Uso de ferramentas in sílico de substâncias utilizadas no tratamento da doença de Alzheimer

Santos, Yria Jaine Andrade

Por favor, use este identificador para citar o enlazar este ítem: https://ri.ufs.br/jspui/handle/riufs/15258

Registro completo de metadatos

Campo DC	Valor	Lengua/Idioma
dc.contributor.author	Santos, Yria Jaine Andrade	-
dc.date.accessioned	2022-04-01T23:11:06Z	-
dc.date.available	2022-04-01T23:11:06Z	-
dc.date.issued	2021	-
dc.identifier.uri	https://ri.ufs.br/jspui/handle/riufs/15258	-
dc.language	por	pt_BR
dc.subject	Alzheimer	por
dc.subject	N-Metil-D-Aspartato (NMDA)	por
dc.subject	Quimioinformática	por
dc.subject	Quantitative Structure-Activity Relationship (QSAR)	eng
dc.title	Uso de ferramentas in sílico de substâncias utilizadas no tratamento da doença de Alzheimer	pt_BR
dc.title.alternative	Uso de ferramentas in sílico para a previsão da atividade biológica de compostos para fins terapêuticos	por
dc.type	Relatório	pt_BR
dc.identifier.license	Creative Commons Atribuição-Não Comercial-Sem Derivações 4.0 Internacional (CC BY-NC-ND 4.0)	pt_BR
dc.contributor.advisor1	Oliveira, Tiago Branquinho	-
dc.description.resumo	A doença de Alzheimer (DA) é uma doença neurodegenerativa que ocorre caracterizada pela demência. É responsável por cerca de 70% dos casos de demência em todo o mundo. Embora seu mecanismo patológico seja multicausal sabe-se que os receptores do tipo NMDA participam desse processo, atuando por meio do mecanismo de excitotoxidade. Por conta da sua alta incidência e poucas opções terapêuticas, há a necessidade de buscar substâncias com atividade nesse receptor. Para tal, foram construídos métodos de busca por relação quantitativa estrutura-atividade (QSAR), partindo de um banco de substâncias testadas no receptor NMDA e cálculo de descritores. Os modelos foram construídos utilizando Suport Vector Machine (SVM) e Multilayer Perceptron (MLP), e sua validação por validação externa e definição do domínio de aplicabilidade. A partir de um banco com 187 estruturas químicas foram calculados 5592 descritores, dos quais 8 foram selecionados por algoritmo genético para os modelos. O SVM e MLP foram ajustados com o objetivo de obter modelos preditivos, ao fim obteve-se modelos para ambos algoritmos. Os modelos obtidos tiveram valores de coeficiente de determinação na validação externa (R2 test) maiores que 0.6, o que aponta que os modelos possuem boa capacidade preditiva, além disso, o domínio de aplicabilidade, que se mostrou dentro do recomendável. Tendo um modelo validado este pode ser utilizado por diversos bancos de estruturas para a busca de substâncias potencialmente ativas.	pt_BR
dc.publisher.initials	Universidade Federal de Sergipe - Pró-reitoria de Pós-Graduação e Pesquisa - Coordenação de Pesquisa	pt_BR
dc.description.local	São Cristóvão	pt_BR
Aparece en las colecciones:	31° Encontro de Iniciação Científica da UFS PIBIC e PICVOL 2020/2021 Relatórios de Iniciação Científica

Ficheros en este ítem:

Fichero	Descripción	Tamaño	Formato
UsoFerramentasInSilicoAlzheimer.pdf		248,08 kB	Adobe PDF	Visualizar/Abrir

Mostrar el registro sencillo del ítem