Predição de novas neurotoxinas da família das Latrotoxinas em Aranhas usando Redes Neurais Profundas e base de dados aumentada

• Processo: 24/07032-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de outubro de 2024
• Data de Término da vigência: 30 de setembro de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Milton Yutaka Nishiyama Junior
• Beneficiário: Gustavo Akio Honda
• Instituição Sede: Instituto Butantan. Secretaria da Saúde (São Paulo - Estado). São Paulo , SP, Brasil
• Assunto(s): Aprendizagem profunda Aranhas Farmacologia Neurotoxinas Transcriptoma Biologia computacional
• Palavra(s)-Chave do Pesquisador: aprendizagem profunda | Aranhas | mecanismo de ação | neurotoxinas | Transcriptoma | Bioinformática

Resumo

As toxinas do veneno de aracnídeos tem sido fonte para identificação de potenciais compostos bioativos para o desenvolvimento de novos fármacos, e o estudo da sua composição e ações fisiológicas são de grande valia para a área médica e biotecnológica. Nas últimas décadas, novas proteínas foram obtidas de organismos não-modelo ou geradas por modelos computacionais generativos. Tradicionalmente as proteínas são anotadas funcionalmente por abordagens de homologia e composição de domínios. No entanto, anotações precisas e de maior qualidade que permitam avaliar seu correto dobramento e determinar sua atividade funcional continuam sendo um desafio. A rota evolutiva molecular e a composição das toxinas do veneno de aracnídeos apresentam alta complexidade. Estudos tem evidenciado conservação em relação aos seus genes ancestrais, e uma inter-relação de fatores como duplicação gênica, splicing alternativo e modificações pós-traducionais, apresentando mecanismos que possibilitam a diversificação da eficácia divergente da ação fisiológica em relação ao gene ancestral, gerando diversidade de venenos. As famílias das neurotoxinas são objeto deste estudo, especialmente as Latrotoxinas. Nosso objetivo é estabelecer uma arquitetura utilizando um modelo baseado em redes neurais profundas e modelos ancestrais, como modelos de redes neurais generativas adversárias, para ampliar a representação de proteínas da família de interesse, cirando bancos de treinamento, e estabelecer um processo de classificação quanto à sua funcionalidade neurotóxica, de forma a facilitar a identificação de proteínas ainda não classificadas ou hipotéticas. Além disso, construiremos um banco de dados de proteínas funcionais das famílias de neurotoxinas e latrotoxinas para representar o ajuste funcional de proteínas pertencentes à respectiva família, utilizando um algoritmo de grandes modelos de linguagem de proteínas. Sendo uma área nova e em expansão, pretendemos estabelecer métricas para avaliar a qualidade de sequências e a sua atividade funcional de forma a impulsionar a investigação em engenharia de proteínas, servindo de referência para modelos generativos de sequências proteicas e auxiliando na seleção de variantes ativas para experimentação, proporcionando descobertas tanto na área biológica quanto computacional, além de contribuir para os projetos em desenvolvimento pelo nosso grupo.