barros - Integrante / Karina Valdivia Delgado - Integrante / Ronaldo Fumio Hashimoto - Integrante / Marcel Parolin Jackowski - Integrante / Paulo Sergio Graziano Magalhães - Integrante / Roberto Hirata Junior - Integrante / André Fujita - Integrante / João Eduardo Ferreira - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
Membro: Leliane Nunes de Barros.
2014-2017. Redes Genicas Modeladas como Redes Booleanas Sensiveis a Contexto
Descrição: As reações químicas que resultam na expressão de genes no nível molecular são complexas e ainda não são totalmente compreendidas. Um aspecto importante deste fenômeno é a interação entre os genes. Sabe-se que os genes enviam, recebem e processam informações formando uma complexa rede de comunicação, mas a arquitetura e dinâmica destas redes não são completamente conhecidas, mesmo para os organismos mais simples. Em particular, em redes de regulação gênica, é muito plausível assumir a existência de genes mestres que tenham um amplo poder de regulação sobre outros genes escravos. Neste sentido, uma pequena mudança na expressão destes genes pode levar a uma mudança significativa no comportamento da célula. Dessa forma, os genes mestres podem servir como potenciais alvos terapêuticos. Um outro conceito similar, mas ao mesmo tempo diferente, é o de genes canalizadores. Estes genes têm o poder de restringir, ou canalizar, um sistema a certos estados biológicos. Em especial, estamos interessados em genes canalizadores que em condições normais do sistema não controlam seus escravos, mas que em determinadas situações cruciais do sistema, têm um amplo poder de regulação sobre outros genes de forma que sua ação varre uma larga faixa de processos biológicos. Este tipo de canalização é necessário em muitos sistemas biológicos complexos como uma proteção de efeitos de alterações aleatórias. Feitas estas considerações, este projeto de pesquisa visa estudar os seguintes problemas: (i) inferência de redes Booleanas sensíveis a contexto que seja estáveis a partir de dados biológicos; (ii) busca de genes que sejam impactantes na estabilidade de redes; (iii) modelagem do ciclo celular da levedura usando redes Booleanas sensíveis a contexto; (iv) modelagem de genes mestres em redes Booleanas sensíveis a contexto; (v) modelagem de genes canalizadores em redes Booleanas sensíveis a contexto. A identificação e modelagem de genes mestres e canalizadores, bem como a forma eles atuam e quais genes são por eles controlados, além de inferir redes estáveis, podem ter como consequência um grande impacto na área de saúde pública, tanto no diagnóstico como no tratamento de doenças (como o câncer, por exemplo) que afetam milhares de pessoas. Acreditamos que esta pesquisa é um passo para esta direção.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (1) . Integrantes: Ronaldo Fumio Hashimoto - Coordenador / Ulisses Braga-Neto - Integrante / Carlos Henrique Aguena Higa - Integrante / David C Martins - Integrante / Evaldo A. de Oliveira - Integrante / Fabrício Martins Lopes - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro. Número de produções C, T & A: 3
Membro: Ronaldo Fumio Hashimoto.
2013-2016. NAP-USP - NUSCEP Nucleo de Pesquisa em Sinalizacao Celular na Interacao Patogeno-Hospedeiro
Descrição: O estudo da biologia de parasitas, vírus e príons e de sua interação com o hospedeiro é fundamental para o desenvolvimento de novas estratégias que resultem em avanços nas áreas da saúde pública, agricultura e economia. Embora atualmente ocorra um crescente progresso na elucidação de mecanismos pelos quais os patógenos desenvolvem-se, nosso completo entendimento sobre as bases moleculares e celulares do processo de patogenicidade ainda é escasso. Portanto, o objetivo de se formar o NUSCEP é promover a integração de esforços em três abordagens: 1) caracterização das vias de sinalização e validação de sua relevância no ciclo infeccioso de patógenos a fim de identificar novas estratégias de controle; 2) investigação dos mecanismos pelos quais a resposta imune é modulada pelo patógeno; 3) uso da bioinformática para integração funcional de redes de sinalização dos processos biológicos. A proposta engloba pesquisadores de diferentes áreas, tais como, bioquímica, biologia celular e molecular, imunologia e bioinformática. A integração dessas áreas em torno de questões relevantes aos diversos aspectos da patogenicidade é chave na identificação dos componentes envolvidos em vias de sinalização que regulam interação e desenvolvimento dos patógenos. Nesse sentido nossas pesquisas incluirão estudos com Plasmodium falciparum e Plasmodium vivax, agentes etiológicos da malária humana, HPV, vírus responsável pela progressão do câncer de colo uterino em 99% dos casos relatados e príon, que desempenha papel crucial em encefalopatias espongiformes transmissíveis. Outro aspecto abordado incluirá a modulação da resposta imune na infecção. Tendo-se em vista a complexidade dos problemas, o uso de modelos computacionais será uma ferramenta complementar importante na integração e formação de redes de sinalização. Portanto, o apoio ao NUSCEP trará enormes frutos na formação de recursos humanos, geração de novas ideias e integração de áreas distintas, porém complementares.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Ronaldo Fumio Hashimoto - Integrante / David C Martins - Integrante / Célia Regina da Silva Garcia - Coordenador.
