Predição de estruturas de proteínas utilizando restrições de ângulo diedrais

Detalhes bibliográficos
Autor(a) principal: Santos, Karina Baptista dos
Data de Publicação: 2014
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações do LNCC
Texto Completo: https://tede.lncc.br/handle/tede/204
Resumo: Protein structure prediction is one of the most important problems in computational molecular biology and aims to determine the three dimensional structure of proteins solely from the amino acid sequence. It is considered that the amino acid sequence contains all the necessary information for the chain to adopt its native conformation under physiological conditions. The prediction of protein structure constitutes an extremely difficult optimization problem because, depending on the approximations made, it deals with hundreds or thousands of degrees of freedom and a complex search space associated with the multimodal energy hyper surface. Even for smaller proteins, the problem is computationally costly due the complexity of the optimization process. The goal of this work was the development of genetic operators for the GAPF program (Genetic Algorithm for Protein Folding – developed by GMSSB/LNCC). The operators work through the use of constraints in the search space of the main chain dihedral angles to accelerate the search algorithm and improve the predictive ability of the program. This work was developed in six stages: I - Building an matrix of dihedral angles phi and psi from a database of experimentally determined protein structures, with up to 20% identity; II - Development and introduction in the GAPF program of the RAMA mutation operators in order to use the dihedral angles matrix; III - Generation of initial population using information supplied by the matrix of dihedral angles; IV - Use of matrix of dihedral angles generated from fragments libraries specifically built for each sequence target; V - Verify the performance of the methodology when information from secondary structure prediction of the target sequence and protein structures database are provided; and VI - Evaluate the effect of these changes in terms of reducing the computational cost and quality of the predicted structures. The operators were tested in a set of eight proteins belonging to the following classes: preferably-alpha, alpha+beta, alpha\beta and preferably-beta. The results showed that the imposition the more favorable phi and psi for each amino acid as angular constraints reduced up to 75% the number of energy function evaluations necessary to obtain equivalent results without the use of these operators. Additionally, it was possible to obtain more accurate models, with a reduction of up to 4Å for RMSD and an increase of approximately 6% in GDT-TS of the bigger proteins of the test set, i.e. 1BDD and 1GYZ, when comparing with the values obtained for standard version of the GAPF program using the same number of evaluations.
id LNCC_535a9f14deecc0c017814c054680d33d
oai_identifier_str oai:tede-server.lncc.br:tede/204
network_acronym_str LNCC
network_name_str Biblioteca Digital de Teses e Dissertações do LNCC
repository_id_str
spelling Dardenne, Laurent Emmanuelhttp://lattes.cnpq.br/8344194525615133Custódio, Fábio Limahttp://lattes.cnpq.br/9126339190151859Nicolás, Marisa FabianaSouza, Osmar Norberto126.782.737-84http://lattes.cnpq.br/2794787515992360Santos, Karina Baptista dos2015-04-10T18:35:48Z2014-07-18SANTOS, KARINA BAPTISTA DOS. Predição de estruturas de proteínas utilizando restrições de ângulo diedrais, 2014, 143 p. Dissertação (Mestrado em Modelagem Computacional), Programa de Pós-Graduação de Modelagem Computacional, Laboratório Nacional de Computação Científica, Petrópolis, 2014.https://tede.lncc.br/handle/tede/204Protein structure prediction is one of the most important problems in computational molecular biology and aims to determine the three dimensional structure of proteins solely from the amino acid sequence. It is considered that the amino acid sequence contains all the necessary information for the chain to adopt its native conformation under physiological conditions. The prediction of protein structure constitutes an extremely difficult optimization problem because, depending on the approximations made, it deals with hundreds or thousands of degrees of freedom and a complex search space associated with the multimodal energy hyper surface. Even for smaller proteins, the problem is computationally costly due the complexity of the optimization process. The goal of this work was the development of genetic operators for the GAPF program (Genetic Algorithm for Protein Folding – developed by GMSSB/LNCC). The operators work through the use of constraints in the search space of the main chain dihedral angles to