EVENTO
Desenvolvimento de Novas Estratégias para a Predição Ab Initio de Estruturas de Proteínas.
Tipo de evento: Exame de Qualificação
Os objetivos científicos deste trabalho estão associados com o desenvolvimento de metodologias computacionais em uma área considerada estratégica da biologia molecular computacional, a predição de estruturas de proteínas. Este campo de pesquisa possui aplicações práticas que poderão ter impacto direto na saúde e no bem estar da humanidade, sendo de grande interesse biotecnológico em áreas como desenho racional de fármacos, compreensão de diferentes patologias associadas à doenças, engenharia de proteínas, compreensão dos princípios físico-químicos do enovelamento protéico, etc. É importante ressaltar que a predição ab initio (sem o uso de informação experimental, baseando-se apenas em termos de origem físico-química) de estrutura de proteínas ainda é um dos principais problemas não resolvidos na biologia computacional e, sendo assim, o desenvolvimento de metodologias capazes de ter um bom grau de previsibilidade e acurácia continua sendo importante e necessário.Utilizaremos como base para o desenvolvimento das metodologias aqui propostas o programa para predição ab initio de estruturas de proteínas chamado Genetic Algorithm for Protein Folding (GAPF), elaborado no grupo de pesquisa GMMSB/LNCC. Este programa está em contínuo desenvolvimento e, até o momento, utiliza um algoritmo genético de múltiplos mínimos para predição das estruturas de proteínas. Apesar dos avanços conseguidos nos últimos anos, o programa ainda precisa melhorar sua capacidade de predição e apresenta grandes dificuldades de prever estruturas de proteínas que contenham estruturas secundárias do tipo folha-beta, mesmo para proteínas contendo um pequeno número de resíduos de aminoácidos. É importante ressaltar que a predição de estruturas do tipo folhas beta é um desafio enfrentado por todas as metodologias e programas descritos na literatura.Diferentes estratégias e algoritmos vêm sendo desenvolvidos para solucionar o problema da predição de estrutura de proteínas e os esforços vêm sendo direcionados em duas direções: (i) Desenvolvimento de um modelo físico acurado para a modelagem do problema (desenvolvimento de funções de energia); (ii) Desenvolvimento de metodologias eficientes para explorar o espaço de conformações possíveis (desenvolvimento de métodos de busca eficientes na hipersuperfície de energia).Neste trabalho, investimentos serão realizados em ambas as frentes, com o desenvolvimento de novas abordagens teóricas e metodológicas para a predição ab initio de estrutura de proteínas buscando o desenvolvimento e a melhora da capacidade preditiva do programa GAPF através do: (i) desenvolvimento e implementação de uma abordagem evolutiva multiobjetivo; (ii) desenvolvimento e implementação de novos termos do campo de forças (a serem tratados como objetivos); (iii) implementação e avaliação comparativa do uso de diferentes campos de forças clássicos na predição de estruturas de proteínas.O problema da predição de estrutura de proteínas pode ser encarado como um problema de otimização multiobjetivo, haja vista que envolve múltiplas funções objetivo a serem otimizadas simultaneamente. Alguns trabalhos descritos na literatura tem mostrado que algoritmos evolutivos multiobjetivo podem contribuir significativamente nessa área. Neste sentido, a implementação de uma abordagem multiobjetivo no programa GAPF apresenta perspectivas muito interessantes e promissoras.Além da construção da abordagem multiobjetivo, a proposta visa investigar novos objetivos/termos que não estejam obrigatoriamente incluídos na função clássica de energia, mas que reflitam características naturais e desejáveis de estruturas nativas de proteínas. São alguns exemplos destes termos: (i) potenciais relacionados à compactação do núcleo hidrofóbico; (ii) satisfação de formação de pontes de hidrogênio intramoleculares; (iii) controle de dipolos livres enterrados; (iv) área de superfície acessível ao solvente (SASA); (v) energia livre de solvatação.A abordagem multiobjetivo permitirá que se incluam termos energéticos sem a necessidade de adequá-los (em geral, através da estipulação de pesos) ao campo de forças usado.Uma das principais dificuldades para os métodos de predição de estrutura de proteínas por primeiros princípios é a construção de uma função de energia eficaz na qual a estrutura nativa da proteína corresponda ao estado termodinâmico mais estável (i.e., mínimo global). Sendo assim, o campo de força tem um papel central no desempenho dos programas de predição ab initio de estrutura de proteínas, inclusive no GAPF. Até o momento, as análises no programa GAPF foram feitas somente com o campo de forças GROMOS43b1, sendo portanto, muito interessante avaliar o seu desempenho utilizando outros campos de forças, tais como o CHARMM, o MMFF94S e AMBER.Esse trabalho será focado na predição puramente ab initio e terá como principais alvos: peptídeos; pequenas proteínas (principalmente aquelas com folhas-beta) e; em pequenas proteínas desordenadas (proteínas sem estrutura definida mas que desempenham uma série de importantes funções biológicas) que se enquadram como um dos principais alvos que justificam o desenvolvimento de métodos ab initio de predição.Busca-se, com as estratégias propostas acima, aumentar a capacidade preditiva do programa GAPF e contribuir para o avanço das teorias e metodologias na área da predição ab initio de estrutura de proteínas.
Data Início: 07/11/2013 Hora: 10:00 Data Fim: 07/11/2013 Hora: 12:00
Local: LNCC - Laboratório Nacional de Computação Ciêntifica - Auditorio A
Aluno: Gregório Kappaum Rocha - Laboratório Nacional de Computação Científica - LNCC
Orientador: Laurent Emmanuel Dardenne - Laboratório Nacional de Computação Científica - LNCC
Participante Banca Examinadora: Helio José Corrêa Barbosa - Laboratório Nacional de Computação Científica - LNCC/MCTI Jack Baczynski - Laboratório Nacional de Computação Científica - LNCC Marisa Fabiana Nicolás - Laboratório Nacional de Computação Científica - LNCC Pedro Geraldo Pascutti - Universidade Federal do Rio de Janeiro - IBCCF/UFRJ
