Aplicação de técnicas de transferência de aprendizagem e ontologias a modelos QSAR para regressão

• Processo: 16/18840-3
• Modalidade de apoio: Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE
• Data de Início da vigência: 01 de setembro de 2017
• Data de Término da vigência: 30 de setembro de 2019
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Acordo de Cooperação: IBM Brasil
• Pesquisador responsável: Patrícia Rufino Oliveira
• Beneficiário: Patrícia Rufino Oliveira
• Instituição Sede: Escola de Artes, Ciências e Humanidades (EACH). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Empresa: IBM Brasil - Indústria, Máquinas e Serviços Ltda
• Município: São Paulo
• Pesquisadores principais: Kathia Maria Honorio
• Bolsa(s) vinculada(s): 18/06680-7 - Aplicação de ontologias em estudos de química medicinal computacional e relações entre estrutura química e atividade biológica, BP.MS
• Assunto(s): Inteligência artificial Aprendizado computacional Ontologia (ciência da computação) Química médica Desenvolvimento de fármacos
• Palavra(s)-Chave do Pesquisador: Descoberta de Medicamentos | Modelos de Regressão | ontologias | Química Medicinal | Inteligência Artificial

Resumo

Para desenvolver um novo medicamento, pesquisadores devem analisar os alvos biológicos de uma dada doença, descobrir e desenvolver candidatos a fármacos para este alvo biológico, realizando em paralelo, testes biológicos em laboratório para validar a eficiência e os efeitos colaterais da substância química. O estudo quantitativo da relação estrutura-atividade (QSAR) envolve a construção de modelos de regressão que relacionam um conjunto de descritores de um composto químico e a sua atividade biológica com relação a um ou mais alvos no organismo. Os conjuntos de dados manipulados pelos pesquisadores para análise QSAR são caracterizados geralmente por um número pequeno de instâncias e isso torna mais complexa a construção de modelos preditivos. Nesse contexto, a transferência de conhecimento utilizando informações de outros modelos QSAR's com mais informações disponíveis para o mesmo alvo biológico seria desejável, diminuindo o esforço e o custo do processo para gerar novos modelos de descritores de compostos químicos. Este trabalho apresenta a proposta de projeto que consiste na utilização de dois métodos de transferência de aprendizagem, por instâncias e por parâmetros, para construção de modelos QSAR para regressão via Vetores Suporte (SVR). A fim de implementar as técnicas de aprendizagem de transferência, uma nova abordagem para a seleção de conjuntos de dados químicos relacionados, que se baseia na integração de diferentes ontologias, será desenvolvida. Os resultados da regressão obtidos pela utilização dos métodos de aprendizagem de transferência serão comparados com os obtidos pelos métodos clássicos em relação à medida de erro médio quadrático (MSE). (AU)

Publicações científicas

(5)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

DE ANGELO, RAFAELA MOLINA; ALMEIDA, MICHELL DE OLIVEIRA; DE PAULA, HEBERTH; HONORIO, KATHIA MARIA. Studies on the Dual Activity of EGFR and HER-2 Inhibitors Using Structure-Based Drug Design Techniques. INTERNATIONAL JOURNAL OF MOLECULAR SCIENCES, v. 19, n. 12, DEC 2018. (16/24524-7, 18/06680-7, 16/18840-3)

MALTAROLLO, VINICIUS GONCALVES; KRONENBERGER, THALES; ESPINOZA, GABRIEL ZARZANA; OLIVEIRA, PATRICIA RUFINO; HONORIO, KATHIA MARIA. Advances with support vector machines for novel drug discovery. EXPERT OPINION ON DRUG DISCOVERY, v. 14, n. 1, p. 23-33, JAN 2 2019. (16/18840-3)

ANGELO, RAFAELA M.; IO, ANDREIA K.; ALMEIDA, MATHEUS P.; SILVEIRA, RAFAEL G.; OLIVEIRA, PATRICIA R.; ALCAZAR, JOSE J. P.; HONORIO, KATHIA M.; BETTANIN, FERNANDA; IEEE. OntoQSAR: an ontology for interpreting chemical and biological data in quantitative structure-activity relationship studies. 2020 IEEE 14TH INTERNATIONAL CONFERENCE ON SEMANTIC COMPUTING (ICSC 2020), v. N/A, p. 4-pg., 2020-01-01. (16/18840-3)

DE ANGELO, RAFAELA MOLINA; ALMEIDA, MICHELL DE OLIVEIRA; DE PAULA, HEBERTH; HONORIO, KATHIA MARIA. Studies on the Dual Activity of EGFR and HER-2 Inhibitors Using Structure-Based Drug Design Techniques. INTERNATIONAL JOURNAL OF MOLECULAR SCIENCES, v. 19, n. 12, p. 16-pg., 2018-12-01. (16/24524-7, 16/18840-3, 18/06680-7)

LIPINSKI, CELIO F.; MALTAROLLO, VINICIUS G.; OLIVEIRA, PATRICIA R.; DA SILVA, ALBERICO B. F.; HONORIO, KATHIA MARIA. Advances and Perspectives in Applying Deep Learning for Drug Design and Discovery. FRONTIERS IN ROBOTICS AND AI, v. 6, NOV 5 2019. (16/24524-7, 16/18840-3)