COMPUTAÇÃO INTELIGENTE NO ESTUDO DE VARIANTES DE HEMOGLOBINA CAPES Universidade de São Paulo Programa de Pós-Graduação Interunidades Bioengenharia – EESC/FMRP/IQSC COMPUTAÇÃO INTELIGENTE NO ESTUDO DE VARIANTES DE HEMOGLOBINA Sousa1, T.H.S.;Delbem2, A.C.B.; Policastro2, A.C.; Garrat, 4R. C. 1Bioengenharia-São Carlos-USP; 2ICMC-São Carlos-USP, 4IFSC- São Carlos - USP

sumário Motivação Introdução Objetivo Materiais e Métodos Resultados Conclusão

_________________________________________________________MOTIVAÇÃO Evolução in vitro Método laboratorial para a evolução de moléculas por meio de mutações. Obtenção de propriedades desejadas. Evolução de proteínas in vitro. descobrimento de novas drogas. cura de muitas doenças de origem genética. Técnica de alto custorequer longo período de tempo.

PROTEÍNAS Componentes fundamentais de todos os seres vivos. ______________________________________________________INTRODUÇÃO PROTEÍNAS macromoléculas direta ou indiretamente responsáveis pelo desempenho de praticamente todas as funções metabólicas, estruturais, imunológicas e reprodutivas nos organismos vivos. Componentes fundamentais de todos os seres vivos. Moléculas orgânicas mais abundantes das células. LEHNINGER, 1976

PROTEÍNAS Algumas de suas principais funções: ______________________________________________________INTRODUÇÃO PROTEÍNAS Principais elementos: C, H, N , O e S. Elementos adicionais: P, Fe, Zn e Cu. Elementos liberados por hidrólise: Aminoácidos ou -aminoácidos Algumas de suas principais funções: Catálize enzimática; Transporte e armazenamento; Sustentação mecânica; Proteção imunitária e outras.

Conformação das proteínas ______________________________________________________INTRODUÇÃO Conformação das proteínas Proteínas fibrosas Proteína Globulares

______________________________________________________INTRODUÇÃO AMINOÁCIDOS 20 aminoácidos são encontrados nas proteínas (padrão) Classificados Grupamentos R Polaridade: Hidrofóbicos, Hidrofílicos, Básicos e Ácidos

______________________________________________________INTRODUÇÃO HEMOGLOBINA Proteínas, contidas nas hemácias, responsáveis pelo transporte de O2 , CO2, e íons de H+ . A Hb contém 2 cadeias  (141 a.a) e 2 cadeias  (146 a.a) liga-se a cada cadeia um grupo heme

________________________________________________________INTRODUÇÃO HEMOGLOBINA Desoxihemoglobina Estado T Oxiemoglobina Estado R

Aprendizado de Máquina ________________________________________________________INTRODUÇÃO Aprendizado de Máquina AM é uma área de pesquisa computacional  objetivo é desenvolvimento de sistemas computacionais capazes de aprenderem e adquirirem conhecimento de forma automática. Algoritmos de Aprendizado: Programa computacional capaz de tomar decisões baseadas em soluções de problemas anteriores. Exemplos de técnicas de AM: Redes Neurais, SVM, técnica de Árvores de Decisão e Algoritmos Genéticos.

______________________________________________________OBJETIVO Propomos neste trabalho investigar técnicas computacionais inteligentes capazes de determinar a funcionalidade de proteínas mutantes a partir das seqüências de aminoácidos e classificar de maneira correta as mutações da proteína hemoglobina para em seguida predizer as características de uma nova mutação.

1) Proteínas (Hemoglobinas - Hb). ________________________________________________MATERIAIS E MÉTODOS Foram realizados dois estudos: 1) Proteínas (Hemoglobinas - Hb). Foram utilizadas as cadeias alfa e beta da proteína HB  Com 141 e 146 aminoácidos respectivamente. Um cojunto de dados de proteínas disponíveis em: http://us.expasy.org e http://globin.cse.psu.edu. adquiridas estruturas primárias da Hb (mutantes) associadas ou não a uma patologia com suas respectivas classificações seqüência original da proteína estudada.

