Implementação de árvores de decisão para propriedades tridimensionais em linguagem Python

Detalhes bibliográficos
Autor(a) principal: Silva, Raphael Giordano do Nascimento e
Data de Publicação: 2015
Idioma: por
Título da fonte: Manancial - Repositório Digital da UFSM
dARK ID: ark:/26339/001300000r2sp
Texto Completo: http://repositorio.ufsm.br/handle/1/24848
Resumo: Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Centro de Tecnologia, Curso de Ciência da Computação, RS, 2015.
id UFSM_7664d896f0160574ffd8e7f5b79cbac9
oai_identifier_str oai:repositorio.ufsm.br:1/24848
network_acronym_str UFSM
network_name_str Manancial - Repositório Digital da UFSM
repository_id_str
spelling Implementação de árvores de decisão para propriedades tridimensionais em linguagem PythonMineração de dadosBioinformáticaDesenho racional de fármacosÁrvores de decisãoÁrvores de regressãoCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOTrabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Centro de Tecnologia, Curso de Ciência da Computação, RS, 2015.Bioinformatics is a field of research that makes use of computational techniques for bioilogical results. Rational Drug Design is an importante field of research focusing on the interaction between macromolecules, called as receptors, and small molecules, called as ligands. The objective is to investigate the best fit between these molecules to perform or inhibit specific functions, which can be measured by the estimated Free Energy of Binding (FEB). Most studies consider the receptor as a rigid structure, however a more realistic method must consider not only the ligand as a flexible structure, but also the receptor. This flexibility can be simulated by means of a technique called Molecular Dynamics (MD) simulation. After an in silico RDD experiments, the most promissing ligands for a particular receptor are tested in vitro and a new drug may be created. The algorithm implemented in this work induces a regression-tree considering the three-dimensional properties of the receptor’s atoms the leads to a good estimated FEB value. This algorith makes use of the coordinates to split a node into two parts, where the atom is evaluated in terms of its pose in a block - which represents the best position in the space. A domain expert may then select promising conformations of the receptor from the induced model. This work deals with the implementation of the 3D-Tri algorithm in Python. This language was chosen because of its extensive use in data mining context, its large number of available libraries and the facility of reading and writing in that language. Tests were performed with data of NUNL2 ligand, known efflux pump inhibitor AcrB (Acriflavine resistance protein B). These tests resulted in a model easily interpreted by a domain expert, a characteristic of the 3D-Tri algorithm. This implementation aims to add improvements to the algorithm and extend the use of it, to thus contribute to the RDD process.A bioinformática faz uso de técnicas computacionais para resultados biológicos. O desenho racional de fármacos (RDD - Rational Drug Design) é uma importante subdivisão da bioinformática que trata fundamentalmente da interação das macromoléculas, chamadas de receptores, e moléculas menores chamadas de ligantes. O objetivo consiste em investigar o melhor encaixe entre essas duas moléculas para realizar ou inibir funções específicas. Esse encaixe pode ser medido pela energia livre de ligação (FEB - Free Energy Binding). A maioria dos algoritmos de docagem molecular considera o receptor como uma estrutura rígida. Porém, um método mais realista, e de melhor resultado, deve considerar não só o ligante como uma estrutura flexível, mas também o receptor. Isso é possível por meio de uma técnica chamada de dinâmica molecular (DM). Após os experimentos in silico de RDD, os melhores ligantes de um determinado receptor são testados in vitro e um novo fármaco pode surgir. O algoritmo implementado neste trabalho induz uma árvore de decisão para regressão, uma técnica de classificação onde o atributo classe contínuo, que considera as propriedades tridimensionais para se ter um melhor resultado em relação à técnicas de indução convencionais. O algoritmo utiliza as coordenadas para dividir um nodo em duas partes, onde o átomo é avaliado em termos de sua posição em um bloco que melhor represente sua posição no espaço. Um especialista de domínio pode então selecionar conformações promissoras do