Predição da agregação de proteínas utilizando aprendizagem de máquina

• Ano de defesa: 2018
• Autor(a) principal: Moreira, Carlos Alves
• Orientador(a): Scott, Ana Lígia Barbour
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do ABC
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia da Informação
• Link de acesso: http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=111289&midiaext=76504; http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=111289&midiaext=76504/index.php?codigo_sophia=111289&midiaext=76503

A expectativa de vida média da população mundial vem crescendo gradualmente, acompanhada de doenças neurodegenerativas como: Parkinson, Alzheimer, Esclerose Lateral Amiotrófica, Diabetes Tipo II, doença de Huntington e Atrofia Muscular Espinhal. Atualmente, gastam-se bilhões de dólares com o tratamento dessas doenças, o que destaca a importância e a necessidade de investir esforços no estudo e entendimento dos mecanismos moleculares envolvidos. Apesar de um número significativo de pesquisas conduzidas, essas patologias e os mecanismos moleculares envolvidos não estão completamente compreendidos até esse momento. Essas doenças degenerativas geralmente envolvem algum tipo de processo de agregação de proteínas, que são macromoléculas envolvidas no processo biológico e cuja função depende de sua estrutura tridimensional (3D) ou conformação nativa. O estudo dos mecanismos moleculares que levam à agregação pode ajudar no desenvolvimento de medicamentos e terapias. Existem diversos trabalhos que investigam a possibilidade de predição de regiões propensas à agregação na proteína. Alguns desses trabalhos fazem uso de métodos computacionais baseando-se em dados experimentais. O uso de técnicas de Aprendizagem de Máquina (AM) vem sendo utilizado com bastante êxito na área de bioinformática na busca de padrões, classificações e predições de dados. Esse trabalho de mestrado teve como objetivo principal, o desenvolvimento de uma ferramenta de predição de regiões da proteína propensas à agregação, baseando-se na sequência primária da proteína e utilizando técnicas de Aprendizagem de Máquina. No decorrer do projeto foram estudados os processos envolvidos com o folding proteico, o fenômeno da agregação de proteínas, algumas características físico-químicas, alguns métodos de predição de propensão de agregação de proteínas, algumas bases de dados de proteínas disponíveis, bem como algoritmos e ferramentas de Aprendizagem de Máquina (AM). Com base nesses estudos foi desenvolvido então o aplicativo MAGRE, como o objetivo de efetuar a predição de regiões propensas à agregação da proteína utilizando técnicas de Aprendizagem de Máquina. Os resultados obtidos foram comparados com alguns preditores encontrados na literatura como o Aggrescan e o Zyggregator e demonstraram índices de acertos relevantes na predição de regiões propensas a agregação de proteínas.