Implementação de técnicas de aprendizado de máquina e reconhecimento de padrões para prospecção de exosítios de proteínas como moduladores de interação proteína-DNA e proteína-RNA

• Processo: 23/13610-3
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de novembro de 2023
• Data de Término da vigência: 31 de outubro de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Geraldo Francisco Donegá Zafalon
• Beneficiário: Gabriel Augusto Prevato
• Instituição Sede: Instituto de Biociências, Letras e Ciências Exatas (IBILCE). Universidade Estadual Paulista (UNESP). Campus de São José do Rio Preto. São José do Rio Preto , SP, Brasil
• Vinculado ao auxílio: 20/08615-8 - Exosítios de proteínas, sítios crípticos e moonlighting: identificação, mapeamento funcional e efeitos de alteração estrutural., AP.TEM
• Assunto(s): Aprendizado computacional Biologia computacional Reconhecimento de padrões
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Biologia Computacional | Exosítios | Reconhecimento de Padrões | Biologia Computacional

Resumo

Os exosítios são estruturas presentes na camada superficial de proteínas que modulam interações proteína-proteína e proteína-peptídeos e podem ser identificados por descritores físico-químicos e estruturais. Observando estes exosítios pode-se definir novas probabilidades de interações ainda que estas não tenham sido observadas na natureza. Entretanto, descobrir novos tipos de exosítios é um trabalho manual, trabalhoso e custoso, o que, por muitas vezes, inviabiliza a identificação e análise dos mesmos. Dessa forma, o presente projeto propõe a utilização de técnicas de machine learning para o desenvolvimento de um classificador capaz de identificar, em meio aos descritores físico-químicos e estruturas de aminoácidos, quais deles representam novos exosítios, com estes atuando como moduladores de interação proteína-DNA e proteína-RNA. Com a análise de proteínas de interesse auxiliada pelo classificador desenvolvido, juntamente com algoritmos de alinhamento de sequências e reconhecimento de padrões, almeja-se encontrar possibilidades de interações que possam auxiliar o desenvolvimento de novas drogas.