Use este identificador para citar ou linkar para este item:
https://repositorio.ufpe.br/handle/123456789/48289
Compartilhe esta página
Título: | Abordagens in silico em imunoinformática: uma revisão sistemática |
Autor(es): | SOUZA, Emanuelle de Oliveira |
Palavras-chave: | Anticorpo; Biologia computacional; Epítopo; Imunoinformática; Modelagem; Predição |
Data do documento: | 27-Out-2022 |
Citação: | SOUZA, Emanuelle de Oliveira. Abordagens in silico em imunoinformática: uma revisão sistemática. 2022. Trabalho de Conclusão de Curso (Farmácia) - Universidade Federal de Pernambuco, Recife, 2022. |
Abstract: | A imunoinformática é uma área de pesquisa que integra conhecimentos de imunogenética e biologia computacional e possui amplos campos de aplicação como predição de alérgenos, identificação de genes de virulência, vacinologia reversa, dentre outros. Esta diversidade de aplicações pode auxiliar na triagem e pesquisa de experimentos in vitro e in vivo, como por exemplo no desenvolvimento de vacinas e testes de diagnóstico. Diante da relevância do tema, o objetivo geral deste presente estudo é realizar uma revisão sistemática qualitativa sobre as ferramentas in silico aplicadas a imunoinformática, mais especificamente em duas temáticas intrinsicamente relacionadas: predição de epítopos de células B e modelagem de anticorpos. A revisão foi conduzida de acordo com a seguinte pergunta norteadora: “Quais ferramentas computacionais (in silico) são utilizadas para predição de epítopos de células B e modelagem de anticorpos?”. Diante disto, o trabalho foi realizado em 4 etapas: i) identificação: onde foram selecionados os artigos escritos na língua inglesa, publicados nos últimos 10 anos, possuindo título e/ou palavras-chaves relacionados aos temas do presente estudo; ii) seleção: onde foram removidos os artigos duplicados e os que não estavam relacionados aos temas após uma leitura do resumo, além de ter sido realizada uma busca pela referência que descrevesse a versão mais recente da ferramenta computacional; iii) disponibilidade: onde foram verificados se as ferramentas possuíam acesso livre e/ou acadêmico, além de verificar se os servidores ainda estavam on-line (até setembro de 2022), para os casos onde as ferramentas foram disponibilizadas desta forma; e iv) revisão: onde foi realizada a sumarização e a leitura crítica das referências selecionadas. A partir disso, foram selecionados 26 artigos, das bases de dados eletrônicas Pubmed/MEDLINE e Google Acadêmico, para a revisão sistemática qualitativa, distribuídos da seguinte forma: 17 artigos foram direcionados para o tópico “predição in silico de epítopos de células B” e 9 artigos para “modelagem de anticorpos”. Observa-se que dos artigos referentes ao primeiro tema, 65% estão relacionados a preditores de epítopos lineares, seguido de preditores de epítopos conformacionais (29%) e epítopos não peptídicos (6%). Além disso, a maior parte destes algoritmos se encontra disponíveis on-line (65%). Em relação ao segundo tema, as proporções entre a disponibilidade através de servidores on-line e programas stand-alone foram semelhantes. Dentre os artigos voltados para modelagem de anticorpos, 75% relatam ferramentas de modelagem por homologia e ab initio, enquanto apenas 25% descrevem protocolos de redesign. Ao final da revisão, observou-se a diversidade de aplicações das ferramentas computacionais da imunoinformática voltadas aos campos da predição de epítopos de células B e modelagem de anticorpos. Além disso, ao apresentar as vantagens e desvantagens de cada ferramenta, espera-se auxiliar os pesquisadores na escolha da(s) ferramenta(s) computacional(is) mais adequada(s) para solucionar seus respectivos problemas de pesquisa. |
URI: | https://repositorio.ufpe.br/handle/123456789/48289 |
Aparece nas coleções: | (TCC) - Farmácia |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
TCC Emanuelle de Oliveira Souza.pdf | 1,53 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este arquivo é protegido por direitos autorais |
Este item está licenciada sob uma Licença Creative Commons