receptor a partir do modelo induzido. Este trabalho trata da implementação do algoritmo 3D-Tri na linguagem Python. Essa linguagem foi escolhida devido ao seu amplo uso no contexto de mineração de dados, seu grande número de bibliotecas disponíveis e a facilidade de escrita e leitura nessa linguagem. Testes foram realizados com dados do ligante NUNL2, conhecido inibidor da bomba de efluxo AcrB (Acriflavine resistance protein B). Esses testes resultaram em um modelo facilmente interpretado por um especialista de domínio, uma característica do algoritmo 3D-Tri. Esta implementação visa acrescentar melhorias ao algoritmo e ampliar o uso do mesmo, para consequentemente contribuir no processo de RDD.Universidade Federal de Santa MariaBrasilUFSMCentro de TecnologiaTrindade Winck, AnaSilva, Raphael Giordano do Nascimento e2022-06-15T12:49:04Z2022-06-15T12:49:04Z2015-07-132015Trabalho de Conclusão de Curso de Graduaçãoinfo:eu-repo/semantics/publishedVersionapplication/pdfhttp://repositorio.ufsm.br/handle/1/24848ark:/26339/001300000r2spporAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessreponame:Manancial - Repositório Digital da UFSMinstname:Universidade Federal de Santa Maria (UFSM)instacron:UFSM2022-06-23T11:52:10Zoai:repositorio.ufsm.br:1/24848Biblioteca Digital de Teses e Dissertaçõeshttps://repositorio.ufsm.br/PUBhttps://repositorio.ufsm.br/oai/requestatendimento.sib@ufsm.br||tedebc@gmail.com||manancial@ufsm.bropendoar:2022-06-23T11:52:10Manancial - Repositório Digital da UFSM - Universidade Federal de Santa Maria (UFSM)false
dc.title.none.fl_str_mv Implementação de árvores de decisão para propriedades tridimensionais em linguagem Python
title Implementação de árvores de decisão para propriedades tridimensionais em linguagem Python
spellingShingle Implementação de árvores de decisão para propriedades tridimensionais em linguagem Python
Silva, Raphael Giordano do Nascimento e
Mineração de dados
Bioinformática
Desenho racional de fármacos
Árvores de decisão
Árvores de regressão
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
title_short Implementação de árvores de decisão para propriedades tridimensionais em linguagem Python
title_full Implementação de árvores de decisão para propriedades tridimensionais em linguagem Python
title_fullStr Implementação de árvores de decisão para propriedades tridimensionais em linguagem Python
title_full_unstemmed Implementação de árvores de decisão para propriedades tridimensionais em linguagem Python
title_sort Implementação de árvores de decisão para propriedades tridimensionais em linguagem Python
author Silva, Raphael Giordano do Nascimento e
author_facet Silva, Raphael Giordano do Nascimento e
author_role author
dc.contributor.none.fl_str_mv Trindade Winck, Ana
dc.contributor.author.fl_str_mv Silva, Raphael Giordano do Nascimento e
dc.subject.por.fl_str_mv Mineração de dados
Bioinformática
Desenho racional de fármacos
Árvores de decisão
Árvores de regressão
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
topic Mineração de dados
Bioinformática
Desenho racional de fármacos
Árvores de decisão
Árvores de regressão
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
description Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Centro de Tecnologia, Curso de Ciência da Computação, RS, 2015.
publishDate 2015
dc.date.none.fl_str_mv 2015-07-13
2015
2022-06-15T12:49:04Z
2022-06-15T12:49:04Z
dc.type.driver.fl_str_mv Trabalho de Conclusão de Curso de Graduação
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://repositorio.ufsm.br/handle/1/24848
dc.identifier.dark.fl_str_mv ark:/26339/001300000r2sp
url http://repositorio.ufsm.br/handle/1/24848
identifier_str_mv ark:/26339/001300000r2sp
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Santa Maria
Brasil
UFSM
Centro de Tecnologia
publisher.none.fl_str_mv Universidade Federal de Santa Maria
Brasil
UFSM
Centro de Tecnologia
dc.source.none.fl_str_mv reponame:Manancial - Repositório Digital da UFSM
instname:Universidade Federal de Santa Maria (UFSM)
instacron:UFSM
instname_str Universidade Federal de Santa Maria (UFSM)
instacron_str UFSM
institution UFSM
reponame_str Manancial - Repositório Digital da UFSM
collection Manancial - Repositório Digital da UFSM
repository.name.fl_str_mv Manancial - Repositório Digital da UFSM - Universidade Federal de Santa Maria (UFSM)
repository.mail.fl_str_mv atendimento.sib@ufsm.br||tedebc@gmail.com||manancial@ufsm.br
_version_ 1847103561811361792

Registros relacionados