RDBU| Repositório Digital da Biblioteca da Unisinos
Uso de redes neurais artificiais na simulação Monte Carlo aplicado ao problema de dobramento de proteínas
- RDBU
- →
- Rede Jesuíta Brasil
- →
- Unisinos
- →
- Produção Acadêmica
- →
- Escola Politécnica
- →
- Teses e dissertações
- →
- Mestrado
- →
- PPG Computação Aplicada
- →
- Ver item
JavaScript is disabled for your browser. Some features of this site may not work without it.
| Autor | Souto, Antonio Carlos Stumpf; |
| Lattes do autor | http://lattes.cnpq.br/7509274843408315; |
| Orientador | Cechin, Adelmo Luis; |
| Lattes do orientador | http://lattes.cnpq.br/6026974071792846; |
| Instituição | Universidade do Vale do Rio do Sinos; |
| Sigla da instituição | UNISINOS; |
| País da instituição | Brasil; |
| Instituto/Departamento | Escola Politécnica; |
| Idioma | pt_BR; |
| Título | Uso de redes neurais artificiais na simulação Monte Carlo aplicado ao problema de dobramento de proteínas; Use of artificial neural networks with Monte Carlo simulation applied to the protein folding problem; |
| Resumo | Neste trabalho é proposto um novo método de otimização do método Monte Carlo (MC) aplicado ao dobramento de proteínas. Este método baseia-se em informações oriundas de Redes Neurais Artificiais (RNAs) treinadas para prever a estrutura secundária de proteínas. Inicialmente, são introduzidos conceitos básicos sobre proteínas e sua estrutura, sobre o método MC, sobre RNAs e sobre os métodos PHD e PROF de treinamento de RNAs para a predição de estruturas secundárias. A seguir, é apresentada uma revisão bibliográfica sobre métodos de previsão de estrutura tridimensional de proteínas e o ganho de informação em sistemas híbridos. Com base nos resultados obtidos em outras abordagens, um novo método é proposto utilizando as predições dos método PROF, disponíveis on-line e com índices de acerto para estrutura secundária acima de 76%, para a redução do espaço de busca do método MC aplicado ao dobramento de proteínas. O método MC é apre- sentado com a previsão da estrutura secundária baseada em RNAs (MC-RNA), e é apl; |
| Abstract | This work proposes a new strategy to optimize the Monte Carlo method (MC) applied to the protein folding problem. This strategy is based on the information obtained from Artificial Neural Networks (ANNs), trained to predict the protein secondary structure. The work presents, initially, background knowledge about proteins and their structure. Follows an introduction to the MC method, Neural Networks and to the prediction of secondary structure using PHD/PROF programs. Then, a survey about tridimensional protein structure is presented. Other concepts,such as information gain in the context of hybrid systems, are also presented. Based on state-of-the art results, a new method is proposed using the predictions produced by the PROF program, available on-line and with a performance higher than 76% for secundary structure prediction, for the reduction of the MC search space. The MC method is presented with the secondary structure prediction based on ANNs (MC-RNA) and applied to four diferent proteins obtained fro; |
| Palavras-chave | bioinformática; dobramento de proteínas; Monte Carlo; redes neurais artificiais; artificial neural networks; bioinformatics; Monte Carlo; protein folding; |
| Área(s) do conhecimento | Ciências Exatas e da Terra; |
| Tipo | Dissertação; |
| Data de defesa | 2006-05-25; |
| Agência de fomento | Hewlett-Packard Brasil Ltda; |
| Direitos de acesso | openAccess; |
| URI | http://www.repositorio.jesuita.org.br/handle/UNISINOS/2226; |
| Programa | Programa de Pós-Graduação em Computação Aplicada; |
Arquivos deste item
Este item aparece na(s) seguinte(s) coleção(s)
-
PPG Computação Aplicada [361]
PPG Computação Aplicada