Uma estratégia computacional baseada em aprendizagem supervisionada para predição moléculas para uso agrícola
Autor(a) principal: | |
---|---|
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 |