Descrição: Entre as muitas áreas de pesquisa de Bioinformática, uma das mais importantes é o Desenho Racional de Fármacos (Rational Drug Design - RDD). Os grandes desafios dessa área abrangem o entendimento sobre o comportamento das macromoléculas biológicas receptoras como proteínas e como as mesmas interagem com diferentes pequenas moléculas ou ligantes, uma estratégia bastante difundida chamada de Triagem Virtual (Virtual Screening, VS). VS emprega métodos de docagem molecular para a análise dessa interação receptor-ligante testando in-silico diferentes possíveis inibidores para uma proteína-alvo. Atualmente, cada vez mais, há a necessidade de aproximar os experimentos in-silico dos experimentos in-vitro, tornando as ferramentas computacionais empregadas cada vez mais próximas do que acontece na realidade. Nesse sentido, no processo de RDD é preciso considerar que em condições fisiológicas, as biomoléculas experimentam vários tipos de movimentos e de mudanças conformacionais muitas vezes cruciais para suas funções. Para a execução de um experimento de VS é necessário, além do receptor-alvo (rígido ou flexível), um conjunto de compostos que pode ser obtido de diferentes bases de dados públicas. Entretanto, também é necessária a seleção desses compostos, de forma que nem todos sejam utilizados na triagem virtual para determinado alvo. Além do problema de consideração da flexibilidade dos receptores e da seleção de compostos, em alguns estudos pode acontecer de não se conhecer exatamente o sítio de ligação do alvo, ou seja, não se sabe a melhor região de ligação para realizar o teste com os compostos candidatos a inibidores. Neste caso, é necessário também investigar todo o espaço conformacional do alvo, aumentando a complexidade desse tipo de experimento. Há atualmente diferentes ferramentas de VS, entretanto essas ferramentas executam localmente e os pesquisadores não conseguem facilmente modificar os parâmetros de execução de um experimento de VS nem selecionar um conjunto de conformações do receptor ou um conjunto de ligantes. Propõem-se neste projeto o desenvolvimento de um framework Web para a configuração de experimentos de triagem virtual que sejam apropriados para diferentes objetivos e que permitam que novas funcionalidades sejam adicionadas conforme a necessidade dos pesquisadores.

Projeto realizados nos anos de 2013 à 2016.

Responsável: Karina S. Machado

Financiador: CNPq - Edital Universal

Descrição: O problema de dobramento de proteínas continua presente como um desafio na área de Bioinformática. Com o objetivo de entender alguns aspectos desse problema, a comunidade científica tem proposto uma série de modelos altamente simplificados, porém não triviais. Exemplos desses modelos simplificados que incorporam características estruturais essenciais e consideram as interações entre os aminoácidos são o Modelo HP e o Modelo AB. Atualmente existem diferentes implementações para a solução do dobramento de proteínas com o uso dos Modelos HP e AB que despendem um longo tempo de execução em máquinas com alto desempenho. Este projeto tem por obtivo propor algoritmos para o dobramento de proteínas com modelos simplificados HP e AB. Esses algoritmos são soluções inspiradas nos algoritmos de estimação de distribuição e em estratégias de aprendizagem de máquina para a busca da solução ótima. Também são propostas alternativas com a utilização de processamento paralelo e métodos formais.

Projeto realizado nos anos de 2012 à 2015.

Responsável: Karina S. Machado

Descrição: Entre as muitas áreas de pesquisa de Bioinformática, uma das mais importantes é o Desenho Racional de Fármacos (Rational Drug Design - RDD), um processo onde os custos e o tempo envolvidos são altos. Os grandes desafios dessa área abrangem o entendimento sobre o comportamento das macromoléculas biológicas receptoras como proteínas e como as mesmas interagem com diferentes pequenas moléculas ou ligantes, uma estratégia bastante difundida chamada de Triagem Virtual (Virtual Screening, VS). VS emprega métodos de docagem molecular para a análise dessa interação receptor-ligante testando in-silico diferentes possíveis inibidores para uma proteína-alvo. Há atualmente inúmeros bancos de dados de possíveis candidatos a inibidores da proteína-alvo de estudo. Um dos Bancos de Dados mais populares é o ZINC, que disponibiliza atualmente mais de 20 milhões de moléculas em um formato apropriado para VS. Entretanto, o grande desafio desse tipo de abordagem é o tempo necessário para executá-lo, uma vez que analisar a interação in-silico de 20 milhões de compostos com cada proteína-alvo tem um alto custo computacional. Sendo assim, neste projeto são estudados métodos de seleção de compostos químicos mais promissores utilizando para isso diferentes técnicas de mineração de dados.

Projeto realizado nos anos de 2012 à 2013.

Responsável: Karina S. Machado

Descrição: Uma forma de tratar os dados biológicos que estão sendo produzidos de forma a gerar informação útil é a aplicação de mineração de dados. Uma das técnicas de mineração de dados mais empregadas é a de Agrupamento, que consiste no processo de agrupar objetos físicos ou abstratos em classes de objetos similares. As trajetórias de simulação por dinâmica molecular (DM) geram uma grande quantidade de estrutura de proteínas, muitas vezes similares, que precisam ser tratadas de forma a reduzir esse espaço conformacional. Sendo assim, este projeto tem por objetivo o estudo e implementação de diferentes algoritmos de agrupamento aplicados aos dados resultantes de uma trajetória de simulação por DM.

Projeto realizado nos anos de 2011 à 2015.

Responsável: Karina S. Machado

Descrição: O comportamento das macromoléculas biológicas pode ser modelado por programas de simulação por dinâmica molecular (DM) como o pacote GROMACS. Esse pacote de código e acesso livre, é utilizado para a execução de DM, gerando um conjunto de diferentes estruturas ao longo do tempo, chamada de trajetória dinâmica. Este projeto tem por objetivo a instalação e utilização do pacote GROMACS para a execução de simulações por DM em ambiente Linux e o desenvolvimento de um workflow científico para automatização desse processo, incluindo a etapa de aplicação de mineração de dados nessa grande quantidade de dados gerada. Esse estudo será realizado tendo como alvo uma importante proteína do Mycobacterium Tuberculosis.

Projeto realizado nos anos de 2011 à 2014.

Responsável: Karina S. Machado