Multi objective and diversity guided success history based adaptive differential Evolution approaches for the Tertiary Protein Structure Prediction Problem

• Ano de defesa: 2021
• Autor(a) principal: Narloch, Pedro Henrique
• Orientador(a): Dorn, Márcio
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Palavras-chave em Português: Predição de estrutura de proteínas; Bioinformática; Otimização multiobjetivo
• Palavras-chave em Inglês: Protein Structure Prediction; Differential Evolution; Structural Bioinformatics; Diversity-guided Adaptation; Multi-Objective Optimization; Multi-Objective
• Link de acesso: http://hdl.handle.net/10183/233767

A predição de estrutura terciária das proteínas é um dos problemas mais desafiadores na Bioinformática Estrutural, e é considerado um problema NP-Hard na teoria da com plexidade computacional. A complexidade do problema está relacionada com o número significativo de conformações possíveis que uma única proteína pode assumir. Como a determinação experimental das estruturas proteicas é cara e demorada, os métodos com putacionais tornaram-se uma forma interessante de predizer a forma das proteínas com base em sua sequência de aminoácidos. Como o problema é considerado NP-Hard, ne nhum algoritmo conhecido pode encontrar a solução ótima global. A este respeito, as meta heurísticas tornaram-se uma opção para o problema de predição da estrutura da proteína nos últimos anos. Apesar da popularidade de tais métodos, cada um deles tem características e fontes de conhecimento diferentes. Como as meta heurísticas dependem muito do ajuste dos parâmetros, um ajuste errôneo dos parâmetros pode impactar direta mente no desempenho dos métodos. Além disso, os campos de força usados para avaliar a energia da proteína podem ter termos conflitantes em sua composição, levando a uma possível versão multiobjetivo do problema Com isto em mente, esta tese apresenta uma formulação multi-objetiva da Evolução Diferencial Adaptativa baseada na História de Su cesso para o problema de predição da estrutura da proteína, mantendo as características do notável vencedor do CEC’2014 (SHADE). Uma segunda abordagem também é proposta, utilizando o algoritmo SHADE mono-objetivo com mecanismos de adaptação guiados por diversidade para a manutenção da diversidade. Na abordagem orientada pela diver sidade, são utilizados conhecimentos estruturais de duas fontes, a Lista de Probabilidade Angular durante a inicialização da população e fragmentos de Rosetta durante a fase de geração da diversidade. Com os resultados obtidos nesta tese de diferentes aplicações da Evolução Diferencial no Problema de Predição da Estrutura da Proteína, verificamos que nossa proposta melhora a capacidade da meta heurística de alcançar resultados relevantes para um dos problemas mais desafiadores da bioinformática estrutural. Além disso, o novo mecanismo de adaptação baseado na diversidade populacional melhorou significati vamente em comparação com os DEs que não utilizam o mecanismo de adaptação guiado pela diversidade. Assim, nosso trabalho contém contribuições relevantes para o algoritmo de Evolução Diferencial e suas aplicações. Embora nossas abordagens sejam aplicadas ao problema de PSP, elas podem ser generalizadas para outros problemas NP-Hard com características similares, como o problema de Atracamento Molecular.