accelerate the search algorithm and improve the predictive ability of the program. This work was developed in six stages: I - Building an matrix of dihedral angles phi and psi from a database of experimentally determined protein structures, with up to 20% identity; II - Development and introduction in the GAPF program of the RAMA mutation operators in order to use the dihedral angles matrix; III - Generation of initial population using information supplied by the matrix of dihedral angles; IV - Use of matrix of dihedral angles generated from fragments libraries specifically built for each sequence target; V - Verify the performance of the methodology when information from secondary structure prediction of the target sequence and protein structures database are provided; and VI - Evaluate the effect of these changes in terms of reducing the computational cost and quality of the predicted structures. The operators were tested in a set of eight proteins belonging to the following classes: preferably-alpha, alpha+beta, alpha\beta and preferably-beta. The results showed that the imposition the more favorable phi and psi for each amino acid as angular constraints reduced up to 75% the number of energy function evaluations necessary to obtain equivalent results without the use of these operators. Additionally, it was possible to obtain more accurate models, with a reduction of up to 4Å for RMSD and an increase of approximately 6% in GDT-TS of the bigger proteins of the test set, i.e. 1BDD and 1GYZ, when comparing with the values obtained for standard version of the GAPF program using the same number of evaluations.A predição de estrutura de proteínas é um dos propósitos mais importantes da biologia molecular computacional e possui como objetivo determinar a estrutura tridimensional de proteínas a partir de suas sequências de aminoácidos. Na técnica de predição por primeiros princípios se considera que a sequência de aminoácidos de uma proteína contém toda a informação necessária para que a cadeia adote, em condições fisiológicas, sua conformação tridimensional nativa. Esse tipo de predição se constitui em um problema de otimização extremamente difícil visto que, dependendo das aproximações efetuadas, se lidam com centenas ou milhares de graus de liberdade e com um espaço de busca conformacional muito complexo associado à uma superfície de energia multimodal. Mesmo para uma pequena molécula de proteína, o problema é difícil de ser tratado computacionalmente devido ao alto custo em tempo de execução, além da complexidade associada ao processo de otimização. O objetivo deste trabalho foi o desenvolvimento de operadores genéticos que atuem no processo de otimização do programa GAPF (Genetic Algorithm for Protein Folding – desenvolvido pelo GMSSB/LNCC) através do uso de restrições no espaço de busca de ângulos diedrais associados à cadeia principal da proteína de modo a acelerar o processo de busca do algoritmo e melhorar a capacidade preditiva do programa. Esse trabalho se desenvolveu em seis etapas: I – Construção uma matriz de ângulos diedrais phi e psi a partir do banco de estruturas de proteínas determinadas experimentalmente, com até 20% de identidade; II - Desenvolvimento e introdução de operadores genéticos de mutação RAMA ao programa GAPF tendo em vista o uso da matriz de ângulos diedrais; III - Geração da população inicial empregando informações fornecidas pelas matrizes de ângulos diedrais; IV - Investigação do uso de matrizes de ângulos diedrais geradas a partir de bibliotecas de fragmentos específicas para cada sequência alvo; V - Verificar o desempenho da metodologia ao serem introduzidas informações a respeito da estrutura secundária da sequência alvo e das proteínas do banco de estruturas usado; e VI - Avaliar o efeito das modificações introduzidas no algoritmo em termos de redução do custo computacional e qualidade das estruturas preditas. A utilização dos operadores foi testada na predição de um conjunto de oito proteínas, pertencentes às classes: preferencialmente alpha; alpha+beta; alpha\beta e preferencialmente beta. Os resultados obtidos mostraram que a imposição de restrições angulares associadas à utilização dos ângulos phi e psi mais favoráveis para cada tipo de resíduo, proporcionaram uma redução de até 75\% do número de avaliações de função de energia necessário para se obter um resultado equivalente sem o uso desses operadores. Adicionalmente, foi possível obter predições de estruturas mais acuradas, com uma redução de até 4Å nos valores de RMSD e um acréscimo de aproximadamente 6% nos valores de GDT-TS das maiores proteínas do conjunto teste, isto é, 1BDD e 1GYZ, quando comparados aos valores obtidos com o GAPF padrão para o mesmo número de avaliações.Submitted by Maria Cristina (library@lncc.br) on 2015-04-10T18:35:20Z No. of bitstreams: 1 Karina_Dissertacao_versao_final.pdf: 14328590 bytes, checksum: b09ee552401b05045498580540b46215 (MD5)Approved for entry into archive by Maria Cristina (library@lncc.br) on 2015-04-10T18:35:35Z (GMT) No. of bitstreams: 1 Karina_Dissertacao_versao_final.pdf: 14328590 bytes, checksum: b09ee552401b05045498580540b46215 (MD5)Made available in DSpace on 2015-04-10T18:35:48Z (GMT). No. of bitstreams: 1 Karina_Dissertacao_versao_final.pdf: 14328590 bytes, checksum: b09ee552401b05045498580540b46215 (MD5) Previous issue date: 2014-07-18Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (Capes)application/pdfhttp://tede-server.lncc.br:8080/retrieve/466/Karina_Dissertacao_versao_final.pdf.jpghttp://tede-server.lncc.br:8080/retrieve/681/Karina_Dissertacao_versao_final.pdf.jpgporLaboratório Nacional de Computação CientíficaPrograma de Pós-Graduação em Modelagem ComputacionalLNCCBrasilServiço de Análise e Apoio a Formação de Recursos HumanosBiologia molecularProcessamento eletrônico de dadosAlgoritmo genéticoMolecular biologyElectronic data processingCNPQ::CIENCIAS BIOLOGICAS::BIOQUIMICA::BIOLOGIA MOLECULARPredição de estruturas de proteínas utilizando restrições de ângulo diedraisProtein structure prediction using dihedral angles constraintsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações do LNCCinstname:Laboratório Nacional de Computação Científica (LNCC)instacron:LNCCORIGINALKarina_Dissertacao_versao_final.pdfKarina_Dissertacao_versao_final.pdfapplication/pdf14328590http://tede-server.lncc.br:8080/tede/bitstream/tede/204/2/Karina_Dissertacao_versao_final.pdfb09ee552401b05045498580540b46215MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82165http://tede-server.lncc.br:8080/tede/bitstream/tede/204/1/license.txtbd3efa91386c1718a7f26a329fdcb468MD51THUMBNAILKarina_Dissertacao_versao_final.pdf.jpgKarina_Dissertacao_versao_final.pdf.jpgimage/jpeg3068http://tede-server.lncc.br:8080/tede/bitstream/tede/204/3/Karina_Dissertacao_versao_final.pdf.jpg57a15c1e9ab838e04a4f06c88d3ebc2fMD53tede/2042018-07-04 09:59:48.658oai:tede-server.lncc.br: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Biblioteca Digital de Teses e Dissertaçõeshttps://tede.lncc.br/PUBhttps://tede.lncc.br/oai/requestlibrary@lncc.br||library@lncc.bropendoar:2018-07-04T12:59:48Biblioteca Digital de Teses e Dissertações do LNCC - Laboratório Nacional de Computação Científica (LNCC)false
dc.title.por.fl_str_mv Predição de estruturas de proteínas utilizando restrições de ângulo diedrais
dc.title.alternative.eng.fl_str_mv Protein structure prediction using dihedral angles constraints
title Predição de estruturas de proteínas utilizando restrições de ângulo diedrais
spellingShingle Predição de estruturas de proteínas utilizando restrições de ângulo diedrais
Santos, Karina Baptista dos
Biologia molecular
Processamento eletrônico de dados
Algoritmo genético
Molecular biology
Electronic data processing
CNPQ::CIENCIAS BIOLOGICAS::BIOQUIMICA::BIOLOGIA MOLECULAR
title_short Predição de estruturas de proteínas utilizando restrições de ângulo diedrais
title_full Predição de estruturas de proteínas utilizando restrições de ângulo diedrais
title_fullStr Predição de estruturas de proteínas utilizando restrições de ângulo diedrais
title_full_unstemmed Predição de estruturas de proteínas utilizando restrições de ângulo diedrais
title_sort Predição de estruturas de proteínas utilizando restrições de ângulo diedrais
author Santos, Karina Baptista dos
author_facet Santos, Karina Baptista dos
author_role author
dc.contributor.advisor1.fl_str_mv Dardenne, Laurent Emmanuel
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/8344194525615133
dc.contributor.advisor-co1.fl_str_mv Custódio, Fábio Lima
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/9126339190151859
dc.contributor.referee1.fl_str_mv Nicolás, Marisa Fabiana
dc.contributor.referee2.fl_str_mv Souza, Osmar Norberto
dc.contributor.authorID.fl_str_mv 126.782.737-84
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/2794787515992360
dc.contributor.author.fl_str_mv Santos, Karina Baptista dos
contributor_str_mv Dardenne, Laurent Emmanuel
Custódio, Fábio Lima
Nicolás, Marisa Fabiana
Souza, Osmar Norberto
dc.subject.por.fl_str_mv Biologia molecular
Processamento eletrônico de dados
Algoritmo genético
Molecular biology
Electronic data processing
topic Biologia molecular
Processamento eletrônico de dados
Algoritmo genético
Molecular biology
Electronic data processing
CNPQ::CIENCIAS BIOLOGICAS::BIOQUIMICA::BIOLOGIA MOLECULAR
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS BIOLOGICAS::BIOQUIMICA::BIOLOGIA MOLECULAR
