AMP-Identifier : uma ferramenta baseada em aprendizado de máquina capaz de identificar peptídeos antimicrobianos em dados genômicos

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: ARAGÃO, Madson Allan de Luna
Orientador(a): ISEPPON, Ana Maria Benko
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso embargado
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
Programa de Pós-Graduação: Programa de Pos Graduacao em Genetica e Biologia Molecular
Departamento: Não Informado pela instituição
País: Brasil
Palavras-chave em Português:
AMPs
Defensina
Genômica
Ricinus communis
Algoritmo
Software
Link de acesso: https://repositorio.ufpe.br/handle/123456789/64239
Resumo: Peptídeos antimicrobianos (AMPs, do inglês Antimicrobial Peptides) são moléculas chave na defesa de diversos organismos na luta contra patógenos. Este estudo explorou os potenciais na identificação e caracterização de AMPs em dados genômicos e transcriptômicos, sendo divido em dois capítulos. No capítulo I, explorou- se a identificação de assinaturas moleculares de AMPs e no desenvolvimento de uma ferramenta, o AMP-Identifier, baseada em modelos de aprendizado de máquina para análise e prospecção dessas moléculas em dados genômicos. Para tal, modelos de aprendizado de máquina (SVM, KNN, Random Forest, Árvore de Decisão, Naive Bayes e Redes Neurais) foram treinados com dados previamente rotulados com dados físico-químicos. Os resultados obtidos sugerem eficácia na classificação de AMPs com destaque para os modelos baseados em Redes Neurais (acurácia = 90% e precisão = 92%) e SVM (acurácia = 90% e precisão = 88%). Esses resultados abrem novas vias para a prospecção de novas biomoléculas em dados ômicos ainda não explorados. No capítulo II, cinco novas defensinas (RcDef1-5) foram identificadas no genoma de R. communis e caracterizadas por meio de ferramentas de bioinformática, análises físico-químicas e modelagem molecular. As RcDef apresentaram características típicas de AMPs, como carga líquida positiva e baixo peso molecular. A análise transcriptômica revelou a expressão de quatro defensinas e a presença de múltiplas isoformas. A RcDef1 demonstrou expressão diferencial em resposta a diferentes estresses, sendo reprimida por salinidade e induzida por infecção fúngica e injúria. A modelagem molecular dos homodímeros de RcDef revelou estruturas catiônicas em pinça, possivelmente envolvidas na interação com alvos moleculares de patógenos. De forma geral, este estudo em sua essência contribui para a descoberta de novos AMPs e para a compreensão de seu papel, especialmente na defesa de plantas, com potencial aplicação no desenvolvimento de novas estratégias para controle de doenças e desenvolvimento de antimicrobianos, além de propor novas abordagens para a exploração de biomoléculas em dados genômicos.
id UFPE_a1ab49dad44ff67adce1dbbcdee88aea
oai_identifier_str oai:repositorio.ufpe.br:123456789/64239
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str
spelling ARAGÃO, Madson Allan de Lunahttp://lattes.cnpq.br/0893799887546498http://lattes.cnpq.br/7796654028353519http://lattes.cnpq.br/3295949147368703http://lattes.cnpq.br/7394341362881575ISEPPON, Ana Maria BenkoSILVA, Carlos André dos SantosBEZERRA NETO, João Pacífico2025-07-09T13:59:30Z2025-07-09T13:59:30Z2024-07-26ARAGÃO, Madson Allan de Luna. AMP-Identifier : uma ferramenta baseada em aprendizado de máquina capaz de identificar peptídeos antimicrobianos em dados genômicos. Dissertação (Mestrado em Genética e Biologia Molecular) - Universidade Federal de Pernambuco, Recife, 2024.https://repositorio.ufpe.br/handle/123456789/64239Peptídeos antimicrobianos (AMPs, do inglês Antimicrobial Peptides) são moléculas chave na defesa de diversos organismos na luta contra patógenos. Este estudo explorou os potenciais na identificação e caracterização de AMPs em dados genômicos e transcriptômicos, sendo