@MASTERSTHESIS{ 2026:1354328594,
 	title = {Otimização Evolutiva Híbrida para Docking Proteína–Peptídeo},
 	year = {2026},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/7001",
 	abstract = "As interações proteína–peptídeo desempenham papel relevante em processos biológicos
 associados ao reconhecimento molecular, à sinalização celular e ao desenvolvimento de
 estratégias terapêuticas. A predição computacional desses complexos, entretanto, permanece desafiadora, especialmente em cenários de docking cego, nos quais o sítio de
 ligação não é previamente conhecido e o espaço conformacional a ser explorado é amplo. O
 problema central investigado neste trabalho consiste em reduzir o custo computacional da
 busca conformacional em docking cego proteína–peptídeo sem comprometer a qualidade
 energética das poses finais.
 Nesse contexto, esta dissertação apresenta o desenvolvimento, a implementação e a validação
 de uma abordagem híbrida de otimização evolutiva denominada ABC–GA–VGOS, aplicada
 ao docking molecular proteína–peptídeo. A proposta combina mecanismos de exploração
 populacional, operadores genéticos, refinamento local adaptativo e uma função geométrica
 mono-objetivo baseada em consultas KD-tree, utilizada como estratégia de avaliação
 computacionalmente eficiente durante o processo de busca. Ao final da otimização, a
 melhor pose obtida em cada execução é submetida a uma etapa de rescoring energético
 inspirado no AutoDock Vina, permitindo separar a triagem geométrica rápida da avaliação
 energética final.
 Os experimentos foram realizados com dez complexos proteína–peptídeo obtidos do Protein
 Data Bank (PDB), considerando energia de ligação, tempo de execução e análise estatística
 comparativa entre os algoritmos avaliados. Os resultados indicaram que o método híbrido
 obteve as menores energias médias em cinco sistemas avaliados e apresentou menor
 tempo médio de execução em todos os casos, mantendo comportamento competitivo em
 diferentes complexos. Assim, a principal contribuição deste trabalho está na integração
 de estratégias evolutivas complementares com avaliação geométrica eficiente, oferecendo
 uma alternativa para reduzir o custo computacional do docking proteína–peptídeo sem
 depender exclusivamente de funções energéticas mais custosas ao longo de toda a busca.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET},
 	note = {DEPARTAMENTO DE INFORMÁTICA/CCET}
}