Membro: Ronaldo Fumio Hashimoto.
2011-2016. Tematico-Pronex: Modelos e metodos de e-Science para ciencias da vida e agrarias
Descrição: A ciência moderna é crescentemente interdisciplinar e intensiva em dados. Na área de ciências da vida, por exemplo, com o surgimento de plataformas de alto desempenho para análise de imagens e estudos genômicos, o gargalo não está mais na aquisição de dados, mas sim no seu armazenamento, processamento, análise e visualização. Este cenário levou ao surgimento de um novo campo de pesquisa - eScience - que combina pesquisa avançada em computação e em modelagem matemática para permitir e acelerar pesquisa em outros domínios do conhecimento, desde as ciências exatas até as humanidades e artes. A eScience envolve a chamada "computação centrada em dados" (data-intensive computing), com a busca de soluções para gerenciamento de grandes volumes de dados produzidos por (e para) experimentos científicos, para que a descoberta científica não venha a ser detida pelo "dilúvio de dados". Este projeto visa a criação de uma rede colaborativa de eScience para acelerar pesquisa avançada em ciências da vida (biologia, medicina, oceanografia) e ciências agrárias. Está estruturado em tomo de cinco linhas de pesquisa - biologia de sistemas, planejamento de safras, computação visual, modelagem matemática e bancos de dados. Dentro dessas linhas, serão tratadas questões em aberto associadas às principais componentes de um ambiente de pesquisa em eScience: armazenamento, processamento, análise e visualização de grandes volumes de dados científicos. Os pesquisadores principais têm histórico de cooperação e coordenação de projetos nessas linhas. Questões de interoperalidade permeiam todo o projeto.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Ronaldo Fumio Hashimoto - Integrante / Roberto Marcondes Cesar Junior - Coordenador.
Membro: Ronaldo Fumio Hashimoto.
Descrição: A ciência moderna é crescentemente interdisciplinar e intensiva em dados. Na área de ciências da vida, por exemplo, com o surgimento de plataformas de alto desempenho para análise de imagens e estudos genômicos, o gargalo não está mais na aquisição de dados, mas sim no seu armazenamento, processamento, análise e visualização. Este cenário levou ao surgimento de um novo campo de pesquisa - eScience - que combina pesquisa avançada em computação e em modelagem matemática para permitir e acelerar pesquisa em outros domínios do conhecimento, desde as ciências exatas até as humanidades e artes. A eScience envolve a chamada "computação centrada em dados" (data-intensive computing), com a busca de soluções para gerenciamento de grandes volumes de dados produzidos por (e para) experimentos científicos, para que a descoberta científica não venha a ser detida pelo "dilúvio de dados". Este projeto visa a criação de uma rede colaborativa de eScience para acelerar pesquisa avançada em ciências da vida (biologia, medicina, oceanografia) e ciências agrárias. Está estruturado em tomo de cinco linhas de pesquisa - biologia de sistemas, planejamento de safras, computação visual, modelagem matemática e bancos de dados. Dentro dessas linhas, serão tratadas questões em aberto associadas às principais componentes de um ambiente de pesquisa em eScience: armazenamento, processamento, análise e visualização de grandes volumes de dados científicos. Os pesquisadores principais têm histórico de cooperação e coordenação de projetos nessas linhas. Questões de interoperalidade permeiam todo o projeto.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Roberto Marcondes Cesar Junior - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
Membro: Roberto Marcondes Cesar Junior.
Descrição: A ciência moderna é crescentemente interdisciplinar e intensiva em dados. Na área de ciências da vida, por exemplo, com o surgimento de plataformas de alto desempenho para análise de imagens e estudos genômicos, o gargalo não está mais na aquisição de dados mas sim no seu armazenamento, processamento, análise e visualização. Este cenário levou ao surgimento de um novo campo de pesquisa ? eScience ? que combina pesquisa avançada em computação e em modelagem matemática para permitir e acelerar pesquisa em outros domínios do conhecimento, desde as ciências exatas até as humanidades e artes. A eScience envolve a chamada "computação centrada em dados" (data-intensive computing), com a busca de soluções para gerenciamento de grandes volumes de dados produzidos por (e para) experimentos científicos, para que a descoberta científica não venha a ser detida pelo ?dilúvio de dados?. Este projeto visa a criação de uma rede colaborativa de eScience para acelerar pesquisa avançada em ciências da vida (biologia, medicina, oceanografia) e ciências agrárias. Está estruturado em torno de cinco linhas de pesquisa ? biologia de sistemas, planejamento de safras, computação visual, modelagem matemática e bancos de dados. Dentro dessas linhas, serão tratadasquestões em aberto associadas às principais componentes de um ambiente de pesquisa em eScience: armazenamento, processamento, análise e visualização de grandes volumes de dados científicos. Os pesquisadores principais têm histórico de cooperação e coordenação de projetos nessas linhas. Questões de interoperabilidade permeiam todo o projeto. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Roberto Hirata Junior - Integrante / Junior Barrera - Integrante / Roberto Marcondes César Junior - Coordenador / Alexandre Xavier Falcão - Integrante / Luciano da Fontoura Costa - Integrante / Cláudia Maria Bauzer Medeiros - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
Membro: Roberto Hirata Junior.
2011-2013. Integracao de Dados na Biologia Sistemica: Caracterizacao de Fenomenos Biologicos a partir de Informacoes Estruturais e Funcionais
Descrição: The purpose of this project is to develop a modeling that allows: a) analysis of gene expressions and GRNs inference; b) generation of techniques for integration of biological data with the intention of characterization and identification of the biological process; c) integration between the functional analysis and structural analysis. In this sense, it is expected in this project the development of a software environment for the integration of several biological data sources in different levels, allowing to investigate the relationship between biological network structure and its biological function.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (2) Doutorado: (1) . Integrantes: Ronaldo Fumio Hashimoto - Coordenador / Roberto Marcondes Cesar Junior - Integrante / David C Martins - Integrante / Helena P. Brentani Samaia - Integrante / Fabrício Martins Lopes - Integrante / Marie-Anne Van Sluys - Integrante / Sérgio Nery Simões - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Número de produções C, T & A: 1
Membro: Ronaldo Fumio Hashimoto.
2008-2012. Predicao Intrinsecamente Multivariada e Redes Booleanas Probabilisticas Contextuais
Descrição: As reações químicas que resultam na expressão de genes no nível molecular são complexas e ainda não são totalmente compreendidas. Um aspecto importante deste fenômeno é a interação entre os genes. Sabe-se que os genes enviam, recebem e processam informações formando uma complexa rede de comunicação. Em particular, em algumas rede de comunicação, é conhecido o fato de existirem genes mestres que têm um amplo poder de regulação sobre outros genes escravos. A existência desses genes mestres que podem restringir, ou canalizar, um sistema a certos estados biológicos particulares foi originalmente proposta por Conrad Waddington em 1942. Tais genes mestres são chamados de genes canalizadores. Como é de se esperar, a análise de um sistema complexo e altamente integrado para identificar tais genes canalizadores a partir de amostras de dados biológicos tais como microarrays é uma tarefa bastante difícil. Recentemente, em um trabalho desenvolvido a partir de observações de genes canalizadores, introduzimos o conceito de genes de predição intrinsicamente multivariada e descrevemos analiticamente suas propriedades. O modelo de genes IMP captura a idéia de canalização de um sistema biológico com respeito a genes que podem forçar ações corretivas amplas em processos celulares. Um dos objetivos deste projeto de pesquisa é fazer uma extensão deste estudo para obter características que são cruciais para produzir genes IMPs em redes de regulação gênica. Posteriormente o intuito é avançarmos a pesquisa para encontrar métodos que identifiquem redes Booleanas probabilísticas contextuais que contenham genes IMPs a partir de dados biológicos tais como microarrays.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (3) Doutorado: (1) . Integrantes: Ronaldo Fumio Hashimoto - Coordenador / Edward R Dougherty - Integrante / Michael L Bittner - Integrante / Ulisses Braga-Neto - Integrante / Roberto Marcondes Cesar Junior - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
Membro: Ronaldo Fumio Hashimoto.
2007-2009. Modelando e Inferindo Ciclo Celular usando Redes Booleanas Probabilisticas Contextuais
