Um algoritmo multimemético auto-adaptativo para o problema de atracamento molecular

• Ano de defesa: 2019
• Autor(a) principal: Leonhart, Pablo Felipe
• Orientador(a): Dorn, Márcio
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Bioinformática; Algorítmo
• Palavras-chave em Inglês: Optimization; Multimemetic Algorithms; Self-adaptive Algorithms; Molecular Docking; Structural Bioinformatics
• Link de acesso: http://hdl.handle.net/10183/201263

Atracamento Molecular é uma metodologia que lida com o problema de prever a ligação de um receptor e um ligante em um nível atômico para formar um complexo estável. Como o espaço de busca de possíveis conformações de ligação é vasto, este problema é classificado na teoria da complexidade computacional como um problema NP-difícil. Por conta da alta complexidade, os métodos exatos não são eficientes e várias metaheurísticas têm sido propostas. No entanto, esses métodos são muito dependentes das configurações de parâmetros e das definições do mecanismo de pesquisa, o que requer abordagens capazes de se adaptarem automaticamente ao longo do processo de otimização. Nesta dissertação, é apresentado um novo modelo de coordenação auto-adaptativa de operadores de busca local em um Algoritmo Multimemético para lidar com o problema de Atracamento Molecular. A abordagem é baseada em uma variante do Biased Random Key Genetic Algorithm (BRKGA), funcionando como um operador de busca global, aprimorado com quatro algoritmos de busca local: Best Improvement, First Improvement, Stochastic Hill Descent, e Simulated Annealing. O algoritmo também engloba um modelo de discretização baseado em pequenos cubos para manter diversa a população de soluções. O mecanismo de auto-adaptação ocorre na escolha de qual método de busca local deve ser aplicado durante a execução e, também, no ajuste do parâmetro de raio de perturbação, que representa o quanto a solução é modificada em cada iteração do processo de busca local. Uma nova função de probabilidades também é apresentada, como parte do núcleo de auto-adaptação, para medir o custo-benefício de cada operador de busca local, e assim guiar o processo de busca. O algoritmo multimemético foi testado em um conjunto composto por 16 estruturas baseadas na HIV-protease e comparado com ferramentas existentes na literatura: AutoDock Vina, DockThor e jMetal. Os resultados obtidos mostram que a abordagem pode predizer a ligação de complexos com conformação similar a estruturas conhecidas, em termos de Root-Mean-Square Deviation. Testes estatísticos indicam que o algoritmo apresenta melhores resultados quando comparado a uma abordagem não memética e não adaptativa, e é competitivo com os métodos tradicionais do estado da arte.