Navegando por Autor "OLIVEIRA, Ewerton Cristhian Lima de"

Agora exibindo 1 - 2 de 2

Acesso aberto (Open Access)
Development of machine learning-based frameworks to predict permeability of peptides through cell membrane and blood-brain barrier
(Universidade Federal do Pará, 2024-03-27) OLIVEIRA, Ewerton Cristhian Lima de; LIMA, Anderson Henrique Lima e; http://lattes.cnpq.br/2589872959709848; https://orcid.org/0000-0002-8451-9912; SALES JUNIOR, Claudomiro de Souza de; http://lattes.cnpq.br/4742268936279649
Peptídeos compreendem uma classe versátil de biomoléculas com diversas propriedades físicoquímicas e estruturais, além de inúmeras aplicações farmacológicas e biotecnológicas. Alguns grupos de peptídeos podem cruzar membranas biológicas, como a membrana celular e a barreira hematoencefálica humana. Pesquisadores tem explorado esta propriedade ao longo dos anos como uma alternativa ao desenvolvimento de novos medicamentos mais poderosos, tendo em vista que alguns peptídeos são carreadores de fármacos. Embora existam ferramentas baseadas em aprendizado de máquina desenvolvidas para prever cell-penetrating peptides (CPPs) e blood-brain barrier penetrating peptides (B3PPs), alguns pontos ainda não foram explorados dentro deste tema. Estes pontos abrangem o uso de técnicas de redução de dimensionalidade (RD) na etapa de pré-processamento, de descritores moleculares relacionados à biodisponibilidade de drogas, e de estrutura de dados que codificam peptídeos com modificações químicas. Portanto, a proposta principal desta tese é desenvolver e testar dois frameworks baseados em RD, o primeiro para prever CPPs e o segundo para prever B3PPs, avaliando também os descritores moleculares e estrutura de dados de interesse. Os resultados desta tese mostram que para a predição de penetração na membrana celular, o framework proposto atingiu 92% de acurácia no melhor desempenho em um teste independente, superando outras ferramentas criadas para o mesmo propósito, além de evidenciar a contribuição entre a junção de descritores baseado em sequência de aminoácidos e os relacionados a biodisponibilidade e citados na regra dos cinco de Lipinski. Além do mais, a predição de B3PPs pelo framework proposto revela que o melhor modelo que utiliza descritores moleculares estruturais, elétricos e associados a biodisponibilidade de compostos alcançou valores que superam 93% de acurácia média no 10-fold cross-validation e acurácia entre 75% e 90% no teste independente para todos as simulações, superando outras ferramentas de machine learning (ML) desenvolvidas para predizer B3PPs. Estes resultados mostram que os frameworks propostos podem ser usado como ferramenta adicional na predição de penetração de peptídeos através dessas duas biomembranas e estão disponíves como web servers gratuitos para uso.
Acesso aberto (Open Access)
Proposta de um framework para identificação de sistemas dinâmicos multivariáveis não lineares
(Universidade Federal do Pará, 2020-02-27) OLIVEIRA, Ewerton Cristhian Lima de; ARAÚJO, Jasmine Priscyla Leite de; http://lattes.cnpq.br/4001747699670004
As técnicas de identificação de sistemas dinâmicos são algoritmos de extrema importância para a geração de modelos matemáticos e computacionais capazes de representar a dinâmica de sistemas e processos presentes em diversos âmbitos da sociedade, como: processos industrias; automóveis; produção de alimentos; veículos aeroespaciais; sistemas biológicos e etc. Identificar esses sistemas, que em geral possuem mais de uma variável de entrada e saída (sistemas multivariáveis) e também são não lineares, é de grande importância para a ciência e para a engenharia no que tange ao desenvolvimento de novas técnicas de controle, monitoramento de falhas e previsão de estados de operação desses mecanismos. Todavia, identificar sistemas MIMO (do inglês, Multiple Input Multiple Output) não lineares é uma tarefa complicada, tanto devido à dificuldade de se implementar os algoritmos clássicos para a resolução deste problema, quanto ao fato de que sistemas não lineares requerem modelos complexos para a representação de sua dinâmica de maneira satisfatória. Visando contribuir com a solução deste problema, este trabalho propõem um framework capaz de realizar tanto a identificação de sistemas dinâmicos MIMO não lineares no modelo fuzzy TSK multivariável, que representa de maneira simples o acoplamento das variáveis envolvidas na identificação, quanto a seleção do vetor regressor usado no modelo. Para a realização da parametrização do modelo fuzzy TSK multivariável, o framework proposto utiliza os algoritmos Mínimos Quadrados (MQ) e Otimização por Exame de Partículas (PSO do inglês, Particle Swarm Optimization), os quais são responsáveis por estimar as matrizes de parâmetros e o conjunto de desvio padrões das Gaussianas das entradas do modelo, respectivamente. A metodologia proposta é testada e comparado com uma RNA e o modelo de Hammerstein-Wiener (HW) na identificação de duas plantas industriais MIMO não lineares: Reator Contínuo de Tanque Agitado (CSTR); Secador Industrial. A comparação das três técnicas é feita com base nos índices de Erro Quadrático Médio (𝐸𝑄𝑀) e Variance Accounted For (𝑉𝐴𝐹), além da análise de resíduos entre os dados observados e estimados. Os resultados mostraram que o framework proposto obteve o melhor desempenho em 80% das estimações de saídas das duas plantas multivariadas com base nos dois índices, e também alcançou o melhor desempenho em 60% dos casos na análise residual da identificação das plantas.