divido em dois capítulos. No capítulo I, explorou- se a identificação de assinaturas moleculares de AMPs e no desenvolvimento de uma ferramenta, o AMP-Identifier, baseada em modelos de aprendizado de máquina para análise e prospecção dessas moléculas em dados genômicos. Para tal, modelos de aprendizado de máquina (SVM, KNN, Random Forest, Árvore de Decisão, Naive Bayes e Redes Neurais) foram treinados com dados previamente rotulados com dados físico-químicos. Os resultados obtidos sugerem eficácia na classificação de AMPs com destaque para os modelos baseados em Redes Neurais (acurácia = 90% e precisão = 92%) e SVM (acurácia = 90% e precisão = 88%). Esses resultados abrem novas vias para a prospecção de novas biomoléculas em dados ômicos ainda não explorados. No capítulo II, cinco novas defensinas (RcDef1-5) foram identificadas no genoma de R. communis e caracterizadas por meio de ferramentas de bioinformática, análises físico-químicas e modelagem molecular. As RcDef apresentaram características típicas de AMPs, como carga líquida positiva e baixo peso molecular. A análise transcriptômica revelou a expressão de quatro defensinas e a presença de múltiplas isoformas. A RcDef1 demonstrou expressão diferencial em resposta a diferentes estresses, sendo reprimida por salinidade e induzida por infecção fúngica e injúria. A modelagem molecular dos homodímeros de RcDef revelou estruturas catiônicas em pinça, possivelmente envolvidas na interação com alvos moleculares de patógenos. De forma geral, este estudo em sua essência contribui para a descoberta de novos AMPs e para a compreensão de seu papel, especialmente na defesa de plantas, com potencial aplicação no desenvolvimento de novas estratégias para controle de doenças e desenvolvimento de antimicrobianos, além de propor novas abordagens para a exploração de biomoléculas em dados genômicos.Antimicrobial peptides (AMPs) are key molecules in the defense of various organisms against pathogens. This study explored the potential for identifying and characterizing AMPs in genomic and transcriptomic data, and is divided into two chapters. In chapter I, were explored the identification of molecular signatures of AMPs and the development of a tool, AMP-Identifier, based on machine learning models for the analysis and prospecting of these molecules in genomic data. For this purpose, machine learning models (SVM, KNN, Random Forest, Decision Tree, Naive Bayes, and Neural Networks) were trained with previously labeled data with physicochemical data. The results obtained suggest efficacy in the classification of AMPs, with emphasis on the models based on Neural Networks (accuracy = 90% and precision = 92%) and SVM (accuracy = 90% and precision = 88%). These results open new avenues for prospecting new biomolecules in unexplored omics data. In chapter II, five new defensins (RcDef1-5) were identified in the R. communis genome and characterized using bioinformatics tools, physicochemical analyses, and molecular modeling. RcDefs showed typical characteristics of AMPs, such as positive net charge and low molecular weight. Transcriptomic analysis revealed the expression of four defensins and the presence of multiple isoforms. RcDef1 showed differential expression in response to different stresses, being repressed by salinity and induced by fungal infection and injury. Molecular modeling of RcDef homodimers revealed cationic clamp structures, possibly involved in the interaction with molecular targets of pathogens. Overall, this study contributes to the discovery of new AMPs and to the understanding of their role, especially in plant defense, with potential application in the development of new strategies for disease control and the development of antimicrobials, in addition to proposing new approaches for the exploration of biomolecules in genomic data.