Descrição: Uma complexa rede molecular é responsável pelo processo de ciclo celular que divide uma célula em duas filhas. Com o intuito de modelar e entender o processo do ciclo celular, uma atenção considerável tem sido dada ao ciclo celular da levedura. Em particular, um modelo que tem chamado muita atenção no estudo de redes gênicas é o modelo de redes Booleanas probabilísticas contextuais que essencialmente é uma coleção finita de redes Boolenas com pertubação (BNp). Uma BNp é uma rede Booleana onde cada gene pode aleatoriamente mudar (trocar) seu valor a cada instante de tempo com uma pequena probabilidade de pertubação. Este projeto tem um objetivo $(i)$ estudar e propor um novo modelo estocástico para o ciclo celular da levedura usando redes Booleanas probabilísticas contextuais mais robusto e estável que o modelo de Zhang et al. e $(ii)$ propor um algoritmo dentro do modelo de redes Booleanas probabilísticas contextuais que a partir de dados de microarray do ciclo celular da levedura, encontre mais genes e/ou mais interações gênicas para serem acrescentados à rede de regulação modelado por Li et al. Espera-se com esta pesquisa, avançar nestes dois pontos para estudo e modelagem posterior de outros processos biológicos.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Doutorado: (1) . Integrantes: Ronaldo Fumio Hashimoto - Coordenador / Roberto Hirata Jr. - Integrante / Carlos Henrique Aguena Higa - Integrante / Nina S. T. Hirata - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro. Número de produções C, T & A: 2
Membro: Ronaldo Fumio Hashimoto.
2006-2011. Modelagem por redes (grafos) e tecnicas de reconhecimento de padroes: estrutura, dinamica e aplicacoes
Descrição: Dentre os desafios enfrentados atualmente pela pesquisa em reconhecimento de padrões, cabe ressaltar três linhas fundamentais: (a) problemas em que elementos devem ser descritos estruturalmente através de uma rede indicando conexões entre tais elementos; (b) problemas envolvendo a evolução da informação ao longo de alguma variável independente (e.g. tempo, no caso de seqüências de vídeo); (c) problemas envolvendo ambos aspectos, i.e. uma rede de elementos cuja dinâmica evolui ao longo de alguma variável independente. O presente projeto temático, unindo os grupos de visão do IME-USP e IFSC-USP, além de pesquisadores colaboradores de outras instituições, prevê o estudo, desenvolvimento e aplicação de técnicas de reconhecimento de padrões com esses três itens formando o tema de integração da pesquisa. Além da área de reconhecimento de padrões, o projeto inclui técnicas e problemas de visão computacional, processamento de imagens e de sinais e bioinformática, todas sendo áreas de trabalho dos pesquisadores proponentes. As atividades de pesquisa tratarão de aspectos de reconhecimento de padrões e de redes em ambas direções: (1) utilização de técnicas de reconhecimento de padrões para auxiliar na análise de redes em aplicações específicas; (2) desenvolvimento de técnicas de reconhecimento de padrões baseadas em redes. Esta linha de pesquisa incluirá a utilização de grafos em reconhecimento estrutural de padrões e raciocínio espacial. Os métodos em tais abordagens são marcados pelo fato que a tarefa de reconhecimento não envolve apenas os objetos em uma imagem, mas igualmente as relações entre tais objetos. Parte da importância da utilização dessas relações advém do fato que tais relações são frequentemente mais estáveis nas cenas que muitas propriedades dos objetos em si. Em particular, pretende-se explorar técnicas que descrevem a estrutura dos elementos em imagens através de grafos. Nesse caso, a rede é formada por elementos de uma imagem cujos arcos representam relaçõe. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (7) Doutorado: (5) . Integrantes: Ronaldo Fumio Hashimoto - Integrante / Junior Barrera - Integrante / Roberto Hirata Jr. - Integrante / Roberto Marcondes Cesar Junior - Coordenador / Nina S. T. Hirata - Integrante / luciano da Fountoura Costa - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
Membro: Ronaldo Fumio Hashimoto.
Descrição: Reconhecimento estrutural de padrões.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (0) / Mestrado profissional: (0) / Doutorado: (0) . Integrantes: Roberto Marcondes Cesar Junior - Coordenador / L. da F. Costa - Integrante / J Barrera - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
Membro: Roberto Marcondes Cesar Junior.
Descrição: Dentre os desafios enfrentados atualmente pela pesquisa em reconhecimento de padrões, cabe ressaltar três linhas fundamentais: (a) problemas em que elementos devem ser descritos estruturalmente através de uma rede indicando conexões entre tais elementos; (b) problemas envolvendo a evolução da informação ao longo de alguma variável independente (e.g. tempo, no caso de seqüências de vídeo); (c) problemas envolvendo ambos aspectos, i.e. uma rede de elementos cuja dinâmica evolui ao longo de alguma variável independente. O presente projeto temático, unindo os grupos de visão do IME-USP e IFSC-USP, além de pesquisadores colaboradores de outras instituições, prevê o estudo, desenvolvimento e aplicação de técnicas de reconhecimento de padrões com esses três itens formando o tema de integração da pesquisa. Além da área de reconhecimento de padrões, o projeto inclui técnicas e problemas de visão computacional, processamento de imagens e de sinais e bioinformática, todas sendo áreas de trabalho dos pesquisadores proponentes. As atividades de pesquisa tratarão de