IA e Bioinformática: modelos computacionais de proteínas

IA e Bioinformática: modelos computacionais de
proteínas
proteínas
Alex Dias Camargo
@alexcamargoweb
UNIVERSIDADE FEDERAL DO PAMPA
CURSO DE ENGENHARIA QUÍMICA
PROJETO DE EXTENSÃO
MACHINE LEARNING NA ESCOLA
JUNHO/2022

2
I. Organização da palestra
Esta apresentação está organizada da seguinte maneira:
 Apresentação
 IA e mercado de trabalho
 O que é Bioinformática?
 Engenharia de proteínas
 Onde estudar?
 Agradecimentos
 Referências
IA e Bioinformática: modelos computacionais de proteínas Alex Camargo

3
II. Apresentação

4
II. Apresentação
Figura. Linkedin do autor - @alexcamargoweb.

5
II. Apresentação
Figura. Instagram do autor - @alexcamargoweb.

6
0. IA e mercado de trabalho

7
0.1. Introdução
IA se refere a sistemas ou máquinas que imitam a inteligência
humana para realizar tarefas e podem se aprimorar iterativamente
com base nas informações que coletam.
 IA clássica: qualquer técnica que capacite uma máquina a
imitar a inteligência humana.

8
0.1. Introdução
Figura: IA clássica – Teste de Turing.

9
0.1. Introdução
 Machine Learning: métodos “estatísticos” que possibilitam
aos modelos aprenderem a partir de dados, sem programação.

10
0.1. Introdução
Figura: Machine Learning – Descoberta de conhecimento em bases de dados (KDD).

11
0.1. Introdução
 Machine Learning: métodos “estatísticos” que possibilitam
aos modelos aprenderem a partir de dados, sem programação.
 Deep Learning: Redes Neurais com múltiplas camadas que
assimilam tarefas e reconhecem símbolos.

12
0.1. Introdução
Figura: Deep Learning – Visão Computacional.

13
0.2. 5 mitos sobre a IA empresarial
Embora muitas empresas adotem com sucesso a tecnologia de IA,
também há muitas informações erradas sobre o que essa
tecnologia pode ou não fazer.
 Mito 1: a IA nas empresas exige uma abordagem do tipo "faça
você mesmo".
 Mito 2: a IA produzirá resultados mágicos imediatamente.
 Mito 3: a IA corporativa não exige que as pessoas a
executem.
 Mito 4: quanto mais dados, melhor.
 Mito 5: a IA corporativa precisa apenas de dados e modelos
para ter sucesso.

14
0.2. 5 mitos sobre a IA empresarial
Figura: Carreira em IA - Expectativa.

15
0.2. Por onde começar?
Figura: Carreira em IA - Realidade.

16
0.3. Por onde começar?
Alguns pontos importantes a serem considerados para o “início” de
uma carreira em Inteligência Artificial.
 O que estudar: aquilo que você gosta :)
 Remuneração de desenvolvedor IA: Trainee (1,5k à
2,5k), Junior (3,5k à 4k), Pleno (4,5k à 6k), Senior (8k).
 Outras coisas importantes: disciplina, networking,
destaque-se.
 Tenha um CNPJ: criar um MEI é super fácil.
 Educação Financeira: não basta trabalhar por dinheiro, o
contrário também deve acontecer.
 Qual a melhor tecnologia? Aquela que você domina!
 If it's not documented, it didn't happen!

17
1. O que é Bioinformática?

18
1.1. Introdução
A Bioinformática pode ser definida como o emprego de
ferramentas computacionais no estudo de problemas e questões
biológicas, abrangendo diversas áreas do conhecimento.
 Bioinformática tradicional: problemas relacionados a
sequências de nucleotídeos e aminoácidos.

19
1.1. Introdução
Figura: From human beings to DNA.

20
1.1. Introdução
Figura: Representação de sequências de nucleotídeos e aminoácidos.

21
1.1. Introdução
A Bioinformática pode ser definida como o emprego de
ferramentas computacionais no estudo de problemas e questões
biológicas, abrangendo diversas áreas do conhecimento.
 Bioinformática tradicional: problemas relacionados a
sequências de nucleotídeos e aminoácidos.
 Bioinformática estrutural: questões biológicas de um ponto
de vista tridimensional.

22
1.1. Introdução
Figura: Representação do fluxo de informação em sistemas biológicos.

