Exportar registro bibliográfico

Uso de estratégias baseadas em conhecimento para algoritmos genéticos aplicados à predição de estruturas tridimensionais de proteínas (2011)

  • Authors:
  • Autor USP: OLIVEIRA, LARIZA LAURA DE - Interunidades em Bioinformática
  • Unidade: Interunidades em Bioinformática
  • Assunto: BIOINFORMÁTICA
  • Agências de fomento:
  • Language: Português
  • Abstract: Proteínas desempenham uma grande variedade de funções biológicas. O conhecimento da estrutura tridimensional proteica pode ajudar no entendimento da função desempenhada. De acordo coma hipótese de Anfisen, a estrutura terciária nativa de uma proteína pode ser determinada a partir da informação contida na sequência primária, o que permitiria que métodos computacionais poderiam ser usados para predizer estruturas terciárias quando a primária estiver disponível. No entanto, ainda não existe uma ferramenta computacional capaz de predizer a estrutura tridimensional para uma grande variedade de proteínas. Desse modo, o problema de Predição de Estruturas de Proteínas (PEP) permance como um desafio para a Biologia Molecular. A conformação nativa de uma proteína é frequentemente a configuração termodinamicamente mais estável, ou seja, que possui menor energia livre. Assim, PEP pode ser vista como um problema de otimização, onde a estrutura com menos energia livre deve ser encontrada dentre todas as possíveis. Entretanto, este é um problema NP-completo, no qual métodos tradicionais de otimização, em geral, não apresentam um bom desempenho. Algoritmos genéricos (AGs), devido às suas características, são interessantes para essa classe de problemas. O principal objetivo dese trabalho é verificar se a adição de informação pode ser útil aos AGs aplicados em PEP, valwndo-se de modelos moleculares simplificados. Cada indivíduo do AG representa uma solução que, neste caso, é uma possível conformação que será avaliada por um campo de força. Dessa forma, o indivíduo é codificado por um conjunto de ângulos de torção de cada aminoácido. Para auxiliar no processo de busca, bases de dados compostas de ângulos determinados por cristalografia e RNM são utilizadas.Com o objetivo de guiar o processo de busca e manter a diversidade nos AGs, duas estratégias são aqui testadas: imigrantes aleatórios e imigrantes por similaridade. A última delas foi criada baseando-se na similaridade da sequência primária. Além disso, é investigado neste trabalho o uso de um campo de força coarse-grained, que utiliza os átomos de carbono 'alfa' para representar a cadeia proteica, para avaliar os indivíduos do AG.
  • Imprenta:
  • Data da defesa: 20.05.2011
  • Acesso à fonte
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      OLIVEIRA, Lariza Laura de. Uso de estratégias baseadas em conhecimento para algoritmos genéticos aplicados à predição de estruturas tridimensionais de proteínas. 2011. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2011. Disponível em: http://www.teses.usp.br/teses/disponiveis/95/95131/tde-26012012-161321. Acesso em: 12 fev. 2026.
    • APA

      Oliveira, L. L. de. (2011). Uso de estratégias baseadas em conhecimento para algoritmos genéticos aplicados à predição de estruturas tridimensionais de proteínas (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de http://www.teses.usp.br/teses/disponiveis/95/95131/tde-26012012-161321
    • NLM

      Oliveira LL de. Uso de estratégias baseadas em conhecimento para algoritmos genéticos aplicados à predição de estruturas tridimensionais de proteínas [Internet]. 2011 ;[citado 2026 fev. 12 ] Available from: http://www.teses.usp.br/teses/disponiveis/95/95131/tde-26012012-161321
    • Vancouver

      Oliveira LL de. Uso de estratégias baseadas em conhecimento para algoritmos genéticos aplicados à predição de estruturas tridimensionais de proteínas [Internet]. 2011 ;[citado 2026 fev. 12 ] Available from: http://www.teses.usp.br/teses/disponiveis/95/95131/tde-26012012-161321


Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2026