aspectos de reconhecimento de padrões e de redes em ambas direções: (1) utilização de técnicas de reconhecimento de padrões para auxiliar na análise de redes em aplicações específicas; (2) desenvolvimento de técnicas de reconhecimento de padrões baseadas em redes. Esta linha de pesquisa incluirá a utilização de grafos em reconhecimento estrutural de padrões e raciocínio espacial. Os métodos em tais abordagens são marcados pelo fato que a tarefa de reconhecimento não envolve apenas os objetos em uma imagem, mas igualmente as relações entre tais objetos. Parte da importância da utilização dessas relações advém do fato que tais relações são frequentemente mais estáveis nas cenas que muitas propriedades dos objetos em si. Em particular, pretende-se explorar técnicas que descrevem a estrutura dos elementos em imagens através de grafos. Nesse caso, a rede é formada por elementos de uma imagem cujos arcos representam relaçõe. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (7) Doutorado: (5) . Integrantes: Roberto Hirata Junior - Integrante / Nina Sumiko Tomita Hirata - Integrante / Ronaldo Fumio Hashimoto - Integrante / Roberto Marcondes César Junior - Coordenador / Luciano da Fontoura Costa - Integrante.
Membro: Roberto Hirata Junior.
2004-2006. Coeficiente de Determinacao, Redes Booleanas Probabilisticas e Regulacao Genica
Descrição: A tecnologia de "microarrays" tem se mostrado como uma importante ferramenta para a pesquisa genética envolvendo uma grande quantidade de genes. Um problema chave na análise de expressão de genes, a partir de dados provenientes de "microarrays", envolve a predição da expressão de um gene alvo em termos da expressão de outros genes preditores. O coeficiente de determinação (CoD) tem sido usado para medir a qualidade de tais predições. Uma situação particular de configuração de CoDs define o que chamamos de genes de predição intrinsicamente multivariada. Recentemente, um novo modelo foi proposto na direção de fornecer uma visão integrada de como os genes se interagem: Rede Booleana Probabilística (PBN). Como este modelo tem grande potencialidade para explicar a interação de genes dentro de uma célula, é de fundamental importância um estudo em detalhes no sentido de entender resultados experimentais biológicos já conhecidos e/ou fornecer novas hipóteses para verificação experimental. Este projeto de pesquisa tem como interesse principal estudar problemas relacionados com CoDs e com PBNs. Dentre estes problemas, podemos citar (i) o desenvolvimento de algoritmos eficientes para encontrar genes de predição intrinsicamente multivariada; (ii) a procura por genes de predição intrinsicamente multivariada que poderiam levar a descobertas de importantes processos biológicos em determinados organismos ou em certos tipos de câncer; (iii) o estudo para encontrar uma possível relação entre arquitetura de PBNs e CoDs e (iv) a construção de pequenas PBNs a partir de subconjuntos de genes (genes iniciais) envolvidos em relevantes processos biológicos para descobrir novos genes em "pathways" relacionados com os genes iniciais.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) Doutorado: (1) . Integrantes: Ronaldo Fumio Hashimoto - Coordenador / Edward R Dougherty - Integrante / Michael L Bittner - Integrante / Carlos Henrique Aguena Higa - Integrante / Sandro Pereira Vilela - Integrante. Financiador(es): Texas A & M University - Cooperação / Translational Genomics Research Institute - Cooperação / Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Número de produções C, T & A: 1
Membro: Ronaldo Fumio Hashimoto.
2003-2005. Redes Booleanas Probabilisticas e Bioinformatica
Descrição: Um problema chave e importante na análise de expressão de genes a partir de dados provinientes de "microarrays" que pretendemos pesquisar envolve a predição da expressão de um gene em termos da expressão de outros genes. O problema de predição consiste em determinar se um determinado gene está ligado ("up-regulated") ou desligado ("down-regulated") em dependência dos estados ligado e desligado de outros genes. É conhecido na literatura que os coeficientes de determinação (CoDs) [] são uma forma de medir a qualidade de tais predições. Neste trabalho pretendemos estudar algoritmos para a computação e ordenação de CoDs estimados (a partir de dados de "microarrays"). Recentemente, um novo modelo foi proposto na direção de fornecer uma visão integrada de como os genes se interagem: Rede Booleana Probabilística. Como este modelo tem grande potencialidade para explicar a interação de genes dentro de uma célula, tencionamos estudá-lo em detalhes no sentido de entender resultados experimentais biológicos já conhecidos e/ou fornecer novas hipóteses para verificação experimental.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) . Integrantes: Ronaldo Fumio Hashimoto - Coordenador / Carlos Henrique Aguena Higa - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro. Número de produções C, T & A: 1
Membro: Ronaldo Fumio Hashimoto.

