Preditor híbrido de estruturas terciárias de proteínas

Página do item simplificado
dc.contributor.advisor1Soares, Telma Woerle de Lima
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/6296363436468330
dc.contributor.referee1Soares , Telma Woerle de Lima
dc.contributor.referee2Camilo Junior , Celso Gonoalves
dc.contributor.referee3Vieira, Flávio Henrique Teles
dc.contributor.referee4Delbem, Alexandre Cláudio Botazzo
dc.contributor.referee5Faccioli, Rodrigo Antônio
dc.creatorAlmeida, Alexandre Barbosa de
dc.creator.Latteshttp://lattes.cnpq.br/7859736022337264
dc.date.accessioned2023-10-16T14:41:07Z
dc.date.available2023-10-16T14:41:07Z
dc.date.issued2023-08-10
dc.description.abstractProteins are organic molecules composed of chains of amino acids and play a variety of essential biological functions in the body. The native structure of a protein is the result of the folding process of its amino acids, with their spatial orientation primarily determined by two dihedral angles (φ, ψ). This work proposes a new hybrid method for predicting the tertiary structures of proteins called hyPROT, combining techniques of Multi-objective Evolutionary Algorithm optimization (MOEA), Molecular Dynamics, and Recurrent Neural Networks (RNNs). The proposed approach investigates the evolutionary profile of dihedral angles (φ, ψ) obtained by different MOEAs during the minimization process of the objective function by dominance and energy minimization by molecular dynamics. This proposal is unprecedented in the protein prediction literature. The premise under investigation is that the evolutionary profile of dihedrals may be concealing relevant patterns about folding mechanisms. To analyze the evolutionary profile of angles (φ, ψ), RNNs were used to abstract and generalize the specific biases of each MOEA. The selected MOEAs were NSGAII, BRKGA, and GDE3, and the objective function investigated combines the potential energy from non-covalent interactions and the solvation energy. The results obtained show that the hyPROT was able to reduce the RMSD value of the best prediction generated by the MOEAs individually by at least 33%. Predicting new series for dihedral angles allowed for the formation of histograms, indicating the formation of a possible statistical ensemble responsible for the distribution of dihedrals (φ, ψ) during the folding processeng
dc.description.provenanceSubmitted by Dayane Basílio (dayanebasilio@ufg.br) on 2023-10-05T15:18:29Z workflow start=Step: editstep - action:claimaction No. of bitstreams: 2 license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Tese - Alexandre Barbosa de Almeida - 2023.pdf: 30979813 bytes, checksum: 5bf2c79c8c372303f043e90de76caa6e (MD5)en
dc.description.provenanceStep: editstep - action:editaction Approved for entry into archive by Luciana Ferreira(lucgeral@gmail.com) on 2023-10-16T14:41:07Z (GMT)en
dc.description.provenanceMade available in DSpace on 2023-10-16T14:41:07Z (GMT). No. of bitstreams: 2 license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Tese - Alexandre Barbosa de Almeida - 2023.pdf: 30979813 bytes, checksum: 5bf2c79c8c372303f043e90de76caa6e (MD5) Previous issue date: 2023-08-10en
dc.description.resumoProteínas são moléculas orgânicas compostas por cadeias de aminoácidos e desempenham uma variedade de funções biológicas essenciais no organismo. A estrutura nativa de uma proteína é resultante do processo de enovelamento (folding) de seus aminoácidos, cuja orientação espacial é principalmente determinada por dois ângulos diedros (φ, ψ). Este trabalho propõe um novo método híbrido de predição de estruturas terciárias de proteínas denominado hyPROT, combinando técnicas de otimização de Algoritmos Evolutivos Multiobjetivo (MOEA), Dinâmica Molecular e Redes Neurais Recorrentes (RNN). A proposta apresentada investiga o perfil evolutivo dos ângulos diedros (φ, ψ) obtidos por diferentes MOEAs durante o processo de minimização da função objetivo por dominância e de minimização da energia por dinâmica molecular. Esta proposta é inédita na literatura de predição de proteínas. A premissa investigada é a de que o perfil evolutivo dos diedros pode estar ocultando padrões relevantes acerca dos mecanismos do folding. Para analisar o perfil evolutivo dos ângulos (φ, ψ) foram utilizadas RNNs a fim de abstrair e generalizar os vieses particulares de cada MOEA. Os MOEAs selecionados foram o NSGAII, BRKGA e GDE3, onde foi investigada a função objetivo composta pela energia potencial das interações não-covalentes e a energia de solvatação. Os resultados obtidos mostram que o hyPROT foi capaz de reduzir em, pelo menos, 33% o valor do RMSD da melhor predição gerada pelos MOEAs individualmente. A predição de novas séries para os ângulos diedros possibilitou a formação de histogramas, indicando a formação de um possível ensemble estatístico como responsável pela distribuição dos diedros (φ, ψ) durante o processo de folding.
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES
dc.identifier.citationALMEIDA, A. B. Preditor híbrido de estruturas terciárias de proteínas. 2023. 148 f. Tese (Doutorado em Ciência da Computação) - Instituto de Informática, Universidade Federal de Goiás, Goiânia, 2023.
dc.identifier.urihttp://repositorio.bc.ufg.br/tede/handle/tede/13057
dc.languagepor
dc.publisherUniversidade Federal de Goiás
dc.publisher.countryBrasil
dc.publisher.departmentInstituto de Informática - INF (RG)
dc.publisher.initialsUFG
dc.publisher.programPrograma de Pós-graduação em Ciência da Computação (INF)
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internationalen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectPredição de estruturas terciárias de proteínaspor
dc.subjectPSP machine learningpor
dc.subjectPSP multiobjetivopor
dc.subjectProtein tertiary structure predicitoneng
dc.subjectPSP multiobjective optimization.eng
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
dc.titlePreditor híbrido de estruturas terciárias de proteínas
dc.title.alternativeHybrid predictor of protein tertiary structureseng
dc.typeTese

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
Tese - Alexandre Barbosa de Almeida - 2023.pdf
Tamanho:
29.54 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Doutorado em Ciência da Computação