Predição de peptídeos inibidores do canal de sódio dependente de voltagem da drosophila suzukii utilizando aprendizado de máquina, docking e dinâmica molecular
| dc.creator | JAILAN DA SILVA SOUSA | |
| dc.date.accessioned | 2026-03-03T18:23:33Z | |
| dc.date.issued | 2025-07-30 | |
| dc.description.sponsorship | CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior | |
| dc.identifier.uri | https://hdl.handle.net/1843/1892 | |
| dc.language | por | |
| dc.publisher | Universidade Federal de Minas Gerais | |
| dc.rights | Acesso aberto | |
| dc.rights | Attribution 4.0 International | en |
| dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | |
| dc.subject | Bioinformática | |
| dc.subject | Inseticidas | |
| dc.subject | Peptídeos | |
| dc.subject | Controle de Pragas | |
| dc.subject | Drosophila | |
| dc.subject | Canais de Sódio Disparados por Voltagem | |
| dc.subject | Aprendizado de Máquina | |
| dc.subject.other | Inseticidas baseados em peptídeos; Manejo de pragas; Drosophila suzukii; Canais de sódio dependentes de voltagem; Aprendizado de máquina. | |
| dc.title | Predição de peptídeos inibidores do canal de sódio dependente de voltagem da drosophila suzukii utilizando aprendizado de máquina, docking e dinâmica molecular | |
| dc.type | Dissertação de mestrado | |
| local.contributor.advisor-co1 | Joicymara Santos Xavier | |
| local.contributor.advisor-co1Lattes | http://lattes.cnpq.br/3513284440886930 | |
| local.contributor.advisor1 | Bruno Silva Andrade | |
| local.contributor.advisor1Lattes | http://lattes.cnpq.br/6692846454039770 | |
| local.creator.Lattes | http://lattes.cnpq.br/7101070245336162 | |
| local.description.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. | |
| local.identifier.orcid | https://orcid.org/0000-0001-5297-7532 | |
| local.publisher.country | Brasil | |
| local.publisher.initials | UFMG | |
| local.publisher.program | Programa de Pós-Graduação em Bioinformatica | |
| local.subject.cnpq | CIENCIAS BIOLOGICAS::BIOQUIMICA::BIOLOGIA MOLECULAR |