Canal no Youtube "PPCIC CEFET/RJ" - SEIC 2020 - Sarah Carneiro

 

Resumo: Existe uma estreita relação entre a estrutura e função de uma molécula, o que é particularmente verdadeiro no caso das proteínas, as quais são moléculas fundamentais em qualquer sistema vivo. Uma das maneiras de se calcular a estrutura 3D de uma molécula de proteína é através de experimentos de Ressonância Magnética Nuclear (RMN). Como esse procedimento fornece apenas distâncias entre átomos próximos, o problema é como utilizar essa informação para obter a posição de todos os átomos da molécula. Na literatura, tal problema é conhecido por Molecular Distance Geometry Problem (MDGP). Se assumirmos que para cada átomo vi, para i > 3, as distâncias aos três átomos imediatamente antecessores são conhecidas, podemos definir a versão discreta do MDGP (Discretizable Molecular Distance Geometry Problem - DMDGP). O espaço de busca do DMDGP pode ser representado por um árvore binária cujas posições possíveis para um átomo vi são representadas na i-ésima camada da árvore. Cada solução corresponde a um caminho simples, da raiz até um nó folha, e pode ser representada por um vetor binário. O presente trabalho propõe duas abordagens baseadas em algoritmos genéticos para solução do DMDGP denominadas SGA e FIGA.

 

Biografia: Atualmente é aluna de graduação do curso de Engenharia de Computação do Centro Federal de Educação Tecnológica Celso Suckow da Fonseca (CEFET/RJ) campus Petrópolis e realiza iniciação científica na área de Otimização.