@MASTERSTHESIS{ 2020:1110846945,
 	title = {Desenvolvimento e aplica??o de fun??es escore otimizadas para previs?o de afinidade entre prote?nas e ligantes},
 	year = {2020},
 	url = "http://tede2.pucrs.br/tede2/handle/tede/9136",
 	abstract = "Cinases s?o as prote?nas mais intensamente estudadas no desenvolvimento e desenho de f?rmacos. Dentre as cinases, as serino/treonino cinases n?o espec?ficas representam um sistema proteico interessante para prop?sitos de modelagem, devido ? grande disponibilidade de dados experimentais estruturais e funcionais. As serino/treonino cinases n?o espec?ficas compreendem uma importante classe de prote?nas alvo usadas para o desenvolvimento de f?rmacos para tratamento de c?ncer. Neste estudo, foi descrita a cria??o de modelos de Aprendizado de M?quina para predi??o de afinidade entre prote?nas e ligantes para esta classe enzim?tica. Foram utilizados para tal termos de energia calculados por Fun??es Escore cl?ssicas dispon?veis em programas como AutoDock4 e AutoDock Vina. Estes termos foram empregados para a cria??o de novas Fun??es Escore espec?ficas para um conjunto de dados composto por aproximadamente 100 complexos prote?na-ligante, para os quais dados experimentais como a estrutura cristalogr?fica e a constante de inibi??o estavam dispon?veis. Foi aplicado tamb?m um m?todo h?brido que utiliza a simula??o de um sistema de massa-mola para determinar a afinidade de liga??o, usando o programa Taba. Todas as Fun??es Escore geradas tiveram sua performance preditiva analisada. Os resultados mostram claramente que os modelos de aprendizado de m?quina apresentam capacidade preditiva superior quando comparados com as Fun??es Escore cl?ssicas. Al?m disso, os modelos de Aprendizado de M?quina gerados foram capazes de identificar caracter?sticas estruturais, respons?veis pela afinidade de liga??o junto a serino/treonino cinases n?o espec?ficas.",
 	publisher = {Pontif?cia Universidade Cat?lica do Rio Grande do Sul},
 	scholl = {Programa de P?s-Gradua??o em Biologia Celular e Molecular},
 	note = {Escola de Ci?ncias}
}