Uma estratégia computacional baseada em aprendizagem supervisionada para predição moléculas para uso agrícola

Abstract

O aumento da utilização de recursos computacionais em pesquisas científicas tem contribuído para uma maior aplicação dessas tecnologias nos trabalhos científicos na área da Bioinformática. Uma técnica computacional que tem sido bastante utilizada é a virtual screening ou triagem virtual de ligantes. Como resultado dessas contribuições, pode-se citar as descobertas de novos fármacos, as mutações em resíduos de pro- teínas, o alinhamento de sequências, entre outros. Além dos benefícios mencionados acima, existe a perspectiva de descobertas de medicamentos e vacinas com meno- res custos e com menor tempo de desenvolvimento desses fármacos. Nesse sentido, pode-se citar a descoberta, em caráter emergencial, da vacina contra a Covid‐19, do- ença causada pelo Sars‐Cov‐2, nome oficial do novo coronavírus. O reposicionamento de fármacos é outra técnica utilizada. Por meio dessa, busca-se avaliar a eficácia de medicamentos já existentes para determinadas enfermidades em outros tipos de do- enças. Esse recurso assemelha-se ao teste utilizado para desenvolver a vacina Sars‐ Cov‐2. Neste trabalho, propôs-se a utilização de uma estratégia computacional em aprendizado supervisionado para caracterizar e prever ligantes que podem interagir com moléculas importante no contexto da agricultura. O cenário de aplicação é a soja e seu inseto praga, a lagarta Anticarsia gemmatalis Hubner. Assim, busca-se prever potenciais moléculas que possam inibir proteínas no intestino da lagarta e, consequen- temente, o controle de pragas.

Palavras‐chave:

Triagem Virtual. Aprendizado de Máquina. Proteína-Ligante. Protease.The increased used of computational resources in scientific research has contributed to a greater application of these technologies in scientific work in the field of Bioin- formatics. A computational technique that has been widely used is virtual screening of ligands. As a result of these contributions, we can mention the discoveries of new drugs, mutations in protein residues, sequence alignment, among others. In addition to the benefits mentioned above, there is the prospect of discovering drugs and vaccines at lower costs and with a shorter development time for these drugs. In this sense, one can mention the discovery, on an emergency basis, of the vaccine against Covid-19, a disease caused by Sars-Cov-2, the official name of the new coronavirus. Drug reposi- tioning is another technique used. Through this, we seek to evaluate the effectiveness of existing drugs for certain diseases in other types of diseases. This feature is similar to the test used to develop the Sars-Cov-2 vaccine. In this work, we propose the use of a computational strategy in supervised learning to characterize and predict ligands that can interact with important molecules in the context of agriculture. The application scenario is soybean and its insect pest, the caterpillar Anticarsia gemmatalis Hubner. Thus, we seek to predict potential molecules that can inhibit proteins in the caterpillar’s intestine and, consequently, pest control.

Keywords:

Virtual Screening. Machine Learning. Protein-Ligand. Protease.