Diversos pesquisadores têm se utilizado do recurso de Redes de Interação na área de Biodiversidade para analisar o papel das espécies na estrutura da uma rede cujos fundamentos conceituais são os mesmos das Redes Sociais (como Facebook, LinkedIn, entre outras). Nesse sentido, algoritmos, métricas e recursos computacionais e estatísticos provenientes da área de Análise de Redes Sociais (Social Network Analysis SNA) são ferramentas importantes para endereçar/apoiar estudos com interações. Assim sendo, o objetivo desta tese é propor uma metodologia para aplicação das métricas de SNA em estudos com Redes de Interação biológicas no domínio da Informática para a Biodiversidade. A metodologia está formalizada por meio da Notação para Modelagem de Processos de Negócio (BPMN - Business Process Model and Notation) e estruturada em quatro etapas: (i) mapeamento dos tipos de dados e de interação disponíveis; (ii) definição das perguntas-chave a serem respondidas e das variáveis de análise; (iii) escolha das métricas de SNA adequadas ao contexto da pesquisa; e (iv) realização de análises biológicas com o apoio de SNA. Como recursos materiais foram utilizadas as métricas de SNA, bem como um conjunto de ferramentas computacionais (como os pacotes do R e os programas Dieta, Pajek e Ucinet) e de Análise Estatística (como a Análise Exploratória de Dados e a Análise Multivariada de Dados). Esta proposta nasceu de um processo de colaboração com pesquisadores de diversas áreas do conhecimento, a partir de projetos desenvolvidos no Núcleo de Pesquisa em Biodiversidade e Computação da USP (BioComp-USP), o que trouxe uma base de sustentação a esta metodologia. Para avaliar a adequação desta proposta a necessidades reais de pesquisa a metodologia foi aplicada a três estudos de caso com Redes de Interação microbiológicas. Os resultados mostram os benefícios que a disponibilização de um método sistematizado para guiar os passos de uma pesquisa pode trazer a um pesquisador seja em função do aporte de recursos recomendados, seja pelo processo de organização das atividades de pesquisa. Além disso, verifica-se a possibilidade de transposição desta proposta a outros domínios do conhecimento ainda não explorados, como em Agrobiodiversidade.

Several researchers have used Interaction Networks resources in the Biodiversity area for analyzing the role of species in network structure their conceptual foundations are the same as those in Social Networks (such as Facebook, LinkedIn, among others). Thus, algorithms, metrics, and statistical and computational resources from the Social Network Analysis (SNA) area are important tools for addressing this issue. Therefore, the aim of this thesis is to propose a methodology for applying SNA metrics to biological interaction network studies in the Biodiversity Informatics domain. The methodology is formalized by means of Business Process Model and Notation (BPMN) and structured in four steps: (i) mapping the data types and the interaction available; (ii) defining the key-questions to be answered and the analysis variable; (iii) choosing the SNA metrics appropriate to the context of the research; and (iv) performing the biological analysis with the support of SNA. As material resources, the SNA metrics were used, as well as a set of computational (such as R packages, Dieta, Pajek and Ucinet software) and Statistical Analysis (Exploratory Data Analysis and Multivariate Data Analysis) tools. This proposal generated a process collaboration with researchers from different knowledge areas, by means of projects developed at the Research Center on Biodiversity and Computing at USP (BioComp-USP), which provided a support base to this methodology. To assess the suitability of this proposal to the real research needs, it was applied to three case studies with microbiological Interaction Networks. The results show the benefits that providing a systematic method to guide the steps of one research can bring to a researcher be it due to the support of the resources recommended, be it by the organization of the research activities. In addition, there is the possibility of applying this methodology to unexplored knowledge fields, such as Agrobiodiversity.