Uma estratégia computacional baseada em aprendizagem supervisionada para predição moléculas para uso agrícola

Detalhes bibliográficos
Autor(a) principal: Oliveira, Jéssica Costa de
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: por
Título da fonte: LOCUS Repositório Institucional da UFV
Texto Completo: https://locus.ufv.br//handle/123456789/31891
https://doi.org/10.47328/ufvbbt.2023.681
Resumo: O aumento da utilização de recursos computacionais em pesquisas científicas tem contribuído para uma maior aplicação dessas tecnologias nos trabalhos científicos na área da Bioinformática. Uma técnica computacional que tem sido bastante utilizada é a virtual screening ou triagem virtual de ligantes. Como resultado dessas contribuições, pode-se citar as descobertas de novos fármacos, as mutações em resíduos de pro- teínas, o alinhamento de sequências, entre outros. Além dos benefícios mencionados acima, existe a perspectiva de descobertas de medicamentos e vacinas com meno- res custos e com menor tempo de desenvolvimento desses fármacos. Nesse sentido, pode-se citar a descoberta, em caráter emergencial, da vacina contra a Covid‐19, do- ença causada pelo Sars‐Cov‐2, nome oficial do novo coronavírus. O reposicionamento de fármacos é outra técnica utilizada. Por meio dessa, busca-se avaliar a eficácia de medicamentos já existentes para determinadas enfermidades em outros tipos de do- enças. Esse recurso assemelha-se ao teste utilizado para desenvolver a vacina Sars‐ Cov‐2. Neste trabalho, propôs-se a utilização de uma estratégia computacional em aprendizado supervisionado para caracterizar e prever ligantes que podem interagir com moléculas importante no contexto da agricultura. O cenário de aplicação é a soja e seu inseto praga, a lagarta Anticarsia gemmatalis Hubner. Assim, busca-se prever potenciais moléculas que possam inibir proteínas no intestino da lagarta e, consequen- temente, o controle de pragas. Palavras‐chave: Triagem Virtual. Aprendizado de Máquina. Proteína-Ligante. Protease.
id UFV_5c36b3a936b6e254486e66b8416bd199
oai_identifier_str oai:locus.ufv.br:123456789/31891
network_acronym_str UFV
network_name_str LOCUS Repositório Institucional da UFV
repository_id_str 2145
spelling Oliveira, Jéssica Costa dehttp://lattes.cnpq.br/7445136472360569 ID Lattes: 7445136472360569Silveira, Sabrina de Azevedo2023-11-30T17:03:37Z2023-11-30T17:03:37Z2023-06-30OLIVEIRA, Jéssica Costa de. Uma estratégia computacional baseada em aprendizagem supervisionada para predição moléculas para uso agrícola. 2023. 69 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Viçosa, Viçosa. 2023.https://locus.ufv.br//handle/123456789/31891https://doi.org/10.47328/ufvbbt.2023.681O aumento da utilização de recursos computacionais em pesquisas científicas tem contribuído para uma maior aplicação dessas tecnologias nos trabalhos científicos na área da Bioinformática. Uma técnica computacional que tem sido bastante utilizada é a virtual screening ou triagem virtual de ligantes. Como resultado dessas contribuições, pode-se citar as descobertas de novos fármacos, as mutações em resíduos de pro- teínas, o alinhamento de sequências, entre outros. Além dos benefícios mencionados acima, existe a perspectiva de descobertas de medicamentos e vacinas com meno- res custos e com menor tempo de desenvolvimento desses fármacos. Nesse sentido, pode-se citar a descoberta, em caráter emergencial, da vacina contra a Covid‐19, do- ença causada pelo Sars‐Cov‐2, nome oficial do novo coronavírus. O reposicionamento de fármacos é outra técnica utilizada. Por meio dessa, busca-se avaliar a eficácia de medicamentos já existentes