Algoritmos evolutivos para predição de estruturas de proteínas

Abstract

Dedico este trabalho a minha família. Agradecimentos A toda a minha família pelo carinho e apoio recebidos, em especial a minha mãe, meu pai, meu irmão e minha tia Nilce pelo apoio nanceiro e emocional sem o qual o desenvolvimento deste trabalho não teria sido possível. Ao meu orientador Prof. Dr. Alexandre Cláudio Botazzo Delbem, pelo apoio e orientação neste projeto e por tudo que aprendi com ele para desenvolver uma boa pesquisa. Ao Prof. Dr. Fernando Federson pela amizade, apoio, conselhos e seu tempo depreendido em me auxiliar em algumas diculdades encontradas durante o desenvolvimento deste trabalho. Aos amigos, pela amizade oferecida, em especial as minhas amigas de república, durante dois anos e meio, Andréa, Carol e Carla pelos momentos compartilhados juntas e por terem me auxiliado sempre no que podiam. Ao amigo do mestrado em Engenharia Elétrica-USP, Rodrigo, pelo auxílio no desenvolvimento deste trabalho e pela sua amizade. Ao amigo Paulo pela amizade e pelo auxílio no desenvolvimento de algumas etapas deste trabalho. Ao Anderson pelo apoio emocial, pela paciência comigo nos momentos tensos de término deste trabalho e pelo auxílio na escrita e desenvolvimento de algumas imagens utilizadas neste trabalho. Aos Profs. Dr. Carlos Fischer e Ivan Rizzo pela sua orientação e sugestões durante meus projetos de iniciação cientíca e de conclusão de curso que deram origem ao desenvolvimento deste trabalho. Ao CNPQ, pelo fundamental suporte nanceiro dispensado à execução desta pesquisa. Resumo A Determinação da Estrutura tridimensional de Proteínas (DEP) a partir da sua seqüência de aminoácidos é importante para a engenharia de proteínas e o desenvolvimento de novos fármacos. Uma alternativa para este problema tem sido a aplicação de técnicas de computação evolutiva. As abordagens utilizando Algoritmos Evolutivos (AEs) tem obtido resultados relevantes, porém estão restritas a pequenas proteínas, com dezenas de aminoácidos e a algumas classes de proteínas. Este trabalho propõe a investigação de uma abordagem utilizando AEs para a predição da estrutura terciária de proteínas independentemente do seu tamanho e classe. Os resultados obtidos demonstram que apesar das diculdades encontradas a abordagem investigada constitue-se em uma alternativa em relação aos métodos clássicos de determinação da estrutura terciária das proteínas.

Algoritmos Genéticos Com Função De Avaliação Dinâmica Para O Problema De Predição De Estruturas De Proteínas

“…Os motivos principais desta dificuldade são dois: primeiro, a existência de um número extremamente grande de soluções possíveis e de ótimos locais; segundo, a escolha de uma função de avaliação pertinente à tarefa de otimização da estrutura da proteína. Desta forma, diversas técnicas foram empregadas para tentar promover melhorias nos AGs utilizados no problema de PEP, como por exemplo: manutenção da diversidade da população [7]; inserção de conhecimento no AG [8]; uso de otimização multi-objetivo [9]; soluções híbridas de hill-climbing e AG [10] e remoção de gêmeos na população do AG [11].…”

Algoritmo evolutivo de muitos objetivos para predição ab initio de estrutura de proteínas

“…Primeiramente, a Seção 5.1.1 descreve o algoritmo ProtPred [120,122,72,18], uma abordagem puramente ab initio. A Seção 5.2 propõe AEMTs para o problema PSP apresentando as etapas de desenvolvimento do método.…”

“…O algoritmo ProtPred foi proposto em 2006 [120] e foi implementado inicialmente usando a abordagem mono-objetivo (chamada mono-ProtPred), isto é, avaliando as soluções a partir de uma função ponderação das energias. Em seguida, estendeu-se o mesmo utilizando um método multiobjetivo, o NSGA-II 4.3.3.…”

“…No contexto de PSP puramente ab initio, um conjunto de trabalhos tem mostrado que Algoritmos Evolutivos Multiobjetivos (AEMOs) podem contribuir significativamente [79,81,80,120,122,123,121,72,71,29,28,25,27,7,18,26]. A otimização multiobjetivo mostra que, além do espaço de busca (todas as combinações de valores possíveis das variáveis de um problema), há o espaço das funções objetivo.…”

“…Este trabalho busca avançar em relação ao projeto de um AEMO que gerou o método ProtPred [120,122,123,121,72,71,29,28,25,27,7,18,26]. O ProtPred, inclui uma abordagem mono-objetivo (mono-ProPred) e outra multi-objetiva (NSGA-ProtPred) baseada no AEMO denominado NSGA-II [122] (do inglês, Non-dominated Sorting Genetic Algorithm).…”