Método para predição da viabilidade de docking de proteínas utilizando técnicas de Deep Learning

• Processo: 21/04626-8
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de novembro de 2021
• Data de Término da vigência: 31 de outubro de 2022
• Área de conhecimento: Interdisciplinar
• Pesquisador responsável: Rafael Plana Simões
• Beneficiário: Ramon Hernany Martins Gomes
• Instituição Sede: Faculdade de Ciências Agronômicas (FCA). Universidade Estadual Paulista (UNESP). Campus de Botucatu. Botucatu , SP, Brasil
• Assunto(s): Inteligência artificial Aprendizagem profunda Simulação de acoplamento molecular Simulação de dinâmica molecular
• Palavra(s)-Chave do Pesquisador: Inteligência Artificial | interação entre proteínas | predição de interação molecular | soluções de docking molecular | Docking Molecular

Resumo

Docking molecular é um método teórico-computacional para predição da interação entre as superfícies de duas moléculas. Diversos softwares de docking molecular com diferentes algoritmos de busca e funções de pontuação estão disponíveis para atividades de pesquisa e inovação. Entretanto, apesar de todo o desenvolvimento científico consolidado que fundamenta as metodologias clássicas de docking, existem alguns problemas que limitam o uso dessas simulações. Dentre esses problemas está a baixa correlação entre as energias de ligação preditas por abordagens clássicas com as energias de ligação determinadas empiricamente. Além disso, se deve considerar que as metodologias clássicas não inferem sobre a viabilidade (ou existência) do complexo de maneira binária: EXISTE ou NÃO EXISTE, assim, deixando em aberto o problema de predição da viabilidade dos complexos gerados por docking. O objetivo central do presente projeto é o desenvolvimento de uma metodologia para validação dos complexos moleculares inferidos por métodos tradicionais de docking utilizando uma abordagem de Deep Learning. Para isso serão criados dois conjuntos de dados: um contendo estruturas moleculares validadas experimentalmente que formam um complexo proteína-proteína (obtidos de banco de dados de proteínas) e o outro contendo estruturas moleculares com baixa probabilidade de formar complexos moleculares. Esse conjunto de instâncias será expandido utilizando técnicas de dinâmica molecular. Na sequência será desenvolvido um algoritmo para converter esses complexos moleculares em imagens bidimensionais (matriz de pixels) que contenham informações relevantes sobre a interação das proteínas. Essas imagens irão compor os conjuntos de dados de treinamento e teste para o algoritmo de Deep Learning. A partir disso, será inferido um modelo utilizando técnicas de Deep Learning para predição binária (EXISTE ou NÃO EXISTE) de soluções obtidas por métodos convencionais de docking. Por final, será realizada a avaliação da performance preditiva da metodologia proposta utilizando um conjunto de dados de teste.(AU)