Repositório Digital

A- A A+

Predição da flexibilidade de aminoácidos utilizando neuroevolução de topologias crescentes

.

Predição da flexibilidade de aminoácidos utilizando neuroevolução de topologias crescentes

Mostrar registro completo

Estatísticas

Título Predição da flexibilidade de aminoácidos utilizando neuroevolução de topologias crescentes
Outro título Prediction of amino acids flexibility using NeuroEvolution of Augmenting Topologies
Autor Grisci, Bruno Iochins
Orientador Dorn, Márcio
Co-orientador He, Shan
Data 2016
Nível Graduação
Instituição Universidade Federal do Rio Grande do Sul. Instituto de Informática. Curso de Ciência da Computação: Ênfase em Ciência da Computação: Bacharelado.
Assunto Bioinformática
Redes neurais
[en] Artificial neural networks
[en] Neuroevolution
[en] Protein three-dimensional structure prediction
[en] Structural bioinformatics
Resumo Este trabalho aborda o desafio da predição da estrutura tridimensional de uma dada sequência de aminoácidos, o que foi relatado pertencer à classe dos problemas NP-Completos. É apresentado um novo método baseado na evolução de redes neurais artificiais através de NeuroEvolução de Topologias Crescentes e em agrupamento hierárquico para extração de características estruturais de proteínas determinadas experimentalmente e definir a flexibilidade conformacional de uma sequência de aminoácidos alvo. A técnica proposta manipula informação estrutural do Protein Data Bank para gerar intervalos de ângulos de torção com probabilidades associadas para cada aminoácido em uma sequência alvo, representando a sua flexibilidade conformacional. Essa informação pode ser usada para predizer a estrutura tridimensional de sequências proteicas desconhecidas e ajudar na redução do espaço de busca conformacional de moléculas de proteína em métodos de predição da estrutura de proteínas baseados em conhecimento. O método proposto foi testado com uma variedade de proteínas e os resultados indicam que ele de fato é uma opção funcional de representar a flexibilidade de aminoácidos.
Abstract This work addresses the challenge of predicting the three-dimensional structure of a given amino acid sequence, which has been reported to belong to the NP-Complete class of problems. It is presented a new method based on evolving artificial neural networks through NeuroEvolution of Augmenting Topologies and hierarchical clustering to extract structural features from experimentally-determined proteins and determine the conformational flexibility of a target amino acid sequence. The proposed technique manipulates structural information from the Protein Data Bank to generate torsion angles intervals with associated probabilities for each amino acid in a target sequence representing its conformational flexibility. This information may be used to predict the three-dimensional structure of unknown protein sequences and help to reduce the conformational search space of protein molecules in knowledge-based protein structure prediction methods. The method was tested with a variety of proteins and the results indicate that it is indeed a functional way to represent the flexibility of amino acids.
Tipo Trabalho de conclusão de graduação
URI http://hdl.handle.net/10183/147628
Arquivos Descrição Formato
000999621.pdf (21.05Mb) Texto completo Adobe PDF Visualizar/abrir

Este item está licenciado na Creative Commons License

Este item aparece na(s) seguinte(s) coleção(ões)


Mostrar registro completo

Percorrer



  • O autor é titular dos direitos autorais dos documentos disponíveis neste repositório e é vedada, nos termos da lei, a comercialização de qualquer espécie sem sua autorização prévia.
    Projeto gráfico elaborado pelo Caixola - Clube de Criação Fabico/UFRGS Powered by DSpace software, Version 1.8.1.