Das Montanhas de Minas ao Oceano: Os Caminhos da Ciência para um Futuro Sustentável
20 a 25 de outubro de 2025
Trabalho 21940
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Biológicas e da Saúde |
| Área temática | Dimensões Sociais: ODS3 |
| Setor | Departamento de Bioquímica e Biologia Molecular |
| Bolsa | Não se Aplica |
| Conclusão de bolsa | Não |
| Apoio financeiro | CAPES, CNPq, FAPEMIG |
| Primeiro autor | Wenderson Rodrigues Lopes |
| Orientador | RAPHAEL DE SOUZA VASCONCELLOS |
| Outros membros | CHRISTIANE MARIOTINI MOURA VASCONCELLOS, Gabriel Teixeira Guerra, JULIANA LOPES RANGEL FIETTO |
| Título | Desenvolvimento de uma Ferramenta Computacional para Clusterização Molecular e Identificação do Máximo Subgrafo Comum |
| Resumo | As técnicas de bioinformática têm desempenhado um papel essencial na descoberta e desenvolvimento de novos fármacos, permitindo a extração de informações relevantes a partir de grandes volumes de dados brutos. Por meio dessas abordagens, é possível simular in silico a interação entre proteínas de interesse terapêutico e extensas bibliotecas de compostos químicos, otimizando o processo de triagem e reduzindo significativamente os custos envolvidos na descoberta de novos medicamentos. Além disso, estratégias como a análise de bibliotecas de compostos com atividade biológica previamente conhecida contra alvos moleculares específicos têm se mostrado promissoras na predição da atividade de novas moléculas. Nesse contexto, o presente trabalho teve como objetivo o desenvolvimento de um Jupyter Notebook com interface clara, interativa e de fácil utilização, voltado à clusterização molecular e à identificação do Máximo Subgrafo Comum (MCS) entre estruturas químicas. A metodologia adotada baseia-se no uso do RDKit, uma biblioteca open source amplamente utilizada em aplicações de quimioinformática e bioinformática, desenvolvida para Python/C++. Para a etapa de clusterização, foi empregado o algoritmo de Butina, utilizando como métrica a matriz de similaridade de Tanimoto, a partir de fingerprints moleculares. A identificação do MCS foi modelada como um problema de isomorfismo de grafos, permitindo a extração de padrões estruturais recorrentes entre as moléculas agrupadas. O projeto foi desenvolvido integralmente em Python, utilizando a plataforma Google Colab, um ambiente de computação em nuvem compatível com diversas linguagens, como Python, Julia e R. O notebook desenvolvido recebe como entrada um conjunto de moléculas no formato .sdf, realiza o agrupamento com base em um limiar de similaridade ajustável pelo usuário (threshold) e permite a visualização do MCS de cada cluster gerado. Essa ferramenta possibilita a identificação de estruturas químicas comuns em bancos de dados de compostos, facilitando a seleção de moléculas promissoras para testes biológicos contra alvos específicos. Além disso, representa um recurso valioso para o desenho racional de fármacos, oferecendo suporte à tomada de decisão em etapas iniciais do desenvolvimento farmacêutico. |
| Palavras-chave | Bioinformática, Descoberta de Fármacos, Cloud-based |
| Forma de apresentação..... | Painel |
| Link para apresentação | Painel |
|---|