Predição da flexibilidade de aminoácidos utilizando neuroevolução de topologias crescentes

Detalhes bibliográficos
Autor(a) principal: Grisci, Bruno Iochins
Data de Publicação: 2016
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/147628
Resumo: Este trabalho aborda o desafio da predição da estrutura tridimensional de uma dada sequência de aminoácidos, o que foi relatado pertencer à classe dos problemas NP-Completos. É apresentado um novo método baseado na evolução de redes neurais artificiais através de NeuroEvolução de Topologias Crescentes e em agrupamento hierárquico para extração de características estruturais de proteínas determinadas experimentalmente e definir a flexibilidade conformacional de uma sequência de aminoácidos alvo. A técnica proposta manipula informação estrutural do Protein Data Bank para gerar intervalos de ângulos de torção com probabilidades associadas para cada aminoácido em uma sequência alvo, representando a sua flexibilidade conformacional. Essa informação pode ser usada para predizer a estrutura tridimensional de sequências proteicas desconhecidas e ajudar na redução do espaço de busca conformacional de moléculas de proteína em métodos de predição da estrutura de proteínas baseados em conhecimento. O método proposto foi testado com uma variedade de proteínas e os resultados indicam que ele de fato é uma opção funcional de representar a flexibilidade de aminoácidos.
id UFRGS-2_5819a65c4ef352ce34c10467476c79fc
oai_identifier_str oai:www.lume.ufrgs.br:10183/147628
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Grisci, Bruno IochinsDorn, MárcioHe, Shan2016-08-25T02:16:23Z2016http://hdl.handle.net/10183/147628000999621Este trabalho aborda o desafio da predição da estrutura tridimensional de uma dada sequência de aminoácidos, o que foi relatado pertencer à classe dos problemas NP-Completos. É apresentado um novo método baseado na evolução de redes neurais artificiais através de NeuroEvolução de Topologias Crescentes e em agrupamento hierárquico para extração de características estruturais de proteínas determinadas experimentalmente e definir a flexibilidade conformacional de uma sequência de aminoácidos alvo. A técnica proposta manipula informação estrutural do Protein Data Bank para gerar intervalos de ângulos de torção com probabilidades associadas para cada aminoácido em uma sequência alvo, representando a sua flexibilidade conformacional. Essa informação pode ser usada para predizer a estrutura tridimensional de sequências proteicas desconhecidas e ajudar na redução do espaço de busca conformacional de moléculas de proteína em métodos de predição da estrutura de proteínas baseados em conhecimento. O método proposto foi testado com uma variedade de proteínas e os resultados indicam que ele de fato é uma opção funcional de representar a flexibilidade de aminoácidos.This work addresses the challenge of predicting the three-dimensional structure of a given amino acid sequence, which has been reported to belong to the NP-Complete class of problems. It is presented a new method based on evolving artificial neural networks through NeuroEvolution of Augmenting Topologies and hierarchical clustering to extract structural features from experimentally-determined proteins and determine the conformational flexibility of a target amino acid sequence. The proposed technique manipulates structural information from the Protein Data Bank to generate torsion angles intervals with associated probabilities for each amino acid in a target sequence representing its conformational flexibility. This information may be used to predict the three-dimensional structure of unknown protein sequences and help to reduce the conformational search space of protein molecules in knowledge-based protein structure prediction methods. The method was tested with a variety of proteins and the results indicate that it is indeed a functional way to represent the flexibility of amino acids.application/pdfporBioinformáticaRedes neuraisStructural bioinformaticsNeuroevolutionArtificial neural networksProtein three-dimensional structure predictionPredição da flexibilidade de aminoácidos utilizando neuroevolução de topologias crescentesPrediction of amino acids flexibility using NeuroEvolution of Augmenting Topologies info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPorto Alegre, BR-RS2016Ciência da Computação: Ênfase em Ciência da