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Genetica e Biologia MolecularUFPEBrasilhttps://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/embargoedAccessAMPsDefensinaGenômicaRicinus communisAlgoritmoSoftwareAMP-Identifier : uma ferramenta baseada em aprendizado de máquina capaz de identificar peptídeos antimicrobianos em dados genômicosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEORIGINALDISSERTAÇÃO Madson Allan de Luna Aragão.pdfDISSERTAÇÃO Madson Allan de Luna Aragão.pdfapplication/pdf53140578https://repositorio.ufpe.br/bitstream/123456789/64239/1/DISSERTA%c3%87%c3%83O%20Madson%20Allan%20de%20Luna%20Arag%c3%a3o.pdfcb6f848bdb98a8cc106a19d4adfbdb36MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82362https://repositorio.ufpe.br/bitstream/123456789/64239/2/license.txt5e89a1613ddc8510c6576f4b23a78973MD52TEXTDISSERTAÇÃO Madson Allan de Luna Aragão.pdf.txtDISSERTAÇÃO Madson Allan de Luna Aragão.pdf.txtExtracted texttext/plain229687https://repositorio.ufpe.br/bitstream/123456789/64239/3/DISSERTA%c3%87%c3%83O%20Madson%20Allan%20de%20Luna%20Arag%c3%a3o.pdf.txta7c5adb8df969df866593a22384b68a3MD53THUMBNAILDISSERTAÇÃO Madson Allan de Luna Aragão.pdf.jpgDISSERTAÇÃO Madson Allan de Luna Aragão.pdf.jpgGenerated Thumbnailimage/jpeg1337https://repositorio.ufpe.br/bitstream/123456789/64239/4/DISSERTA%c3%87%c3%83O%20Madson%20Allan%20de%20Luna%20Arag%c3%a3o.pdf.jpg98e71da9ffda2c824455640379e486feMD54123456789/642392025-07-13 14:38:13.863oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212025-07-13T17:38:13Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv AMP-Identifier : uma ferramenta baseada em aprendizado de máquina capaz de identificar peptídeos antimicrobianos em dados genômicos
title AMP-Identifier : uma ferramenta baseada em aprendizado de máquina capaz de identificar peptídeos antimicrobianos em dados genômicos
spellingShingle AMP-Identifier : uma ferramenta baseada em aprendizado de máquina capaz de identificar peptídeos antimicrobianos em dados genômicos
ARAGÃO, Madson Allan de Luna
AMPs
Defensina
Genômica
Ricinus communis
Algoritmo
Software
title_short AMP-Identifier : uma ferramenta baseada em aprendizado de máquina capaz de identificar peptídeos antimicrobianos em dados genômicos
title_full AMP-Identifier : uma ferramenta baseada em aprendizado de máquina capaz de identificar peptídeos antimicrobianos em dados genômicos
title_fullStr AMP-Identifier : uma ferramenta baseada em aprendizado de máquina capaz de identificar peptídeos antimicrobianos em dados genômicos
title_full_unstemmed AMP-Identifier : uma ferramenta baseada em aprendizado de máquina capaz de identificar peptídeos antimicrobianos em dados genômicos
title_sort AMP-Identifier : uma ferramenta baseada em aprendizado de máquina capaz de identificar peptídeos antimicrobianos em dados genômicos
author ARAGÃO, Madson Allan de Luna
author_facet ARAGÃO, Madson Allan de Luna
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/0893799887546498
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/7796654028353519
dc.contributor.advisor-coLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/3295949147368703
http://lattes.cnpq.br/7394341362881575
dc.contributor.author.fl_str_mv ARAGÃO, Madson Allan de Luna
dc.contributor.advisor1.fl_str_mv ISEPPON, Ana Maria Benko
dc.contributor.advisor-co1.fl_str_mv SILVA, Carlos André dos Santos
BEZERRA NETO, João Pacífico
contributor_str_mv ISEPPON, Ana Maria Benko
SILVA, Carlos André dos Santos
BEZERRA NETO, João Pacífico
dc.subject.por.fl_str_mv AMPs
Defensina
Genômica
Ricinus communis
Algoritmo
Software
topic AMPs
Defensina
Genômica
Ricinus communis
Algoritmo
Software