description Protein structure prediction is one of the most important problems in computational molecular biology and aims to determine the three dimensional structure of proteins solely from the amino acid sequence. It is considered that the amino acid sequence contains all the necessary information for the chain to adopt its native conformation under physiological conditions. The prediction of protein structure constitutes an extremely difficult optimization problem because, depending on the approximations made, it deals with hundreds or thousands of degrees of freedom and a complex search space associated with the multimodal energy hyper surface. Even for smaller proteins, the problem is computationally costly due the complexity of the optimization process. The goal of this work was the development of genetic operators for the GAPF program (Genetic Algorithm for Protein Folding – developed by GMSSB/LNCC). The operators work through the use of constraints in the search space of the main chain dihedral angles to accelerate the search algorithm and improve the predictive ability of the program. This work was developed in six stages: I - Building an matrix of dihedral angles phi and psi from a database of experimentally determined protein structures, with up to 20% identity; II - Development and introduction in the GAPF program of the RAMA mutation operators in order to use the dihedral angles matrix; III - Generation of initial population using information supplied by the matrix of dihedral angles; IV - Use of matrix of dihedral angles generated from fragments libraries specifically built for each sequence target; V - Verify the performance of the methodology when information from secondary structure prediction of the target sequence and protein structures database are provided; and VI - Evaluate the effect of these changes in terms of reducing the computational cost and quality of the predicted structures. The operators were tested in a set of eight proteins belonging to the following classes: preferably-alpha, alpha+beta, alpha\beta and preferably-beta. The results showed that the imposition the more favorable phi and psi for each amino acid as angular constraints reduced up to 75% the number of energy function evaluations necessary to obtain equivalent results without the use of these operators. Additionally, it was possible to obtain more accurate models, with a reduction of up to 4Å for RMSD and an increase of approximately 6% in GDT-TS of the bigger proteins of the test set, i.e. 1BDD and 1GYZ, when comparing with the values obtained for standard version of the GAPF program using the same number of evaluations.
publishDate 2014
dc.date.issued.fl_str_mv 2014-07-18
dc.date.accessioned.fl_str_mv 2015-04-10T18:35:48Z
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 SANTOS, KARINA BAPTISTA DOS. Predição de estruturas de proteínas utilizando restrições de ângulo diedrais, 2014, 143 p. Dissertação (Mestrado em Modelagem Computacional), Programa de Pós-Graduação de Modelagem Computacional, Laboratório Nacional de Computação Científica, Petrópolis, 2014.
dc.identifier.uri.fl_str_mv https://tede.lncc.br/handle/tede/204
identifier_str_mv SANTOS, KARINA BAPTISTA DOS. Predição de estruturas de proteínas utilizando restrições de ângulo diedrais, 2014, 143 p. Dissertação (Mestrado em Modelagem Computacional), Programa de Pós-Graduação de Modelagem Computacional, Laboratório Nacional de Computação Científica, Petrópolis, 2014.
url https://tede.lncc.br/handle/tede/204
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Laboratório Nacional de Computação Científica
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Modelagem Computacional
dc.publisher.initials.fl_str_mv LNCC
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Serviço de Análise e Apoio a Formação de Recursos Humanos
publisher.none.fl_str_mv Laboratório Nacional de Computação Científica
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações do LNCC
instname:Laboratório Nacional de Computação Científica (LNCC)
instacron:LNCC
instname_str Laboratório Nacional de Computação Científica (LNCC)
instacron_str LNCC
institution LNCC
reponame_str Biblioteca Digital de Teses e Dissertações do LNCC
collection Biblioteca Digital de Teses e Dissertações do LNCC
bitstream.url.fl_str_mv http://tede-server.lncc.br:8080/tede/bitstream/tede/204/2/Karina_Dissertacao_versao_final.pdf
http://tede-server.lncc.br:8080/tede/bitstream/tede/204/1/license.txt
http://tede-server.lncc.br:8080/tede/bitstream/tede/204/3/Karina_Dissertacao_versao_final.pdf.jpg
bitstream.checksum.fl_str_mv b09ee552401b05045498580540b46215
bd3efa91386c1718a7f26a329fdcb468
57a15c1e9ab838e04a4f06c88d3ebc2f
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações do LNCC - Laboratório Nacional de Computação Científica (LNCC)
repository.mail.fl_str_mv library@lncc.br||library@lncc.br
_version_ 1797683218017681408