Prêmios e títulos

Total de prêmios e títulos (5)

Prêmio de melhor Poster (Shortest Paths Ranking Methodology to Identify Alterations in PPI Networks of Complex Diseases), ACM Conference on Bioinformatics, Computational Biology and Biomedicine (ACM-BCB 2012).. 2012.
Membro: Ronaldo Fumio Hashimoto.
10 melhores dissertações de mestrado em Ciência da Computação (como orientador), XXII Concurso de Teses e Dissertações da SBC (CTD 2009).. 2009.
Membro: Ronaldo Fumio Hashimoto.
Terceiro Lugar na Olimpiadas USP de Inovacao, Agencia USP de Inovaçao.. 2008.
Membro: Ronaldo Fumio Hashimoto.
Prêmio de melhor Poster (Considerations on Using COD for Inference of Gene Regulation Networks), The 4th International Conference of The AB3C (XMeeting 2008).. 2008.
Membro: Ronaldo Fumio Hashimoto.
Bolsa UOL de Pesquisa, UOL (Universo On Line).. 2007.
Membro: Ronaldo Fumio Hashimoto.

Participação em eventos

Total de participação em eventos (29)

International Conference on Discrete Geometry for Computer Imagery (DGCI 2019). Minimal Component-Hypertrees. 2019. (Congresso).
International Symposium on Mathematical Morphology (ISMM 2019).Incremental Attribute Computation in Component-Hypertrees. 2019. (Simpósio).
WB2016 - Workshop de Bioinformática da UTFPR.Uma abordagem de integração de dados de redes de interação proteína-proteína e expressão gênica para priorizar genes relacionados a doenças complexas.. 2016. (Oficina).
International Symposium on Mathematical Morphology (ISMM 2015). Scale-Space Representation Based on Levelings Through Hierarchies of Level Sets. 2015. (Congresso).
International Symposium on Mathematical Morphology (ISMM 2015). Incremental and Efficient Computation of Families of Component Trees. 2015. (Congresso).
XMeeting 2015 - 11th International Conference of th AB3C. 2015. (Congresso).
2014 IEEE International Conference on Image Processing (ICIP). Ultimate Grain Filter. 2014. (Congresso).
11th International Symposium on Mathematical Morphology.Analytical Solutions for the Minkowski Addition Equation. 2013. (Simpósio).
ACM Conference on Bioinformatics, Computational Biology and Biomedicine. A Monte Carlo Approach to Measure the Robustness of Boolean Networks. 2012. (Congresso).
ACM Conference on Bioinformatics, Computational Biology and Biomedicine. Shortest Paths Ranking Methodology to Identify Alterations in PPI Networks of Complex Diseases. 2012. (Congresso).
9th IEEE International Workshop on Genomic Signal Processing and Statistics (GENSIPS).Improvement of GNs inference through biological data integration. 2011. (Oficina).
9th IEEE International Workshop on Genomic Signal Processing and Statistics (GENSIPS).The effect of certain Boolean functions in stability of networks with varying topology. 2011. (Oficina).
Microsoft Research Latin American Faculty Summit 2011. 2011. (Encontro).
Workshop Anual do Instituto Virtual FAPESP-Microsoft Research.Data Integration in Systems Biology: Characterization of Biological Phenomena from Structural and Functional Information. 2011. (Oficina).
6th International Symposium on Bioinformatics Research and Applications.Analysis of Gene Interactions using Restricted Boolean Networks and Time-Series Data. 2010. (Simpósio).
GENSIPS 2009.Revealing Temporal Genetic Regulatory Networks from Steady-State Distributions. 2009. (Oficina).
XXII Brazilian Symposium on Computer Graphics and Image Processing. Jump-Miss Binary Erosion Algorithm. 2009. (Congresso).
XXIX Congresso da Sociedade Brasileira de Computação. Erosões e Dilatações Morfológicas. 2009. (Congresso).
SIBGRAPI 2008. A New Training Algorithm for Pattern Recognition Technique Based on Straight Line Segments. 2008. (Congresso).
X Meeting 2008. Cell-Cycle Process and Regulatory Power of Canalizing Genes Modeled by Context-Sensitive Probabilistic Boolean Networks. 2008. (Congresso).
International Symposium on Mathematical Morphology.Efficient Binary Erosion Algorithm Based on a String-Matching-Like Technique. 2007. (Simpósio).
X Meeting 2007. Modeling Yeast Cell-Cycle with Context Probabilistic Boolean Network. 2007. (Congresso).
Fifth International Conference on Machine Learning and Applications (ICMLA 2006). A New Machine Learning Technique Based on Straight Line Segments. 2006. (Congresso).
Searching for Genes Involved in Novel Mechanisms of Tumor Cell Death Triggered by FGF2: Introducing New Methodological Approaches. 14th Annual International Conference on Intelligent Systems for Molecular Biology (ISMB 2006). 2006. (Congresso).
X Meeting 2005. Intrinsically Multivariately Predictive Genes. 2005. (Congresso).
International Congress on Bioinformatics and Computational Biology. Building Small Subnetworks from Seed Genes. 2004. (Congresso).
International Conference on Bioinformatics and Computational Biology. Feature Selection Based on Incremental Determinations. 2003. (Congresso).
First Workshop on Probabilistic Boolean Networks in Genomic Signal Processing.Design of Probabilistic Boolean Networks from Seed Networks. 2002. (Oficina).
Photonics West 2002 - Image Processing: Algorithms and Systems. Granulometric Classifiers from Small Samples. 2002. (Congresso).

Organização de eventos

Total de organização de eventos (5)

HASHIMOTO, R. F.; MITRA, P. ; SWARNKAR, T.. International Conference on Ambient Intelligence in Health Care (ICAIHC 2022). 2022. Congresso
HASHIMOTO, R. F.. XMeeting 2015 - 11th International Conference of th AB3C. 2015. (Congresso).. . 0.
Hashimoto, Ronaldo F. 10th IEEE International Conference on e-Science 2014. 2014. (Congresso).. . 0.
HASHIMOTO, R. F.. 15th Iberoamerican Congress on Pattern Recognition (CIARP 2010). 2010. (Congresso).. . 0.
HASHIMOTO, R. F.. Simpósio Internacional de Iniciação Científica da Universidade de São Paulo. 2006. (Congresso).. . 0.