23
1.1. Introdução
Figura: Representação de estruturas tridimensionais de proteínas.

24
1.1. Introdução
Podemos traçar como momento chave o início da década de 1950,
quando a revista Nature publicou o trabalho sobre a estrutura em
hélice da molécula de DNA por Watson e Crick.
 Projeto Genoma Humano - PGH (1990-2000).
SEQUENCIAR É UMA COISA, ENTENDER É OUTRA.

25
1.1. Introdução
Figura: Revista Nature de 2001.

26
1.1. Introdução
 Estratégias de planejamento de fármaco$.

27
Figura: How are drugs designed and developed?

28
1.1. Introdução
 Estratégias de planejamento de fármaco$.
 Emprego de ferramentas computacionais.

29
Figura: Design computacional de fármacos.
1.1. Introdução

30
1.2. Problemas alvo
Figura: Metodologias que lidam com sequências (verde) e metodologias envolvidas com
estruturas tridimensionais (laranja).

31
1.2. Problemas alvo
Figura: Integração das áreas de conhecimento.

32
1.3. Tendências e desafios
Como uma área em rápido desenvolvimento, a Biologia
Computacional exige de seu praticante uma constante atenção a
novas abordagens, métodos, requerimentos e tendências.
 Manipulação de dados

33
Figura: Genoma Humano em um arquivo.
3,2bi

34
 Processamento paralelo

35
1.3. Tendências e desfios
Figura: Dinâmica molecular de proteínas.

36
Figura: Comparação entre tempo de execução em software para dinâmica molecular (CPU
versus GPU)

37
 Processamento paralelo
 Aprendizado de máquina

38
1.3. Tendências e desfios
Figura: Métodos de Machine Learning para Bioinformática.

39
1.4. Bioinformática na prática
"Two months in the lab can easily save an afternoon on the
computer." - Dr. Alan Bleasby (Senior Scientific Officer at EMBL-
EBI)
 Avanços tecnológicos = Carreiras em alta.

40
Figura: Descubra as carreiras que estão em alta para 2019 e o salário pago.
(Jornal Estado de Minas)

41
EBI)
 A bioinformática e a genética avançam no diagnóstico e
tratamento de doenças.

42
Figura: Unicamp utiliza sequenciadores para estudos de genomas e pequenas listas de
genes. Foto: Divulgação/Unicamp.

43
EBI)
 A bioinformática e a genética avançam no diagnóstico e
tratamento de doenças.
 Cientistas revelam estrutura do vírus da zika pela
primeira vez.

44
Figura: Representação da estrutura do vírus da zika.

45
2. Engenharia de proteínas

46
2.1 Formas de visualização
O desafio de representar graficamente proteínas vem
acompanhando os pesquisadores desde o início dos estudos da
estrutura destas moléculas.
Figura. Primeiro programa de visualização da estrutura 3D de moléculas.
Scientific American, 1966

47
Figura. Exemplo das formas de visualização mais comumente empregadas na
descrição de biomoléculas, aplicadas a uma proteína

48
Figura. VMD: tela inicial

49
Figura. VMD: arquivo PDB da proteína 3THC

50
Figura. VMD: proteína 3THC com destaque para um ponto de mutação Y64F.

51
2.2 Alinhamentos e Modelos
Tridimensionais
Alinhamentos são técnicas de comparação entre duas ou mais
sequências biológicas buscando séries de caracteres individuais que
se encontram na mesma ordem de representação.
Figura. Aplicações dos métodos de alinhamento de sequências biológicas.

52
2.2 Alinhamentos e Modelos
Tridimensionais
Figura. Exemplo de alinhamento de múltiplas estruturas proteicas oriundas de
diferentes organismos

53
2.3 Estrutura 3D de proteínas
A função de uma proteína está associada à sua estrutura 3D. As
informações sobre a estrutura de uma proteína estão armazenadas
em uma sequência codificada nos genes de um organismo.
Figura. Retinol Binding Protein com o retinol no sítio ativo, código PDB: 1RBP.

