Orientador: Clesio Luiz Tozzi

Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica

Resumo: Este trabalho aborda o problema de predição de regiões de interface proteína-proteína, baseado em medidas de propriedades físico-químicas e estruturais. A abordagem considera os aminoácidos da superfície da proteína como as unidades básicas para classificação, o que elimina a restrição de...

Resumo: Este trabalho aborda o problema de predição de regiões de interface proteína-proteína, baseado em medidas de propriedades físico-químicas e estruturais. A abordagem considera os aminoácidos da superfície da proteína como as unidades básicas para classificação, o que elimina a restrição de uso de patches, considerada por preditores do mesmo tipo. Este preditor é complementado por um segundo preditor, que identifica, dentre os aminoácidos da interface, os mais relevantes do ponto de vista de energia de ligação proteína-proteína, conhecidos como hot spots. A abordagem apresentada permite a utilização dos classificadores de forma independente na predição dos aminoácidos de interface e dos hot spots. Diferente de outras abordagens encontradas na literatura para predição de hot spots, a abordagem empregada não depende do conhecimento da estrutura do complexo protéico e permite que a predição de hot spots seja realizada em complemento à predição dos aminoácidos da interface. O desempenho alcançado pelo preditor na identificação de hot spots é superior ao obtido por outros preditores descritos na literatura e que utilizam o mesmo conjunto de dados e critério de avaliação de desempenho.

Abstract: This work approaches the problem of protein-proteins interface region prediction based on measures of physical-chemical and structural properties. The approach considers the amino acids of the protein surface as the basic units for classification, such that the restriction of use of...

Abstract: This work approaches the problem of protein-proteins interface region prediction based on measures of physical-chemical and structural properties. The approach considers the amino acids of the protein surface as the basic units for classification, such that the restriction of use of patches, considered by similar predictors, is eliminated. This predictor is complemented by a second one, which identifies, among the interface amino acids, those which are most relevant from the standpoint of protein-protein binding energy. The classifiers can be used independently, for predicting interface amino acids and hot spots. Unlike other approaches for prediction of hot spots, described in the literature, the proposed approach does not depend on the knowledge of the protein structure in complex. This allows predicting hot spots in complement to the prediction of the interface amino acids. Concerning the identification of hot spots, the proposed predictor outperformed those, described in the literature, which use the same data set and criterion for performance evaluation.