2) Técnicas computacionais inteligentes. ________________________________________________MATERIAIS E MÉTODOS 2) Técnicas computacionais inteligentes. A técnica computacional (AM) Algoritmos C 4.5, Algoritmo SMO, Random Forest, Kstar e FLR para a verificação da funcionalidade de hemoglobinas. Programa Weka (Waikato Environment Knowledge Analysis) versão 3.2, composto por um conjunto de algoritmos de AM implementados em Java, disponível no site http://www.cs.waikato.ac.nz/ml/weka/ index.htm.

________________________________________________MATERIAIS E MÉTODOS METODOLOGIA Os experimentos seguiram a metodologia 10-fold-cross-validation. As seqüências foram aleatoriamente separadas em 10 grupos de tamanhos aproximadamente iguais Um grupo foi utilizado como conjunto de novas seqüências apresentadas ao sistema para o aprendizado 9 grupos restantes foram utilizados como seqüências de treinamento dos demais algoritmos. Após cada treinamento utilizando os 9 grupos, o grupo de teste foi apresentado ao sistema e a média dos erros foi calculada esse processo foi repetido para os 9 grupos restantes.

Testes realizados  AM e AG ________________________________________________________RESULTADOS RESULTADOS Testes realizados  AM e AG A Tabela 1  apresenta os resultados dos testes que foram realizados com a cadeia alfa da proteína Hemoglobina seqüências mutantes de indivíduos heterozigotos ambientes químicos. A Tabela 2  apresenta os resultados dos testes que foram realizados com a cadeia beta da proteína Hemoglobina seqüências mutantes de indivíduos heterozigotos ambientes químicos.

________________________________________________________RESULTADOS Tabela 1 - Erro médio para os indivíduos Heterozigotos da cadeia alfa Algoritmo Erro Médio Boas Ruins Total C 4.5 17.9% 114 25 139 SVM 18.7%   Random Forest Kstar 19.4% FLR 23.7% Tabela 2 - Erro médio para os indivíduos Heterozigotos da cadeia beta Algoritmo Erro Médio Boas Ruins Total C 4.5 36.2% 88 50 138 SVM 29.7%   Random Forest 33.3% Kstar 26.8% FLR 31.8%

________________________________________________________RESULTADOS A Tabela 3  apresenta os testes que foram realizados com a cadeia beta da proteína Hemoglobina com o Algoritmo Genético  Filtro objetivo era selecionar ainda mais as entradas para os classificadores. A Tabela 4  apresenta os resultados dos testes realizados com a cadeia beta da proteína HemoglobinaAlgoritmo Genético.

________________________________________________________RESULTADOS Tabela 3 -Algoritmos Genéticos/ Cadeia Beta/ Filtro Algoritmo Erro Médio Boas Ruins Total C 4.5 3.6% 197 186 383 SVM 2.1% 383 Tabela 4 - Algoritmos Genéticos/ Cadeia Beta Algoritmo Erro Médio Boas Ruins Total C 4.5 SVM 1.8 % 197 186 383 197 186 383 1.6 %

__________________________________________________________ CONCLUSÃO Os testes realizados com os algoritmos escolhidos apresentaram um resultado esperado quando se utilizam técnicas de aprendizado que requerem bancos de dados numerosos. A utilização de técnicas de aprendizado de máquina, por exemplo, o C 4.5, permite a construção de árvores de decisões que podem revelar a lógica de como é determinada a função de proteínas.

__________________________________________________________ CONCLUSÃO Como apresentado nos resultados experimentais o uso do Algoritmo Genético permitiu que se alcançassem resultados bastante significativos. Como etapa futura a ser investigada está a criação de um software capaz de predizer futuras mutações da proteína estudada, a partir dos conhecimentos adquiridos.