54
A predição de estruturas tridimensionais de proteínas se
caracteriza por possuir aplicações práticas de grande impacto
terapêutico e biotecnológico.
Figura. Modeller: Sequência primária da proteína GLB1 (PDB: 3THC)

55
Figura. Modeller: submissão ao BLAST.

56
Figura. Modeller: Sequências com alinhamento significativo no BLAST.

57
Figura. Modeller: download da estrutura 3WF2 pelo banco de dados PDB.

58
Figura. Modeller: download da estrutura 3WF4 pelo banco de dados PDB.

59
Figura. Modeller: download da estrutura 3THC pelo banco de dados PDB.

60
Figura. EasyModeller: comparando estruturas moldes.

61
Figura. EasyModeller: alinhamento de estruturas

62
Figura. Modeller: modelo 3D gerado in-silico. A alça para fora da proteína são
provalmente aminoácidos que a ferramenta não conseguiu determinar na estrutura

63
2.4 Dinâmica Molecular
É um procedimento de simulação que consiste na computação do
movimento dos átomos em uma molécula de acordo com as leis de
Newton.
Figura. Flexibilidade de enzima evidenciada através de simulação por dinâmica
molecular.

64
Figura. Lisozima em uma caixa com água.

65
Figura. GROMACS: tela inicial.

66
Figura. GROMACS: execução da DM (PDB 1AKI).

67
Animação. GROMACS: resultado da DM (PDB 1AKI)

68
2.5 Mutações em Proteínas
Estudos de mutações visam, principalmente, determinar
experimentalmente as diferenças de energia livre (ΔΔG) entre a
proteína do tipo selvagem e a mutante.
Figura. Mutações em proteínas: variação de energia livre.

69
Figura. Nomes dos 20 aminoácidos codificadores de proteínas

70
Figura. mCSM: tela inicial de sumbissão.

71
Figura. mCSM: resultados.

72
3. Onde estudar?

73
3. Onde estudar?
Está interessado no assunto?
 Programa de Pós-Graduação em Computação Aplicada
(UNIPAMPA)
Mestrado
http://cursos.unipampa.edu.br/cursos/ppgcap/
Figura: PPGCAP UNIPAMPA.

74
3. Onde estudar?
Figura: PPGCOMP FURG.

75
3. Onde estudar?
Figura: COMBI-LAB FURG.

76
3. Onde estudar?
Figura: COMBI-LAB FURG.

77
3. Onde estudar?
Figura: NVIDIA QUADRO 600.

78
3. Onde estudar?
Figura: NVIDIA TESLA K40.

79
3. Onde estudar?
Figura: Programa Interunidades de Pós-Graduação em Bioinformática (UFMG).

80
III. Agradecimentos
Deem graças em todas as circunstâncias, pois esta é a vontade de
Deus para vocês em Cristo Jesus. 1 Tessalonicenses 5:18
 UNIPAMPA/EQ
 Prof. Alexandre Arruda

81
Referências
http://www.open-bio.org/wiki/Main_Page
http://www.biophp.org/
http://biopython.org/
http://biojs.io/
Figura: Referência indicada.

82
Referências
https://pt.slideshare.net/AdrianaDantas2/introduo-a-bioinformatica?
qid=3ffd1526-5c7f-434a-80be-7499b0815f04&v=&b=&from_search=13
https://www.oracle.com/br/artificial-intelligence/what-is-ai/
https://pt.slideshare.net/genomika/como-seu-dna-com-a-bioinformtica-pode-
revolucionar-o-diagnstico-clnico-no-conhecimento-do-seu-corpo?qid=3ffd1526-
5c7f-434a-80be-7499b0815f04&v=&b=&from_search=9
https://pt.slideshare.net/JTADrexel/bioinformatics-2512758?qid=3594f6c5-
d7a5-4875-a846-f94a06166dbf&v=&b=&from_search=1
https://pt.slideshare.net/CinciasGenmicas/carreira-em-bioinformtica-e-
biotecnologia?qid=3ffd1526-5c7f-434a-80be-
7499b0815f04&v=&b=&from_search=42
http://www.labnetwork.com.br/destaque/a-bioinformatica-e-a-genetica-
avancam-no-diagnostico-e-tratamento-de-doencas/
http://g1.globo.com/bemestar/noticia/2016/03/cientistas-revelam-estrutura-do-
virus-da-zika-pela-primeira-vez.html

proteínas
proteínas
Alex Dias Camargo
@alexcamargoweb
OBRIGADO :)
JUNHO/2022

IA e Bioinformática: modelos computacionais de proteínas

Mais conteúdo relacionado

Semelhante a IA e Bioinformática: modelos computacionais de proteínas (20)

Mais de Alex Camargo (20)

Último (20)

IA e Bioinformática: modelos computacionais de proteínas