Mais uma boa notícia direto do Brazilian Symposium on Databases (SBBD): nosso artigo recebeu o prêmio de Melhor Artigo do XX Brazilian e-Science Workshop (BreSci 2026)! 🏆
🇧🇷 pt-br
Mais uma boa notícia direto do Brazilian Symposium on Databases (SBBD): nosso artigo recebeu o prêmio de Melhor Artigo do XX Brazilian e-Science Workshop (BreSci 2026)! 🏆
"Mineração de Subárvores Frequentes em Árvores Filogenéticas usando Conjuntos de Itens Frequentes Maximais" é fruto do trabalho de João Vitor Moraes e Layse Gomes Castro, em parceria com Isabel Rosseti e Daniel de Oliveira, todos do Instituto de Computação UFF.
O ponto de partida é que métodos diferentes produzem árvores filogenéticas distintas a partir dos mesmos dados, e as árvores de consenso — a saída usual — acabam por esconder conflitos topológicos.
O PhyloTreeMiner propõe uma alternativa ao consenso: minerar subárvores frequentes, identificando padrões topológicos recorrentes com base no valor de suporte. Modelamos o problema como mineração de conjuntos de itens frequentes maximais (FPMax), o que reduz o custo computacional, e armazenamos os resultados no Neo4j, permitindo consultas que combinam topologia e metadados.
Parabéns, João Vitor e Layse — o prêmio é de vocês! 👏
📄 Artigo: https://lnkd.in/ddQNTUFB
#BreSci2026 #eScience #Filogenia #Bioinformática #DataMining #Neo4j #UFF
🇺🇸 en-us
More good news from Brazilian Symposium on Databases (SBBD): our paper received the Best Paper Award at the XX Brazilian e-Science Workshop (BreSci 2026)! 🏆
"Frequent Subtree Mining in Phylogenetic Trees using Maximal Frequent Itemsets" is the work of João Vitor Moraes and Layse Gomes Castro, together with Isabel Rosseti and Daniel de Oliveira, all from IC/UFF.
Different methods produce different phylogenetic trees from the same dataset, and consensus trees—the usual way out—tend to hide topological conflicts and discard relevant evolutionary signal.
PhyloTreeMiner offers an alternative to consensus: mining frequent subtrees to identify recurring topological patterns based on support values. We model the problem as maximal frequent itemset mining (FPMax), which substantially reduces the computational cost, and store the results in Neo4j, enabling queries that combine topology and metadata.
Congratulations, João Vitor and Layse — this award is yours! 👏
📄 Paper: https://lnkd.in/ddQNTUFB
#BreSci2026 #eScience #Phylogenetics #Bioinformatics #DataMining #Neo4j #UFF