description Peptídeos antimicrobianos (AMPs, do inglês Antimicrobial Peptides) são moléculas chave na defesa de diversos organismos na luta contra patógenos. Este estudo explorou os potenciais na identificação e caracterização de AMPs em dados genômicos e transcriptômicos, sendo divido em dois capítulos. No capítulo I, explorou- se a identificação de assinaturas moleculares de AMPs e no desenvolvimento de uma ferramenta, o AMP-Identifier, baseada em modelos de aprendizado de máquina para análise e prospecção dessas moléculas em dados genômicos. Para tal, modelos de aprendizado de máquina (SVM, KNN, Random Forest, Árvore de Decisão, Naive Bayes e Redes Neurais) foram treinados com dados previamente rotulados com dados físico-químicos. Os resultados obtidos sugerem eficácia na classificação de AMPs com destaque para os modelos baseados em Redes Neurais (acurácia = 90% e precisão = 92%) e SVM (acurácia = 90% e precisão = 88%). Esses resultados abrem novas vias para a prospecção de novas biomoléculas em dados ômicos ainda não explorados. No capítulo II, cinco novas defensinas (RcDef1-5) foram identificadas no genoma de R. communis e caracterizadas por meio de ferramentas de bioinformática, análises físico-químicas e modelagem molecular. As RcDef apresentaram características típicas de AMPs, como carga líquida positiva e baixo peso molecular. A análise transcriptômica revelou a expressão de quatro defensinas e a presença de múltiplas isoformas. A RcDef1 demonstrou expressão diferencial em resposta a diferentes estresses, sendo reprimida por salinidade e induzida por infecção fúngica e injúria. A modelagem molecular dos homodímeros de RcDef revelou estruturas catiônicas em pinça, possivelmente envolvidas na interação com alvos moleculares de patógenos. De forma geral, este estudo em sua essência contribui para a descoberta de novos AMPs e para a compreensão de seu papel, especialmente na defesa de plantas, com potencial aplicação no desenvolvimento de novas estratégias para controle de doenças e desenvolvimento de antimicrobianos, além de propor novas abordagens para a exploração de biomoléculas em dados genômicos.
publishDate 2024
dc.date.issued.fl_str_mv 2024-07-26
dc.date.accessioned.fl_str_mv 2025-07-09T13:59:30Z
dc.date.available.fl_str_mv 2025-07-09T13:59:30Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv ARAGÃO, Madson Allan de Luna. AMP-Identifier : uma ferramenta baseada em aprendizado de máquina capaz de identificar peptídeos antimicrobianos em dados genômicos. Dissertação (Mestrado em Genética e Biologia Molecular) - Universidade Federal de Pernambuco, Recife, 2024.
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/64239
identifier_str_mv ARAGÃO, Madson Allan de Luna. AMP-Identifier : uma ferramenta baseada em aprendizado de máquina capaz de identificar peptídeos antimicrobianos em dados genômicos. Dissertação (Mestrado em Genética e Biologia Molecular) - Universidade Federal de Pernambuco, Recife, 2024.
url https://repositorio.ufpe.br/handle/123456789/64239
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/embargoedAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv embargoedAccess
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.publisher.program.fl_str_mv Programa de Pos Graduacao em Genetica e Biologia Molecular
dc.publisher.initials.fl_str_mv UFPE
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
bitstream.url.fl_str_mv https://repositorio.ufpe.br/bitstream/123456789/64239/1/DISSERTA%c3%87%c3%83O%20Madson%20Allan%20de%20Luna%20Arag%c3%a3o.pdf
https://repositorio.ufpe.br/bitstream/123456789/64239/2/license.txt
https://repositorio.ufpe.br/bitstream/123456789/64239/3/DISSERTA%c3%87%c3%83O%20Madson%20Allan%20de%20Luna%20Arag%c3%a3o.pdf.txt
https://repositorio.ufpe.br/bitstream/123456789/64239/4/DISSERTA%c3%87%c3%83O%20Madson%20Allan%20de%20Luna%20Arag%c3%a3o.pdf.jpg
bitstream.checksum.fl_str_mv cb6f848bdb98a8cc106a19d4adfbdb36
5e89a1613ddc8510c6576f4b23a78973
a7c5adb8df969df866593a22384b68a3
98e71da9ffda2c824455640379e486fe
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1862741901955825664

Registros relacionados