Implementação do Programa de Docking LiBELa em Linguagem Python

• Processo: 23/02134-6
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de julho de 2023
• Data de Término da vigência: 30 de junho de 2024
• Área de conhecimento: Ciências Biológicas - Biofísica - Biofísica Molecular
• Pesquisador responsável: Alessandro Silva Nascimento
• Beneficiário: Caio de Jesus de Oliveira
• Instituição Sede: Instituto de Física de São Carlos (IFSC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Biologia estrutural
• Palavra(s)-Chave do Pesquisador: Bioinformatica estrutural | docking de ligantes | Interação proteína-ligante | Biologia Estrutural

Resumo

Na décima quarta edição do CASP, um dos participantes apresentou uma solução com precisão similar à precisão de uma estrutura experimental, em muitos casos. Tratava-se da rede neural AlphaFold2, desenvolvida pela empresa DeepMind. A partir deste momento, a comunidade científica internacional percebeu de forma mais clara a relevância da inteligência artificial (IA) para a aplicações em biologia estrutural. A gama de estruturas experimentais atualmente disponíveis e o enorme volume de dados de estruturas preditas pelo AlphaFold para as sequências disponíveis no UNIPROT ou no banco de dados PDB (atualmente, o banco possui mais de 200.000 estruturas determinadas experimentalmente disponíveis) levantam perguntas importantes. Por exemplo, como este volume de dados estruturais pode alavancar nosso conhecimento científico ou mesmo o desenvolvimento tecnológico? Como integrar este volume de dados em informações úteis ao desenvolvimento? Estas perguntas podem ser respondidas a partir de múltiplas perspectivas, sendo uma delas o desenho de moléculas baseado na estrutura da macromolécula-alvo. Nos anos 1980, o desenvolvimento de algoritmos de docking possibilitou uma certa automação nos processos de triagem de moléculas potencialmente ativas a partir da avaliação da qualidade da interação com a macromolécula alvo, ou simplesmente, o 'receptor'. O avanço na tecnologia de processadores e o crescimento de bases de dados de compostos atualmente possibilita realizar triagens virtuais (virtual screening) a partir da mineração de bases de moléculas 'ultra-largas' . O LiBELa , sigla para Ligand Binding Energy Landscape, é um software desenvolvido pelo Instituto de Física de São Carlos que busca um avanço para a docagem molecular ao possuir uma abordagem mista, isto é, baseada tanto no ligante (ligand-based) quanto na estrutura da proteína (structure-based). Outro avanço potencial importante para o programa seria o emprego da inteligência artificial na busca pelas melhores poses e melhores estimativas de energia de interação. Neste projeto de iniciação científica, portanto, propomos a migração dos códigos em C/C++ atualmente existentes do programa LiBELa para linguagem Python para sua posterior integração com bibliotecas de IA já disponíveis em Python. Dessa forma, será possível executar o programa em máquinas virtuais como no ambiente Google Colab, por exemplo, e sem a necessidade de instalação, facilitando seu uso e disseminação. Também temos como propósito deste projeto, a avaliação dos novos códigos em linguagem Python com os métodos de validação usuais, a saber: redocking, cross-docking e enriquecimento frente a benchmarks como DUD-E e DUD-Z.