Lista de colaborações

Colaborações endôgenas (7)

Ronaldo Fumio Hashimoto ⇔ Junior Barrera (13.0)
TREPODE, N. W. ; ARMELIN, H. A. ; BITTNER, M. L. ; BARRERA, J. ; GUBITOSO, M. D. ; HASHIMOTO, R. F.. A Robust Structural PGN Model for Control of Cell-Cycle Progression Stabilized by Negative Feedbacks. EURASIP Journal on Bioinformatics and Systems Biology (Online). v. 2007, p. 73109-73120, issn: 1687-4153, 2007.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: Não identificado (EURASIP JOURNAL ON BIOINFORMATICS AND SYSTEMS BIOLOGY (ONLINE))
SILVA, Paulo J S ; HASHIMOTO, Ronaldo F ; KIM, Seungchan ; BARRERA, Junior ; BRANDÃO, Leônidas O ; SUH, Edward ; DOUGHERTY, Edward R. Feature Selection Algorithms to Find Strong Genes. Pattern Recognition Letters. v. 26, n. 10, p. 1444-1453, issn: 0167-8655, 2005.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: A2
HASHIMOTO, R. F. ; BARRERA, Junior. A Greedy Algorithm for Decomposing Convex Structuring Elements. Journal of Mathematical Imaging and Vision. v. 18, n. 3, p. 269-289, issn: 0924-9907, 2003.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: A1
HASHIMOTO, R. F. ; BARRERA, Junior. A Note on Park and Chin´s Algorithm. IEEE Transactions on Pattern Analysis and Machine Intelligence. v. 24, n. 1, p. 139-144, issn: 0162-8828, 2002.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: Não identificado (IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE)
HIRATA JR, R. ; BARRERA, Junior ; HASHIMOTO, Ronaldo F ; DANTAS, D. O. ; ESTEVES, G. P.. Segmentation of Microarray Images by Mathematical Morphology. Real-Time Imaging. v. 8, n. 6, p. 491-505, issn: 1077-2014, 2002.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: Não identificado (REAL-TIME IMAGING)
BARRERA, Junior; HASHIMOTO, R. F.. From the Sup-Decomposition to Sequential Decompositions. Journal of Mathematical Imaging and Vision. v. 15, n. 3, p. 197-216, issn: 0924-9907, 2001.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: A1
BARRERA, Junior; HASHIMOTO, R. F.. Sup-Compact and Inf-Compact Representations of W-Operators. Fundamenta Informaticae. v. 45, n. 4, p. 283-294, issn: 0169-2968, 2001.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: A2
HASHIMOTO, Ronaldo F ; BARRERA, Junior ; FERREIRA, C. E.. A Combinatorial Optimization Technique for the Sequential Decomposition of Erosions and Dilations. Journal of Mathematical Imaging and Vision. v. 13, n. 1, p. 17-33, issn: 0924-9907, 2000.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: A1
CASTRO, J. E. S. ; HASHIMOTO, Ronaldo F ; BARRERA, Junior. Analytical Solutions for the Minkowski Addition Equation. Em: ISMM 2013 - Mathematical Morphology and its applications to Signal and Image Processing, v. 7883, p. 61-72, 2013.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: Não identificado (ISMM 2013 - Mathematical Morphology and its applications to Signal and Image Processing)
BARRERA, Junior; HASHIMOTO, R F. Binary Decision Diagrams as a New Paradigm for Morphological Machines. Em: INTERNATIONAL SYMPOSIUM ON MATHEMATICAL MORPHOLOGY, v. 15, p. 3-12, 2005.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: Não identificado (INTERNATIONAL SYMPOSIUM ON MATHEMATICAL MORPHOLOGY)
BALAGURUNATHAN, Y. ; HASHIMOTO, R.F. ; KIM, S. ; BARRERA, Junior ; DOUGHERTY, E.R.. Granulometric Classifiers from Small Samples. Em: PHOTONICS WEST 2002, v. 4667, p. 100-107, 2002.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: Não identificado (PHOTONICS WEST 2002)
HIRATA JR, R. ; BARRERA, Junior ; HASHIMOTO, Ronaldo F ; DANTAS, D. O.. Microarray Gridding by Mathematical Morphology. Em: INTERNATIONAL SYMPOSIUM ON COMPUTER GRAPHICS, v. 1, p. 112-119, 2001.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: Não identificado (INTERNATIONAL SYMPOSIUM ON COMPUTER GRAPHICS)
HASHIMOTO, R F ; BARRERA, Junior ; DOUGHERTY, E R. From the Sup-Decomposition to a Sequential Decomposition. Em: International Symposium on Mathematical Morphology, p. 13-22, 2000.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: Não identificado (International Symposium on Mathematical Morphology)

