O objetivo deste trabalho é apresentar os métodos originais em Bioinformática desenvolvidos para a análise estatística na interpretação dos dados de duas técnicas baseadas em imagens: a técnica de microarranjos de DNA e a técnica de ressonância magnética funcional. O interesse principal é abordar essas técnicas experimentais quando enfrenta-se uma situação clara de amostras escassas, isto é, quando existem relativamente poucas observações experimentais do fenômeno estudado, sendo a análise individual/personalizada o representante extremo desta situação, que tem que ser resolvida. Para tanto, opta-se pelo uso da Inferência Bayesiana no contexto da Teoria da Decisão sob Incerteza, implementada computacionalmente sob o arcabouço dos Sistemas de Suporte à Decisão. Ambas as tecnologias estudadas produzem dados complexos, baseados na interpretação das diferenças entre imagens obtidas da resposta do sistema a um estímulo e da resposta numa situação controle. O resultado deste trabalho é o desenvolvimento de dois sistemas de suporte à decisão, chamados HTself e Dotslashen, para a análise de dados de microarranjos e ressonância magnética funcional, respectivamente; e de seus métodos matemáticos/computacionais subjacentes. Os sistemas desenvolvidos extraem conhecimento racional de bancos-de-dados normativos, através de modelos matemáticos específicos, contornando então o problema de amostras escassas. Finalmente, neste trabalho são descritas aplicações a problemas reais, para destacar a utilidade dos sistemas de suporte à decisão desenvolvidos nas áreas de Biologia Molecular e Neuroimagem Funcional.

The goal of this work is to present the novel Bioinformatics methods that were developed aiming the statistical analysis of two image-based techniques: DNA microarrays and functional magnetic resonance imaging. The main interest is to approach these experimental techniques in small sample size situations, i.e., when there are relatively few experimental observations of the phenomena of interest, for which the case of single subject/datum analysis is its most extreme. In order to approach these problems we chose to use Bayesian Inference in the context of the Decision Theory under Uncertainty, computationally implemented under the Decision Support Systems framework. Both technologies produce complex data, based on the interpretation of differences between images from the response to a given stimulus and the control situation. The result of this work is the development of two decision support systems, called HTself and Dotslashen, to analyze microarray and functional magnetic resonance imaging data, respectively; and the underling mathematical and computational methods. These systems use the rational knowledge from normative databases implemented in specific mathematical models, overcoming the problem of small sample size. Finally, in this work it is described applications to real problems in order to stress the utility for Molecular Biology and Functional Neuroimaging of the developed decision support systems.