O problema de Atracamento Molecular enfrenta diversos desafios seja tanto na complexidade matemática quanto na capacidade de representação das interações físico- químicas entre as moléculas. No trabalho de Sousa et al. (SOUSA et al., 2013) são listados os principais desafios para AM: o tratamento da flexibilidade da proteína, a presença de moléculas de água e seus efeitos, e a entropia de ligação. Em Huang et al. (HUANG; ZOU, 2010) são debatidos os desafios de amostragem do ligante e funções de energia acuradas para o problema. Verdonk et al. (VERDONK et al., 2007) discutem a represen- tação das estruturas moleculares, o papel de moléculas de água nas interações químicas, bem como métodos de busca e suas convergências.
A representação 3D de receptores e ligantes deve considerar os estados tautomé- ricos da molécula, em receptores os diversos estados de protonação, e em ligantes a sua mudança de conformação ao se ligar com as proteínas. Muitas ferramentas realizam o processo de atracamento com o ligante rígido e uma série de conformações pré-definidas, outras abordagens consideram aspectos geométricos durante testes iniciais com o intuito de reduzir o número de graus de liberdade para otimizar no algoritmo de busca. Em rela- ção ao receptor, é possível definir manualmente os possíveis estados com base em análises do sítio de ligação e de conformações conhecidas do ligante. Quanto à flexibilidade da molécula, muitas ferramentas a consideram como rígida, outras já consideram certas con- formações, isso porém, não considera a influência do ligante na mudança de conformação
da molécula receptora.
Moléculas de água medeiam interações entre receptores e ligantes, e muitas vezes são consideradas como parte da proteína em Docking. Nesse caso, o desafio é determinar quando essa molécula de água deve ser incluída ou removida, já que isso varia de acordo com o ligante. Diferentes opções são adotadas pelas ferramentas: eliminar moléculas de água, permitir aquelas que relativamente contribuem energeticamente para o sistema e, incluir todas as moléculas na avaliação de energia. A entropia contribui muito para o cálculo de energia, incluindo a redução de graus de liberdade rotacionais e translacionais do ligante, mudanças na forma da proteína e ligante, e no arranjo de camadas de água sobre os solutos. Muitas funções ignoram a entropia, por conta do alto custo computacio- nal, com o objetivo de simplificar o cálculo de energia. Existem tentativas de inclusão de entropia em funções, mas a formulação desses termos ainda é uma questão aberta.
Outro desafio é encontrar uma função de energia acurada, pois muitas delas apre- sentam avaliações de aptidão inadequadas. A maioria das funções são multi-modais, apre- sentando valores de energia que na verdade não condizem com o RMSD, isto é, nem sempre um baixo valor de energia reflete em um RMSD baixo, e vice-versa. Funções pre- sentes em diversas ferramentas conseguem reproduzir as ligações experimentais com uma precisão de 70-80% dos complexos, em termos de RMSD. Porém, a adição de flexibili- dade no receptor e ligante, suas topologias e valência geométrica das moléculas, tornam a avaliação destas funções longe do ideal. Por outro lado, uma função rigorosa seria custosa computacionalmente, dada a análise de diversas ligações atômicas. Portanto, funções de energia apresentam simplificações para obter uma avaliação boa em um tempo curto.
3.6 Resumo do capítulo
Muitos trabalhos têm sido aplicados para o Atracamento Molecular, no entanto o problema ainda requer uma solução mais genérica. A chave para desenvolver uma téc- nica capaz de resolver de maneira ótima esse problema passa por utilizar bons algoritmos e funções de energia acuradas. Portanto, o desenvolvimento de um método requer a aná- lise das abordagens já utilizadas, verificando seus prós e contras e buscar aspectos ainda não explorados. A representação das estruturas, categorias de métodos e os desafios en- contrados foram analisados e ponderados para desenvolver uma metodologia capaz de contribuir para a resolução do problema.
4 MATERIAIS E MÉTODOS
O objetivo deste capítulo é descrever os algoritmos e estratégias adotados no de- senvolvimento desta dissertação, assim como a metodologia e estruturação do método proposto. Inicialmente, é realizada a preparação e análise das estruturas escolhidas para os testes, e definida uma representação para as soluções no algoritmo. Como visto, o processo de atracamento molecular requer a escolha e uso de uma função de energia para avaliação das possíveis conformações proteína-ligante. Além disso, foi adotado um mo- delo de discretização do espaço de busca, implementado por Spieler et al. (SPIELER, 2016; LEONHART et al., 2018), com o intuito de melhor explorar as soluções para o problema. Por fim, o desenvolvimento do método em si ocorreu em duas etapas: (i) im- plementação de uma abordagem memética e, (ii) proposta e implementação de um modelo auto-adaptativo para coordenação dos operadores de busca local.
Na primeira etapa, foi desenvolvido um algoritmo baseado no BRKGA para ex- ploração do espaço de busca. A partir dessa implementação, foram incorporados mé- todos de busca local e assim formado um algoritmo memético. Essa etapa serviu para testar e verificar se uma abordagem híbrida traz vantagens em relação a uma versão não- memética. Em decorrência dos resultados obtidos, na segunda etapa, foi proposto um modelo de auto-adaptação sobre o método memético. Nesse modelo, a ideia é que parâ- metros relativos às buscas locais possam ser ajustáveis, durante a execução do algoritmo, de acordo com as características do problema. Por exemplo, no início do processo de busca, modificações de maior impacto na estrutura do ligante podem ser mais interessan- tes para exploração do sítio de ligação, enquanto que na parte final da execução, pequenas modificações podem ser melhores para o refinamento do pose. A coordenação destes pa- râmetros, que incluem o método de busca local a ser aplicado e o raio de perturbação adotado em cada um deles, trabalha de acordo com uma função de probabilidades, pro- posta neste trabalho, que avalia o custo-benefício de cada operador no processo de busca. Todos os procedimentos preliminares e necessários para a execução dos algoritmos, bem como suas implementações, são detalhados nas próximas seções.