para determinadas enfermidades em outros tipos de do- enças. Esse recurso assemelha-se ao teste utilizado para desenvolver a vacina Sars‐ Cov‐2. Neste trabalho, propôs-se a utilização de uma estratégia computacional em aprendizado supervisionado para caracterizar e prever ligantes que podem interagir com moléculas importante no contexto da agricultura. O cenário de aplicação é a soja e seu inseto praga, a lagarta Anticarsia gemmatalis Hubner. Assim, busca-se prever potenciais moléculas que possam inibir proteínas no intestino da lagarta e, consequen- temente, o controle de pragas. Palavras‐chave: Triagem Virtual. Aprendizado de Máquina. Proteína-Ligante. Protease.The increased used of computational resources in scientific research has contributed to a greater application of these technologies in scientific work in the field of Bioin- formatics. A computational technique that has been widely used is virtual screening of ligands. As a result of these contributions, we can mention the discoveries of new drugs, mutations in protein residues, sequence alignment, among others. In addition to the benefits mentioned above, there is the prospect of discovering drugs and vaccines at lower costs and with a shorter development time for these drugs. In this sense, one can mention the discovery, on an emergency basis, of the vaccine against Covid-19, a disease caused by Sars-Cov-2, the official name of the new coronavirus. Drug reposi- tioning is another technique used. Through this, we seek to evaluate the effectiveness of existing drugs for certain diseases in other types of diseases. This feature is similar to the test used to develop the Sars-Cov-2 vaccine. In this work, we propose the use of a computational strategy in supervised learning to characterize and predict ligands that can interact with important molecules in the context of agriculture. The application scenario is soybean and its insect pest, the caterpillar Anticarsia gemmatalis Hubner. Thus, we seek to predict potential molecules that can inhibit proteins in the caterpillar’s intestine and, consequently, pest control. Keywords: Virtual Screening. Machine Learning. Protein-Ligand. Protease.Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorporUniversidade Federal de ViçosaCiência da ComputaçãoAprendizado do computadorProteínas - EstruturaBioinformáticaCiência da ComputaçãoUma estratégia computacional baseada em aprendizagem supervisionada para predição moléculas para uso agrícolaA computational strategy based on supervised learning for predicting molecules for agricultural useinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal de ViçosaDepartamento de InformáticaMestre em Ciência da ComputaçãoViçosa - MG2023-06-30Mestradoinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFVLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://locus.ufv.br//bitstream/123456789/31891/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINALtexto completo.pdftexto completo.pdftexto completoapplication/pdf2212513https://locus.ufv.br//bitstream/123456789/31891/1/texto%20completo.pdf8a634d185cb918908f9e39b4b92cc24dMD51123456789/318912023-11-30 