EVENTO
Estimação de qualidade de modelos de proteínas por modelos de aprendizagem profunda
Tipo de evento: Defesa de Dissertação de Mestrado
Os objetivos deste projeto estão relacionados ao desenvolvimento de metodologias computacionais em uma área estratégica de biologia molecular computacional. A estimativa de qualidade é parte fundamental da área de prediçãode estruturas de proteínas, e atualmente considerado um dos seus pontos com maior carência de métodos efetivos (MOULT et al., 2016). O objetivo desse projeto é a análise e o desenvolvimento de Estimadores de Qualidade para seleção de modelos preditos para proteínas. É comum que os protocolos para predição de estrutura de proteínas (PSP) gerem centenas de milhares de modelos (conformações) que em uma etapa posterior seguem para uma triagem onde busca-se estimar sua qualidade. Isso significa avaliar o quão bem reproduzem a estrutura nativa de proteína, mesmo sendo essa desconhecida. De certa forma, essa etapa é uma estimativa do erro na predição. Neste trabalho, estimadores de GDT_TS (Global Distance Test Total Score) e lDDT (local Dependent Distance Test) foram construídos por treinamentos de modelos de aprendizagem profunda convolutivos e densos em diversos conjuntos de dados construídos a partir de sinais de consenso, em uma dimensão, entre a predição e a satisfação da estrutura secundária e exposição ao solvente de resíduos. Os diferentes conjuntos de dados e modelos profundos foram avaliados de acordo com a performance obtida nos treinamentos, que variou entre 60 a 80% entre estruturas de uma mesma sequência, porém ficaram limitados à 40% em conjuntos com estruturas de múltiplas sequências, portanto, sugerindo ser necessário novos estudos a fim de permitir a transferência dos padrões entre sequências de proteínas.
Data Início: 26/02/2018 Hora: 10:00 Data Fim: 26/02/2018 Hora: 13:00
Local: LNCC - Laboratório Nacional de Computação Ciêntifica - Auditorio A
Aluno: Emerson Correia Freitas Lima - Laboratório Nacional de Computação Científica - LNCC
Co-Orientador: Laurent Emmanuel Dardenne - Laboratório Nacional de Computação Científica - LNCC
Orientador: Fabio Lima Custodio - Laboratório Nacional de Computação Científica - LNCC
Participante Banca Examinadora: Eduardo Krempser da Silva - Fundação Oswaldo Cruz - FIOCRUZ Ernesto Raul Caffarena - PROCC - FIOCRUZ/RJ Fabio Lima Custodio - Laboratório Nacional de Computação Científica - LNCC Helio José Corrêa Barbosa - Laboratório Nacional de Computação Científica - LNCC/MCTI
Suplente Banca Examinadora: Marisa Fabiana Nicolás - Laboratório Nacional de Computação Científica - LNCC