Computação: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000999621.pdf000999621.pdfTexto completoapplication/pdf21057562http://www.lume.ufrgs.br/bitstream/10183/147628/1/000999621.pdfaede5f1850d3c67b9ac3533987985598MD51TEXT000999621.pdf.txt000999621.pdf.txtExtracted Texttext/plain139785http://www.lume.ufrgs.br/bitstream/10183/147628/2/000999621.pdf.txt8fa202634c91c8b7708ff65d0d551350MD52THUMBNAIL000999621.pdf.jpg000999621.pdf.jpgGenerated Thumbnailimage/jpeg1067http://www.lume.ufrgs.br/bitstream/10183/147628/3/000999621.pdf.jpg3e55c0d9c7a83884b193678b28414084MD5310183/1476282018-10-29 08:40:55.812oai:www.lume.ufrgs.br:10183/147628Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2018-10-29T11:40:55Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Predição da flexibilidade de aminoácidos utilizando neuroevolução de topologias crescentes
dc.title.alternative.en.fl_str_mv Prediction of amino acids flexibility using NeuroEvolution of Augmenting Topologies
title Predição da flexibilidade de aminoácidos utilizando neuroevolução de topologias crescentes
spellingShingle Predição da flexibilidade de aminoácidos utilizando neuroevolução de topologias crescentes
Grisci, Bruno Iochins
Bioinformática
Redes neurais
Structural bioinformatics
Neuroevolution
Artificial neural networks
Protein three-dimensional structure prediction
title_short Predição da flexibilidade de aminoácidos utilizando neuroevolução de topologias crescentes
title_full Predição da flexibilidade de aminoácidos utilizando neuroevolução de topologias crescentes
title_fullStr Predição da flexibilidade de aminoácidos utilizando neuroevolução de topologias crescentes
title_full_unstemmed Predição da flexibilidade de aminoácidos utilizando neuroevolução de topologias crescentes
title_sort Predição da flexibilidade de aminoácidos utilizando neuroevolução de topologias crescentes
author Grisci, Bruno Iochins
author_facet Grisci, Bruno Iochins
author_role author
dc.contributor.author.fl_str_mv Grisci, Bruno Iochins
dc.contributor.advisor1.fl_str_mv Dorn, Márcio
dc.contributor.advisor-co1.fl_str_mv He, Shan
contributor_str_mv Dorn, Márcio
He, Shan
dc.subject.por.fl_str_mv Bioinformática
Redes neurais
topic Bioinformática
Redes neurais
Structural bioinformatics
Neuroevolution
Artificial neural networks
Protein three-dimensional structure prediction
dc.subject.eng.fl_str_mv Structural bioinformatics
Neuroevolution
Artificial neural networks
Protein three-dimensional structure prediction
description Este trabalho aborda o desafio da predição da estrutura tridimensional de uma dada sequência de aminoácidos, o que foi relatado pertencer à classe dos problemas NP-Completos. É apresentado um novo método baseado na evolução de redes neurais artificiais através de NeuroEvolução de Topologias Crescentes e em agrupamento hierárquico para extração de características estruturais de proteínas determinadas experimentalmente e definir a flexibilidade conformacional de uma sequência de aminoácidos alvo. A técnica proposta manipula informação estrutural do Protein Data Bank para gerar intervalos de ângulos de torção com probabilidades associadas para cada aminoácido em uma sequência alvo, representando a sua flexibilidade conformacional. Essa informação pode ser usada para predizer a estrutura tridimensional de sequências proteicas desconhecidas e ajudar na redução do espaço de busca conformacional de moléculas de proteína em métodos de predição da estrutura de proteínas baseados em conhecimento. O método proposto foi testado com uma variedade de proteínas e os resultados indicam que ele de fato é uma opção funcional de representar a flexibilidade de aminoácidos.
publishDate 2016
dc.date.accessioned.fl_str_mv 2016-08-25T02:16:23Z
dc.date.issued.fl_str_mv 2016
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/147628
dc.identifier.nrb.pt_BR.fl_str_mv 000999621
url http://hdl.handle.net/10183/147628
identifier_str_mv 000999621
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.source.none.fl_str_mv reponame:Repositório Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/147628/1/000999621.pdf
http://www.lume.ufrgs.br/bitstream/10183/147628/2/000999621.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/147628/3/000999621.pdf.jpg
bitstream.checksum.fl_str_mv aede5f1850d3c67b9ac3533987985598
8fa202634c91c8b7708ff65d0d551350
3e55c0d9c7a83884b193678b28414084
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1815447180266176512

Registros relacionados