Busca avançada
Ano de início
Entree

Otimização do ranqueamento de pequenos compostos orgânicos em campanhas de triagem virtual usando atributos físico-químicos e estruturais do nanoambiente de interação proteína-ligante

Processo: 15/00428-6
Linha de fomento:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de novembro de 2015
Vigência (Término): 31 de maio de 2017
Área do conhecimento:Ciências Biológicas - Biofísica - Biofísica Molecular
Pesquisador responsável:Goran Nesic
Beneficiário:Luiz César Borro
Instituição-sede: Embrapa Informática Agropecuária. Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA). Ministério da Agricultura, Pecuária e Abastecimento (Brasil). Campinas , SP, Brasil
Assunto(s):Aprendizado computacional

Resumo

Nas últimas duas décadas, a triagem virtual baseada na estrutura do receptor (SBVS, do inglês structure-based virtual screening) se tornou uma ferramenta útil no processo de planejamento racional de fármacos e agroquímicos. No entanto, apesar de diversos casos de sucesso, a SBVS ainda apresenta limitações, especialmente em relação ao ranqueamento de potenciais ligantes com base na afinidade de ligação. Neste projeto, a partir da análise do nanoambiente de interação proteína-ligante, pretende-se estabelecer quais são as características importantes e essenciais associadas ao processo de reconhecimento molecular, e que, possivelmente, podem ser utilizadas para aprimorar a etapa de ranqueamento em campanhas de SBVS. A análise do nanoambiente de interação proteína-ligante será realizada por meio de métodos não-paramétricos de aprendizado de máquina (machine learning) e se baseará principalmente em atributos físico-químicos e estruturais fornecidos pelas bases de dados STING_DB e STING_RDB, associadas à plataforma STING. Considerando-se o sucesso de abordagens similares desenvolvidas para outros problemas biológicos (previsão das interfaces proteicas, sitio catalítico e sitio de ligação entre proteína e seu substrato) pelo Grupo de Pesquisa em Biologia Computacional da Embrapa Informática Agropecuária, bem como os resultados obtidos em ensaios preliminares, espera-se desenvolver modelos preditivos que consigam, de maneira confiável e eficiente, estabelecer inferências sobre a afinidade de pequenos compostos químicos em relação a alvos proteicos.