|
UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO
|
| UNIDADE: FACULDADE DE TECNOLOGIA | ||
| DEPARTAMENTO: DEPARTAMENTO DE MATEMATICA, FÍSICA E COMPUTAÇÃO | ||
| DISCIPLINA: Algoritmos genéticos evolutivos e sua aplicação em docking molecular | ||
| CARGA HORÁRIA: 60 | CRÉDITOS: 4 | CÓDIGO: FAT01-17477 |
| MODALIDADE DE ENSINO: Presencial | TIPO DE APROVAÇÃO: Nota e Frequência | |
| STATUS | CURSO(S) / HABILITAÇÃO(ÕES) / ÊNFASE(S) |
| Eletiva Definida | FAT - Engenharia Química (versão 1) |
| TIPO DE AULA | CRÉDITO | CH SEMANAL | CH TOTAL |
| Teórica | 2 | 2 | 30 |
| Laboratório | 2 | 2 | 30 |
| TOTAL | 4 | 4 | 60 |
OBJETIVO(S):
Seram abordados os conceitos básicos de Algoritmos Genéticos, incluindo a seleção,
o crossover e a mutação, e como eles podem ser aplicados em Docking Molecular. Além disso, vamos explorar
técnicas de modelagem molecular e simulação computacional, bem como métodos de avaliação de conformação
molecular. Aplicações práticas dos Algoritmos Genéticos em Docking Molecular, como em virtual screening, lead
optimization e seleção de candidatos a fármacos, e apresentar exemplos de estudos de casos que demonstram o
potencial dessas técnicas
EMENTA:
1. Introdução à Computação Evolutiva: 1.1 Conceitos básicos de Computação Evolutiva. 1.2
Algoritmos Genéticos e suas aplicações. 1.3 Técnicas de seleção, crossover e mutação. 2. Algoritmos Genéticos
Aplicados em Docking Molecular: 2.1 Conceitos básicos de Docking Molecular. 2.2 Problemas encontrados em
Docking Molecular. 2.3 Modelagem molecular e simulação computacional. 2.4 Métodos de avaliação de
conformação molecular. 2.5 Técnicas de pré-processamento e pós-processamento. 3. Algoritmos Genéticos em
Modelagem Molecular: 3.1 Modelagem molecular de proteínas e ligantes. 3.2 Simulação de interações proteínaligante. 3.3 Métodos de otimização de interações proteína-ligante. 3.4 Algoritmos genéticos em modelagem de
interações proteína-ligante. 4. Aplicações de Algoritmos Genéticos em Docking Molecular: 4.1 Algoritmos
genéticos em virtual screening. 4.2 Algoritmos genéticos em lead optimization. 4.3 Algoritmos genéticos
em seleção de candidatos a fármacos. 4.4 Estudos de casos e exemplos de aplicação de algoritmos genéticos em
Docking Molecular. 5. Ferramentas Computacionais: 5.1 Ferramentas computacionais para modelagem molecular.
5.2 Ferramentas computacionais para simulação de interações proteína-ligante. 5.3 Ferramentas computacionais para
aplicação de algoritmos genéticos em Docking Molecular. 6. Projeto Final: 6.1 Desenvolvimento de projeto de
aplicação de algoritmos genéticos em Docking Molecular. 6.2 Implementação do projeto utilizando ferramentas
computacionais disponíveis. 6.3 Apresentação e discussão dos resultados obtidos.
| PRÉ-REQUISITO 1: FAT04-13154 Físico-Química I |
| PRÉ-REQUISITO 2: FAT01-12825 Cálculo Diferencial e Integral I |
BIBLIOGRAFIA: . Goldberg, D. E. (1989). Genetic algorithms in search, optimization, and machine learning. Addison-Wesley.
• Jones, G., Willett, P., Glen, R. C., Leach, A. R., & Taylor, R. (1997). Development and validation of a genetic
algorithm for flexible docking. Journal of molecular biology, 267(3), 727-748.
• Leach, A. R. (2001). Molecular modelling: principles and applications. Pearson Education.