Classificação de Proteínas usando Máquinas de Aprendizagem e Descoberta de Padrões

Abstract

Máquinas de aprendizagem têm sido aplicadas em diferentes problemas em Bioinformática. Similarmente, algoritmos de descoberta de padrões também têm sido usados para descobrir motifs em seqüências de proteínas, contribuindo na definição de assinaturas (tais como impressões digitais) que caracterizam classes funcionais de proteínas. Como por exemplo, a classe de receptores acoplados a proteína-G (GPCR) que representam uma das maiores famílias no Genoma Humano. Esta família é um dos grandes alvos de pesquisa para a descoberta e desenvolvimento de novas drogas, conseqüentemente, de grande interesse para a indústria farmacêutica. O modelo proposto nesta dissertação combina máquinas de aprendizagem, como SVM (Support Vector Machine) e MLP (Multilayer Perceptron), e métodos de descoberta de padrões no desenvolvimento de um procedimento para predizer a relação entre uma seqüência primária de proteínas e sua classe funcional. Como caso de estudo, este trabalho apresenta experimentos com a superfamília GPCR, usando padrões em forma de expressões regulares desta família extraídos pelo SPEXS (Sequence Pattern EXhaustive Search), um algoritmo para descoberta de padrões