14:03:39.572oai:locus.ufv.br:123456789/31891Tk9URTogUExBQ0UgWU9VUiBPV04gTElDRU5TRSBIRVJFClRoaXMgc2FtcGxlIGxpY2Vuc2UgaXMgcHJvdmlkZWQgZm9yIGluZm9ybWF0aW9uYWwgcHVycG9zZXMgb25seS4KCk5PTi1FWENMVVNJVkUgRElTVFJJQlVUSU9OIExJQ0VOU0UKCkJ5IHNpZ25pbmcgYW5kIHN1Ym1pdHRpbmcgdGhpcyBsaWNlbnNlLCB5b3UgKHRoZSBhdXRob3Iocykgb3IgY29weXJpZ2h0Cm93bmVyKSBncmFudHMgdG8gRFNwYWNlIFVuaXZlcnNpdHkgKERTVSkgdGhlIG5vbi1leGNsdXNpdmUgcmlnaHQgdG8gcmVwcm9kdWNlLAp0cmFuc2xhdGUgKGFzIGRlZmluZWQgYmVsb3cpLCBhbmQvb3IgZGlzdHJpYnV0ZSB5b3VyIHN1Ym1pc3Npb24gKGluY2x1ZGluZwp0aGUgYWJzdHJhY3QpIHdvcmxkd2lkZSBpbiBwcmludCBhbmQgZWxlY3Ryb25pYyBmb3JtYXQgYW5kIGluIGFueSBtZWRpdW0sCmluY2x1ZGluZyBidXQgbm90IGxpbWl0ZWQgdG8gYXVkaW8gb3IgdmlkZW8uCgpZb3UgYWdyZWUgdGhhdCBEU1UgbWF5LCB3aXRob3V0IGNoYW5naW5nIHRoZSBjb250ZW50LCB0cmFuc2xhdGUgdGhlCnN1Ym1pc3Npb24gdG8gYW55IG1lZGl1bSBvciBmb3JtYXQgZm9yIHRoZSBwdXJwb3NlIG9mIHByZXNlcnZhdGlvbi4KCllvdSBhbHNvIGFncmVlIHRoYXQgRFNVIG1heSBrZWVwIG1vcmUgdGhhbiBvbmUgY29weSBvZiB0aGlzIHN1Ym1pc3Npb24gZm9yCnB1cnBvc2VzIG9mIHNlY3VyaXR5LCBiYWNrLXVwIGFuZCBwcmVzZXJ2YXRpb24uCgpZb3UgcmVwcmVzZW50IHRoYXQgdGhlIHN1Ym1pc3Npb24gaXMgeW91ciBvcmlnaW5hbCB3b3JrLCBhbmQgdGhhdCB5b3UgaGF2ZQp0aGUgcmlnaHQgdG8gZ3JhbnQgdGhlIHJpZ2h0cyBjb250YWluZWQgaW4gdGhpcyBsaWNlbnNlLiBZb3UgYWxzbyByZXByZXNlbnQKdGhhdCB5b3VyIHN1Ym1pc3Npb24gZG9lcyBub3QsIHRvIHRoZSBiZXN0IG9mIHlvdXIga25vd2xlZGdlLCBpbmZyaW5nZSB1cG9uCmFueW9uZSdzIGNvcHlyaWdodC4KCklmIHRoZSBzdWJtaXNzaW9uIGNvbnRhaW5zIG1hdGVyaWFsIGZvciB3aGljaCB5b3UgZG8gbm90IGhvbGQgY29weXJpZ2h0LAp5b3UgcmVwcmVzZW50IHRoYXQgeW91IGhhdmUgb2J0YWluZWQgdGhlIHVucmVzdHJpY3RlZCBwZXJtaXNzaW9uIG9mIHRoZQpjb3B5cmlnaHQgb3duZXIgdG8gZ3JhbnQgRFNVIHRoZSByaWdodHMgcmVxdWlyZWQgYnkgdGhpcyBsaWNlbnNlLCBhbmQgdGhhdApzdWNoIHRoaXJkLXBhcnR5IG93bmVkIG1hdGVyaWFsIGlzIGNsZWFybHkgaWRlbnRpZmllZCBhbmQgYWNrbm93bGVkZ2VkCndpdGhpbiB0aGUgdGV4dCBvciBjb250ZW50IG9mIHRoZSBzdWJtaXNzaW9uLgoKSUYgVEhFIFNVQk1JU1NJT04gSVMgQkFTRUQgVVBPTiBXT1JLIFRIQVQgSEFTIEJFRU4gU1BPTlNPUkVEIE9SIFNVUFBPUlRFRApCWSBBTiBBR0VOQ1kgT1IgT1JHQU5JWkFUSU9OIE9USEVSIFRIQU4gRFNVLCBZT1UgUkVQUkVTRU5UIFRIQVQgWU9VIEhBVkUKRlVMRklMTEVEIEFOWSBSSUdIVCBPRiBSRVZJRVcgT1IgT1RIRVIgT0JMSUdBVElPTlMgUkVRVUlSRUQgQlkgU1VDSApDT05UUkFDVCBPUiBBR1JFRU1FTlQuCgpEU1Ugd2lsbCBjbGVhcmx5IGlkZW50aWZ5IHlvdXIgbmFtZShzKSBhcyB0aGUgYXV0aG9yKHMpIG9yIG93bmVyKHMpIG9mIHRoZQpzdWJtaXNzaW9uLCBhbmQgd2lsbCBub3QgbWFrZSBhbnkgYWx0ZXJhdGlvbiwgb3RoZXIgdGhhbiBhcyBhbGxvd2VkIGJ5IHRoaXMKbGljZW5zZSwgdG8geW91ciBzdWJtaXNzaW9uLgo=Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452023-11-30T17:03:39LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false
dc.title.pt-BR.fl_str_mv Uma estratégia computacional baseada em aprendizagem supervisionada para predição moléculas para uso agrícola
dc.title.en.fl_str_mv A computational strategy based on supervised learning for predicting molecules for agricultural use
title Uma estratégia computacional baseada em aprendizagem supervisionada para predição moléculas para uso agrícola
spellingShingle Uma estratégia computacional baseada em aprendizagem supervisionada para predição moléculas para uso agrícola
Oliveira, Jéssica Costa de
Aprendizado do computador
Proteínas - Estrutura
Bioinformática
Ciência da Computação
title_short Uma estratégia computacional baseada em aprendizagem supervisionada para predição moléculas para uso agrícola
title_full Uma estratégia computacional baseada em aprendizagem supervisionada para predição moléculas para uso agrícola
title_fullStr Uma estratégia computacional baseada em aprendizagem supervisionada para predição moléculas para uso agrícola
title_full_unstemmed Uma estratégia computacional baseada em aprendizagem supervisionada para predição moléculas para uso agrícola
title_sort Uma estratégia computacional baseada em aprendizagem supervisionada para predição moléculas para uso agrícola
author Oliveira, Jéssica Costa de
author_facet Oliveira, Jéssica Costa de
author_role author
dc.contributor.authorLattes.pt-BR.fl_str_mv http://lattes.cnpq.br/7445136472360569 ID Lattes: 7445136472360569
dc.contributor.author.fl_str_mv Oliveira, Jéssica Costa de
dc.contributor.advisor1.fl_str_mv Silveira, Sabrina de Azevedo
contributor_str_mv Silveira, Sabrina de Azevedo
dc.subject.pt-BR.fl_str_mv Aprendizado do computador
