Predição de peptídeos inibidores do canal de sódio dependente de voltagem da drosophila suzukii utilizando aprendizado de máquina, docking e dinâmica molecular
Carregando...
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Dissertação de mestrado
Título alternativo
Primeiro orientador
Membros da banca
Resumo
Os peptídeos representam alternativas ambientalmente mais seguras e específicas em relação
aos inseticidas convencionais, oferecendo vantagens como biodegradabilidade e redução de
efeitos fora do alvo. No entanto, sua aplicação prática ainda é limitada pela complexidade e
pelo custo associados à síntese química e à triagem em larga escala. Neste estudo,
desenvolvemos uma estrutura de aprendizado de máquina (ML) para prever peptídeos
inibidores de canais de sódio voltagem-dependentes (VGSCs) de insetos, alvos fundamentais
na sinalização neuronal e no controle de pragas. Seis algoritmos de aprendizado de máquina
amplamente utilizados foram avaliados sistematicamente, sendo o Support Vector Classifier
(SVC) aquele que apresentou o melhor desempenho preditivo. A análise de interpretabilidade
do modelo por meio do método SHAP revelou que descritores físico-químicos, especialmente
aqueles que descrevem padrões estruturais e a relações entre aminoácidos, foram os mais
influentes nas previsões do modelo, em concordância com os determinantes estruturais
conhecidos das interações entre toxinas e os VGSCs. Os peptídeos derivados de plantas com
melhor classificação previstos pelo modelo foram posteriormente validados por meio do
docking e simulações de dinâmica molecular com o VGSC de Drosophila suzukii, uma das
principais pragas de frutos de casca fina, confirmando interações estáveis nas regiões do poro
e do domínio sensor de voltagem. Esses peptídeos, classificados como defensinas ricas em
cisteína, apresentaram padrões estruturais compatíveis com moduladores conhecidos de
canais iônicos. Embora a disponibilidade limitada de peptídeos inibidores de VGSCs de
insetos validados experimentalmente restringe a generalização do modelo, a abordagem
proposta demonstra o potencial da análise de sequências orientadas por aprendizado de
máquina para acelerar a descoberta de peptídeos bioativos. Ao integrar modelagem preditiva e
simulações moleculares, este trabalho oferece uma estratégia computacionalmente eficiente e
biologicamente relevante para a identificação de novos peptídeos bioativos voltados ao
manejo sustentável de pragas.
Abstract
Assunto
Bioinformática, Inseticidas, Peptídeos, Controle de Pragas, Drosophila, Canais de Sódio Disparados por Voltagem, Aprendizado de Máquina
Palavras-chave
Inseticidas baseados em peptídeos; Manejo de pragas; Drosophila suzukii; Canais de sódio dependentes de voltagem; Aprendizado de máquina.
Citação
Departamento
Endereço externo
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso aberto