Desenvolvimento de uma plataforma versátil para triagem virtual de moléculas bioativas

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMullins, Jonathan G. L.-
Autor(es): dc.contributorCastro, Helena Carla-
Autor(es): dc.contributorSodero, Ana Carolina Rennó-
Autor(es): dc.contributorAlbuquerque, Magaly Girão-
Autor(es): dc.contributorPaixão, Izabel Christina Nunes de Palmer-
Autor(es): dc.contributorTogawa, Roberto Coiti-
Autor(es): dc.contributorGranjeiro, José Mauro-
Autor(es): dc.creatorSantana, Marcos Vinícius da Silva-
Data de aceite: dc.date.accessioned2024-07-11T17:47:41Z-
Data de disponibilização: dc.date.available2024-07-11T17:47:41Z-
Data de envio: dc.date.issued2023-06-27-
Data de envio: dc.date.issued2023-06-27-
Fonte completa do material: dc.identifierhttp://app.uff.br/riuff/handle/1/29226-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/757627-
Descrição: dc.descriptionTrabalho desenvolvido no Laboratório de Antibióticos, Bioquímica e Modelagem Molecular do Departamento de Biologia Molecular e Celular do Instituto de Biologia, Programa de Pós-Graduação em Ciências e Biotecnologia, Universidade Federal Fluminense.-
Descrição: dc.descriptionO desenvolvimento de fármacos é um processo altamente custoso e longo, além de apresentar altas taxas de falha. Métodos computacionais são amplamente utilizados para gerar hipóteses e melhorar as taxas de sucesso do processo. O objetivo deste trabalho é desenvolver uma plataforma computacional aplicável a identificação de moléculas bioativas para qualquer alvo biotecnológico. Quatro bibliotecas de compostos foram filtradas no servidor FAF-DRUGS3 para seleção de fragmentos moleculares para triagem virtual. Foram identificados 1704 fragmentos hits, os quais retornaram 365.595 compostos leads na busca de subestruturas no banco de dados ZINC15. Apesar de ser constituída de diferentes fontes, foi observado que a diversidade de nossa biblioteca foi menor que outras bibliotecas da literatura. A análise de similaridade dos compostos leads revelou que 26 fármacos aprovados pelo FDA estavam presentes neste conjunto, apontando para o potencial de nossa plataforma em identificar compostos biologicamente relevantes apesar da baixa diversidade estrutural dos fragmentos. Para triagem virtual nós desenvolvemos uma função scoring baseada em aprendizado de máquinas, RFBIND. A RFBIND apresentou desempenho superior que funções scoring clássicas no CASF-2016, com elevado poder de scoring e ranking. Além disso, desenvolvemos a plataforma de screening MT-Screen, com elevado poder de screening para Quinases, Proteases e Receptores acoplados a proteína G e alta interpretabilidade.-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior-
Descrição: dc.descriptionSwansea University-
Descrição: dc.descriptionDrug development is a costly and time-consuming process, as well as highly prone to failure. Computational methods are widely used to generate hypotheses and improve success rates. The objective of this work is to develop a computational platform applicable to the identification of bioactive molecules for any biotechnological target. Four compound libraries were screened at the FAFDRUGS3 server for selection of molecular fragments for virtual screening. A total of 1704 hits were identified, which returned 365,595 lead compounds in a substructure search on ZINC15 database. Despite being made up of different sources, it was observed that the diversity of our library was smaller than other libraries in the literature. Similarity analysis of the lead compounds revealed that 26 FDA approved drugs were present in this set, pointing to the potential of our platform to identify biologically relevant compounds despite the low structural diversity of the fragments. For virtual screening we developed a machine learning scoring function, RFBIND, which was superior to classical scoring functions on CASF2016 scoring and ranking tests In addition, we also developed a highly interpretable deep learning plataform, MT-Screen, that showed high performance for kinases, proteases and G protein-coupled receptors screening.-
Descrição: dc.description156 f.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsRestricted Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectTriagem virtual-
Palavras-chave: dc.subjectAprendizagem profunda-
Palavras-chave: dc.subjectTriagem virtual baseada em ligante-
Palavras-chave: dc.subjectTriagem virtual baseada em estrutura-
Palavras-chave: dc.subjectAprendizado de máquinas-
Palavras-chave: dc.subjectSubstância bioativa-
Palavras-chave: dc.subjectMolécula-
Palavras-chave: dc.subjectProteína-
Palavras-chave: dc.subjectBiotecnologia-
Palavras-chave: dc.subjectRede neural-
Palavras-chave: dc.subjectComposto orgânico-
Palavras-chave: dc.subjectVirtual screening-
Palavras-chave: dc.subjectDeep learning-
Palavras-chave: dc.subjectLigand-based drug design-
Palavras-chave: dc.subjectStructurebased drug design-
Palavras-chave: dc.subjectMachine learning-
Título: dc.titleDesenvolvimento de uma plataforma versátil para triagem virtual de moléculas bioativas-
Título: dc.titleDevelopment of a versatile platform for virtual screening of bioactive molecules-
Tipo de arquivo: dc.typeTese-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.