Strategies of autoencoders in the prediction of protein-protein interactions

Detalhes bibliográficos
Autor(a) principal: Antunes, João Miguel Loureiro Albuquerque
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/87838
Resumo: Dissertação de Mestrado Integrado em Engenharia Biomédica apresentada à Faculdade de Ciências e Tecnologia
id RCAP_25222f2b1a6a92a8993d0d429a678972
oai_identifier_str oai:estudogeral.uc.pt:10316/87838
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Strategies of autoencoders in the prediction of protein-protein interactionsEstratégias de Autoencoders na Previsão de Interações entre ProteínasAutoencodersBioinformáticaDesenvolvimento de FármacosInteração Proteína-ProteínaAuotencodersBioinformaticsDrug DevelopmentProtein-Protein InteractionDissertação de Mestrado Integrado em Engenharia Biomédica apresentada à Faculdade de Ciências e TecnologiaA compreensão do corpo humano tem sido uma luta desde que a humanidade desenvolveu um sentido crítico à vida. As proteínas são um elemento chave no normal funcionamento do nosso organismo e intervém na maioria dos processos biológicos que existem em todos os seres vivos. A sua associação, designada Interação Proteína-Proteína, pode regular a sua expressão, mas também aumentar o seu número de funções, bem como maximizar ou reduzir o seu impacto.Estas interações são de incalculável valor quando considerado o fator benéfico que podem ter para a crua de doenças e prevenção das mesmas.No contexto da Descoberta e Implementação de Fármacos, o custo e tempo de síntese de uma nova molécula viável, que sobreviva aos ensaios clínicos e à aprovação das agências reguladoras, afirma-se como um dos problemas centrais para a indústria farmacêutica que se tem voltado para a Bioinformática como uma alternativa mais rápida e barata.A pesquisa realizada nesta tese pretende ser a base de contexto no qual os Alvos Terapêuticos se devem desenvolver para alcançar esta redução de custos. A abordagem aplica Algoritmos de Deep Learning, especificamente Autoencoders e Máquinas de Vetores de Suporte, a conjuntos de dados de interações conhecidas e é capaz de reconhecer novos pares de proteínas que interagem num mesmo organismo ou no contexto interespécies. Apesar dos métodos não serem novos, esta abordagem introduz o conceito de uso de erros no encoding dos Autoencoders como dimensões para classificação das entradas como pares de proteínas que interagem ou não interagem.Os resultados preliminares mostram um elevado AUC na previsão, alcançando 0.970 para o organismo humano, mas com alguns desvios não justificados quando considerada a relação filogenética que precisam de ser analisados em trabalho futuro dentro da mesma espécie e em contexto interespécie.The understanding of the human body has always been a struggle since humanity has developed a critical sense to life. Proteins are a key element in the normal functioning of our organism and intervene in most of the biological processes that exist in all living beings. Their association, designated Protein-Protein Interactions, can regulate their expression but also increase the number of functions, as well as maximizing or reducing their impact.These interactions are of invaluable worth when considering the benefic factor they can have in the healing of diseases and their prevention. In the context of Drug Discovery and Deployment, the cost and time of synthesizing a new viable molecule, which survives clinical trials and regulatory agencies approval, stand as the core problems for the pharmaceutical industry which has turned the focus to Bioinformatics as a possible cost and time saving alternative.The research made in this thesis intends to be the base of context to which the Drug Targeting must be developed to reach this goal of cost reduction. The approach applies Deep Learning Algorithms, specifically Autoencoders and Support Vector Machines, to datasets of known interactions and is able to discover new protein pairs that interact within the same organism or interspecies.While the methods are not new, this approach introduces a concept of the use of the errors in the prediction of the Autoencoders as features to classify the inputs as Interacting or Non-Interacting pairs of proteins.The preliminary results show high AUC in the prediction reaching 0.970 for the human organism, but with some unjustified deviations considering the phylogenetic relationships that need to be analyzed in future work both within the same species and interspecies trials.Outro - Projeto financiado pela Fundação para a Ciência e Tecnologia pelo projeto D4 - Deep Drug Discovery and Development (CENTRO-01-0145-FEDER-029266).2019-09-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/87838http://hdl.handle.net/10316/87838TID:202308847engAntunes, João Miguel Loureiro Albuquerqueinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2021-10-11T08:32:11Zoai:estudogeral.uc.pt:10316/87838Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:08:40.375103Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Strategies of autoencoders in the prediction of protein-protein interactions
Estratégias de Autoencoders na Previsão de Interações entre Proteínas
title Strategies of autoencoders in the prediction of protein-protein interactions
spellingShingle Strategies of autoencoders in the prediction of protein-protein interactions
Antunes, João Miguel Loureiro Albuquerque
Autoencoders
Bioinformática
Desenvolvimento de Fármacos
Interação Proteína-Proteína
Auotencoders
Bioinformatics
Drug Development
Protein-Protein Interaction
title_short Strategies of autoencoders in the prediction of protein-protein interactions
title_full Strategies of autoencoders in the prediction of protein-protein interactions
title_fullStr Strategies of autoencoders in the prediction of protein-protein interactions
title_full_unstemmed Strategies of autoencoders in the prediction of protein-protein interactions
title_sort Strategies of autoencoders in the prediction of protein-protein interactions
author Antunes, João Miguel Loureiro Albuquerque
author_facet Antunes, João Miguel Loureiro Albuquerque
author_role author
dc.contributor.author.fl_str_mv Antunes, João Miguel Loureiro Albuquerque
dc.subject.por.fl_str_mv Autoencoders
Bioinformática
Desenvolvimento de Fármacos
Interação Proteína-Proteína
Auotencoders
Bioinformatics
Drug Development
Protein-Protein Interaction
topic Autoencoders
Bioinformática
Desenvolvimento de Fármacos
Interação Proteína-Proteína
Auotencoders
Bioinformatics
Drug Development
Protein-Protein Interaction
description Dissertação de Mestrado Integrado em Engenharia Biomédica apresentada à Faculdade de Ciências e Tecnologia
publishDate 2019
dc.date.none.fl_str_mv 2019-09-27
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.uri.fl_str_mv http://hdl.handle.net/10316/87838
http://hdl.handle.net/10316/87838
TID:202308847
url http://hdl.handle.net/10316/87838
identifier_str_mv TID:202308847
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799133980156493824

Registros relacionados