PPGINF PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO FUNDAÇÃO UNIVERSIDADE FEDERAL DO ABC Telefone/Ramal: Não informado http://propg.ufabc.edu.br/ppginfo

Banca de QUALIFICAÇÃO: CARLOS ALVES MOREIRA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : CARLOS ALVES MOREIRA
DATA : 17/12/2020
HORA: 14:00
LOCAL: santo andré - a`Distância
TÍTULO:

Predição de Regiões de Agregação em Proteínas baseada em Machine Learning e Estrutura Terciária.


PÁGINAS: 60
RESUMO:

A expectativa de vida média da população mundial cresce gradualmente, acompanhada de doenças neurodegenerativas como: Parkinson, Alzheimer, Esclerose Lateral Amiotrófica, Diabetes Tipo II, doença de Huntington e Atrofia Muscular Espinhal. Atualmente, gastam-se bilhões de dólares com o tratamento destas doenças, o que destaca a importância e a necessidade de investir esforços no estudo e entendimento dos mecanismos moleculares envolvidos. Apesar de um número significativo de pesquisas conduzidas, essas patologias e os mecanismos moleculares envolvidos não estão completamente compreendidos até esse momento. Doenças degenerativas geralmente envolvem algum tipo de processo de agregação de proteínas, que são macromoléculas envolvidas no processo biológico e cuja função depende de sua estrutura tridimensional (3D) ou conformação nativa.  Estudo dos mecanismos moleculares que levam à agregação pode ajudar no desenvolvimento de medicamentos e terapias. Existem diversos trabalhos que investigam a possibilidade de predição de regiões propensas à agregação na proteína. Alguns destes trabalhos fazem uso de métodos computacionais baseando-se em dados experimentais. O uso de técnicas de Aprendizagem de Máquina (AM) vem sendo utilizado com bastante êxito na área de bioinformática na busca de padrões, classificações e predições de dados. Esse trabalho tem como objetivo principal, o desenvolvimento de uma ferramenta de predição de regiões propensas à agregação da proteína, baseando-se em estrutura terciária (3D), características físico-químicas e utilizando técnicas de Aprendizagem de Máquina. Para realização desse trabalho vamos efetuar: O estudo do fenômeno da agregação de proteínas, características físico-químicas, métodos existentes de predição de propensão de agregação de proteínas, bases de dados de proteínas disponíveis e algoritmos de Aprendizagem de Máquina (AM). Com base nesses estudos    propomos o desenvolvimento do aplicativo MAGRE-II, como o objetivo de efetuar a predição de regiões propensas à agregação da proteína utilizando estrutura 3D e técnicas de Aprendizagem de Máquina. Os resultados serão comparados com o preditores encontrados na literatura como o Aggrescan3D.


MEMBROS DA BANCA:
Presidente - Interno ao Programa - 1563992 - ANA LÍGIA SCOTT
Membro Titular - Examinador(a) Externo ao Programa - 2361024 - FERNANDA NASCIMENTO ALMEIDA
Membro Titular - Examinador(a) Externo ao Programa - 1722875 - DAVID CORREA MARTINS JUNIOR
Membro Suplente - Examinador(a) Externo ao Programa - 1675708 - DANIELE RIBEIRO DE ARAUJO
Notícia cadastrada em: 30/11/2020 17:32
SIGAA | UFABC - Núcleo de Tecnologia da Informação - ||||| | Copyright © 2006-2021 - UFRN - sigaa-2.ufabc.int.br.sigaa-2