Exportar registro bibliográfico

Algoritmo evolutivo de muitos objetivos para predição ab initio de estrutura de proteínas (2012)

  • Authors:
  • USP affiliated authors: BRASIL, CHRISTIANE REGINA SOARES - ICMC
  • Unidades: ICMC
  • Sigla do Departamento: SSC
  • Subjects: COMPUTAÇÃO EVOLUTIVA; DESCOBERTA DE CONHECIMENTO; OTIMIZAÇÃO COMBINATÓRIA; TEMPO-REAL; RECONHECIMENTO DE PADRÕES
  • Keywords: ab initio; ab initio; Algoritmos evolutivos; Energy modeling; Evolutionary algorithms; Modelagem de energias; Multi-objetivo; Multiobjective; Predição de estruturas de proteínas; Protein structure prediction
  • Language: Português
  • Abstract: Este trabalho foca o desenvolvimento de algoritmos de otimização para o problema de PSP puramente ab initio. Algoritmos que melhor exploram o espaço de potencial de soluções podem, em geral, encontrar melhores soluções. Esses algoritmos podem beneficiar ambas abordagens de PSP, tanto o modelo ab initio quanto os baseados em conhecimento a priori. Pesquisadores tem mostrado que Algoritmos Evolutivos Multiobjetivo podem contribuir significativamente no contexto do problema de PSP puramente ab initio. Neste contexto, esta pesquisa investiga o Algoritmo Evolutivo Multiobjetivo baseado em Tabelas aplicado ao PSP puramente ab initio, que apresenta interessantes resultados para proteínas relativamente simples. Por exemplo, um desafio para o PSP puramente ab initio é a predição de estruturas com folhas-'beta'. Para trabalhar com tais proteínas, foi desenvolvido procedimentos computacionalmente eficientes para estimar energias de ligação de hidrogênio e solvatação. Em geral, estas não são consideradas no PSP por abordagens que combinam métodos de otimização e conhecimento a priori. Considerando somente van der Waals e eletrostática, as duas energias de interação que mais contribuem para a definição da estrutura de uma proteína, com as energias de ligação de hidrogênio e solvatação, o problema de PSP tem quatro objetivos. Problemas combinatórios (tais como o PSP), com mais de três objetivos, geralmente requerem métodos específicos capazes de lidar com muitos critérios. Para resolver essalimitação, este trabalho propõe um novo método para a otimização dos muitos objetivos, chamado Algoritmo Evolutivo Multiobjetivo com Muitas Tabelas (AEMMT). Esse método executa uma amostragem mais adequada do espaço de funções objetivo e, portanto, pode mapear melhor as regiões promissoras deste espaço. A capacidade de lidar com muitos objetivos capacita o AEMMT a utilizar melhor a informação oriunda das energias de solvatação e de ligação de hidrogênio, e então predizer estruturas com folhas- e algumas proteínas relativamente mais complexas. Do ponto de vista computacional, o AEMMT é um novo método que lida com muitos objetivos (mais de dez) encontrando soluções relevantes
  • Imprenta:
  • Data da defesa: 10.05.2012
  • Online source access
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      BRASIL, Christiane Regina Soares; DELBEM, Alexandre Cláudio Botazzo. Algoritmo evolutivo de muitos objetivos para predição ab initio de estrutura de proteínas. 2012.Universidade de São Paulo, São Carlos, 2012. Disponível em: < http://www.teses.usp.br/teses/disponiveis/55/55134/tde-20072012-163056/ >.
    • APA

      Brasil, C. R. S., & Delbem, A. C. B. (2012). Algoritmo evolutivo de muitos objetivos para predição ab initio de estrutura de proteínas. Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-20072012-163056/
    • NLM

      Brasil CRS, Delbem ACB. Algoritmo evolutivo de muitos objetivos para predição ab initio de estrutura de proteínas [Internet]. 2012 ;Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-20072012-163056/
    • Vancouver

      Brasil CRS, Delbem ACB. Algoritmo evolutivo de muitos objetivos para predição ab initio de estrutura de proteínas [Internet]. 2012 ;Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-20072012-163056/


Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2020