Ronaldo Fumio Hashimoto ⇔ Roberto Marcondes Cesar Junior (4.0)
LOPES, FABRÍCIO M. ; RAY, SHUBHRA SANKAR ; HASHIMOTO, RONALDO F. ; CESAR, ROBERTO M.. Entropic Biological Score: a cell cycle investigation for GRNs inference. Gene (Amsterdam). v. 541, p. 129-137, issn: 0378-1119, 2014.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: A4
Martins, David C. ; DE OLIVEIRA, EVALDO A. ; BRAGA-NETO, ULISSES M. ; HASHIMOTO, RONALDO F. ; Cesar, Roberto M.. Signal Propagation in Bayesian Networks and its Relationship with Intrinsically Multivariate Predictive Variables. Information Sciences. v. 225, p. 18-34, issn: 0020-0255, 2013.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: A1
VICENTE, FÁBIO FR ; LOPES, FABRÍCIO M ; HASHIMOTO, RONALDO F ; Cesar, Roberto M. Assessing the Gain of Biological Data Integration in Gene Networks Inference. BMC Genomics. v. 13, p. 1-12, issn: 1471-2164, 2012.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: A2
MARTINS, D. C. ; OLIVEIRA, E. A. ; SILVA, P. J. S. ; HASHIMOTO, R. F. ; CESAR JUNIOR, R. M.. Revealing Temporal Genetic Regulatory Networks from Steady-State Distributions. Em: IEEE International Workshop on Genomic Signal Processing and Statistics - GENSIPS, p. 1-4, 2009.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: Não identificado (IEEE International Workshop on Genomic Signal Processing and Statistics - GENSIPS)

Ronaldo Fumio Hashimoto ⇔ Roberto Hirata Junior (3.0)
BARRERA, JUNIOR ; HASHIMOTO, RONALDO F. ; HIRATA, Nina S. T. ; HIRATA, R. ; REIS, MARCELO S.. From Mathematical Morphology to machine learning of image operators. SÃO PAULO JOURNAL OF MATHEMATICAL SCIENCES. v. 16, p. 616-657, issn: 1982-6907, 2022.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: B3
HIRATA JR, R. ; BARRERA, Junior ; HASHIMOTO, Ronaldo F ; DANTAS, D. O. ; ESTEVES, G. P.. Segmentation of Microarray Images by Mathematical Morphology. Real-Time Imaging. v. 8, n. 6, p. 491-505, issn: 1077-2014, 2002.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: Não identificado (REAL-TIME IMAGING)
HIRATA JR, R. ; BARRERA, Junior ; HASHIMOTO, Ronaldo F ; DANTAS, D. O.. Microarray Gridding by Mathematical Morphology. Em: INTERNATIONAL SYMPOSIUM ON COMPUTER GRAPHICS, v. 1, p. 112-119, 2001.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: Não identificado (INTERNATIONAL SYMPOSIUM ON COMPUTER GRAPHICS)

Ronaldo Fumio Hashimoto ⇔ Nina Sumiko Tomita Hirata (2.0)
BARRERA, JUNIOR ; HASHIMOTO, RONALDO F. ; HIRATA, Nina S. T. ; HIRATA, R. ; REIS, MARCELO S.. From Mathematical Morphology to machine learning of image operators. SÃO PAULO JOURNAL OF MATHEMATICAL SCIENCES. v. 16, p. 616-657, issn: 1982-6907, 2022.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: B3
HIGA, C. H. A. ; HASHIMOTO, R. F. ; HIRATA JR., R. ; HIRATA, Nina S. T. ; SANTOS, C. S.. Inference of Gene Regulatory Network using Temporal Coefficient of Determination Obtained from Ergodic Markov Chains. Em: IEEE International Workshop on Genomic Signal Processing and Statistics, p. 1-4, 2009.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: Não identificado (IEEE International Workshop on Genomic Signal Processing and Statistics)

Ronaldo Fumio Hashimoto ⇔ Carlos Eduardo Ferreira (1.0)
HASHIMOTO, Ronaldo F ; BARRERA, Junior ; FERREIRA, C. E.. A Combinatorial Optimization Technique for the Sequential Decomposition of Erosions and Dilations. Journal of Mathematical Imaging and Vision. v. 13, n. 1, p. 17-33, issn: 0924-9907, 2000.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: A1

Ronaldo Fumio Hashimoto ⇔ Guilherme Oliveira Mota (1.0)
LIMA, LEANDRO DE A. ; SIMOES, SERGIO NERY ; HASHIMOTO, RONALDO FUMIO ; JUNIOR, DAVID C. MARTINS ; BRENTANI, HELENA ; MOTA, GUILHERME O.. Network-Based Disease Gene Prioritization by Hitting Time Analysis. Em: 2014 IEEE International Conference on Bioinformatics and Bioengineering (BIBE), p. 9-14, 2014.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: Não identificado (2014 IEEE International Conference on Bioinformatics and Bioengineering (BIBE))

Ronaldo Fumio Hashimoto ⇔ Leônidas de Oliveira Brandão (1.0)
SILVA, Paulo J S ; HASHIMOTO, Ronaldo F ; KIM, Seungchan ; BARRERA, Junior ; BRANDÃO, Leônidas O ; SUH, Edward ; DOUGHERTY, Edward R. Feature Selection Algorithms to Find Strong Genes. Pattern Recognition Letters. v. 26, n. 10, p. 1444-1453, issn: 0167-8655, 2005.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: A2

(*) Relatório criado com produções desde 2000 até 2024
Data de processamento: 22/04/2024 18:50:40

Relatório gerado por scriptLattes V8.11. Os resultados estão sujeitos a falhas devido a inconsistências no preenchimento dos CVs Lattes. E-mail de contato: webmaster@ime.usp.br