Proteínas - Estrutura
Bioinformática
topic Aprendizado do computador
Proteínas - Estrutura
Bioinformática
Ciência da Computação
dc.subject.cnpq.fl_str_mv Ciência da Computação
description O aumento da utilização de recursos computacionais em pesquisas científicas tem contribuído para uma maior aplicação dessas tecnologias nos trabalhos científicos na área da Bioinformática. Uma técnica computacional que tem sido bastante utilizada é a virtual screening ou triagem virtual de ligantes. Como resultado dessas contribuições, pode-se citar as descobertas de novos fármacos, as mutações em resíduos de pro- teínas, o alinhamento de sequências, entre outros. Além dos benefícios mencionados acima, existe a perspectiva de descobertas de medicamentos e vacinas com meno- res custos e com menor tempo de desenvolvimento desses fármacos. Nesse sentido, pode-se citar a descoberta, em caráter emergencial, da vacina contra a Covid‐19, do- ença causada pelo Sars‐Cov‐2, nome oficial do novo coronavírus. O reposicionamento de fármacos é outra técnica utilizada. Por meio dessa, busca-se avaliar a eficácia de medicamentos já existentes para determinadas enfermidades em outros tipos de do- enças. Esse recurso assemelha-se ao teste utilizado para desenvolver a vacina Sars‐ Cov‐2. Neste trabalho, propôs-se a utilização de uma estratégia computacional em aprendizado supervisionado para caracterizar e prever ligantes que podem interagir com moléculas importante no contexto da agricultura. O cenário de aplicação é a soja e seu inseto praga, a lagarta Anticarsia gemmatalis Hubner. Assim, busca-se prever potenciais moléculas que possam inibir proteínas no intestino da lagarta e, consequen- temente, o controle de pragas. Palavras‐chave: Triagem Virtual. Aprendizado de Máquina. Proteína-Ligante. Protease.
publishDate 2023
dc.date.accessioned.fl_str_mv 2023-11-30T17:03:37Z
dc.date.available.fl_str_mv 2023-11-30T17:03:37Z
dc.date.issued.fl_str_mv 2023-06-30
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 OLIVEIRA, Jéssica Costa de. Uma estratégia computacional baseada em aprendizagem supervisionada para predição moléculas para uso agrícola. 2023. 69 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Viçosa, Viçosa. 2023.
dc.identifier.uri.fl_str_mv https://locus.ufv.br//handle/123456789/31891
dc.identifier.doi.pt-BR.fl_str_mv https://doi.org/10.47328/ufvbbt.2023.681
identifier_str_mv OLIVEIRA, Jéssica Costa de. Uma estratégia computacional baseada em aprendizagem supervisionada para predição moléculas para uso agrícola. 2023. 69 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Viçosa, Viçosa. 2023.
url https://locus.ufv.br//handle/123456789/31891
https://doi.org/10.47328/ufvbbt.2023.681
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.publisher.none.fl_str_mv Universidade Federal de Viçosa
dc.publisher.program.fl_str_mv Ciência da Computação
publisher.none.fl_str_mv Universidade Federal de Viçosa
dc.source.none.fl_str_mv reponame:LOCUS Repositório Institucional da UFV
instname:Universidade Federal de Viçosa (UFV)
instacron:UFV
instname_str Universidade Federal de Viçosa (UFV)
instacron_str UFV
institution UFV
reponame_str LOCUS Repositório Institucional da UFV
collection LOCUS Repositório Institucional da UFV
bitstream.url.fl_str_mv https://locus.ufv.br//bitstream/123456789/31891/2/license.txt
https://locus.ufv.br//bitstream/123456789/31891/1/texto%20completo.pdf
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
8a634d185cb918908f9e39b4b92cc24d
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)
repository.mail.fl_str_mv fabiojreis@ufv.br
_version_ 1801212962528034816