Aplicação de modelos de aprendizado de máquina em ciências biológicas : classificação de RNAs não-codificantes e descoberta de antimicobacterianos a partir de produtos naturais

Abstract

RESUMO: Recentemente, o aprendizado de máquina (ML) vem revolucionando diversos campos do conhecimento, incluindo as ciências biológicas. Nosso estudo mostra a aplicação de métodos de ML em duas áreas principais: a classificação de sequências de RNA não-codificantes e a descoberta in silico de compostos antimicobacterianos derivados de produtos naturais. No Capítulo 1, apresentamos o NCYPred, uma abordagem inovadora de aprendizagem profunda que utiliza uma rede Long Short-Term Memory (LSTM) com mecanismo de atenção, adequado para classificar com precisão pequenos RNAs não-codificantes (sncRNAs), incluindo RNA Y, de vários organismos. No Capítulo 2, empregamos uma abordagem combinada de modelos de Relação Quantitativa Estrutura-Atividade (ML-QSAR) baseados em ML, docking e simulações de dinâmica molecular. Esta abordagem visa identificar potenciais inibidores da enzima inhA de Mycobacterium tuberculosis, um alvo-chave na pesquisa antimicobacteriana. Adicionalmente, no Apêndice, apresentamos outros trabalhos realizados durante a elaboração desta tese. Nossa estratégia, que utiliza algoritmos de ML em conjuntos de dados diversos, demonstrou resultados encorajadores na triagem virtual e na classificação de sncRNAs, destacando o impacto que esses métodos podem ter na resolução de uma ampla gama de problemas biológicos complexos

ABSTRACT: In recent years, machine learning (ML) has been revolutionizing several fields of knowledge, including biological sciences. This thesis shows the application of ML methods in two main areas: the classification of non-coding RNA sequences and the in silico discovery of antimycobacterial compounds derived from natural products. In Chapter 1, we present NCYPred, an innovative deep learning approach that utilizes a Long Short-Term Memory (LSTM) network with attention mechanism, suitable for accurately classifying small non-coding RNAs (sncRNAs), including Y RNA, from various organisms. In Chapter 2, we employ a combined approach of ML-based Quantitative Structure-Activity Relationship (ML-QSAR) models, docking, and molecular dynamics simulations. This approach aims to identify potential inhibitors of the Mycobacterium tuberculosis inhA enzyme, a key target in antimycobacterial research. Additionally, in the Appendix section, we present other studies carried out during the preparation of this thesis. Our strategy, which utilizes ML algorithms on diverse datasets, has demonstrated encouraging results in virtual screening and classification of sncRNAs, highlighting the impact that these methods can have in solving a wide range of complex biological problems