Use este identificador para citar ou linkar para este item: https://repository.ufrpe.br/handle/123456789/5197
Título: Obtenção de modelos QSAR na plataforma livre de computação em nuvem OCHEM e uma aplicação para atividade acaricida de monoterpenos.
Autor: Silva, Esterfania Laís da
Endereco Lattes do autor: http://lattes.cnpq.br/0889940460113959
Orientador: Batista, Hélcio José
Endereco Lattes do orientador : http://lattes.cnpq.br/1234630357325796
Palavras-chave: Química computacional;Computação em nuvem;Modelagem molecular;QSAR (Bioquímica);Inseticidas botânicos;Monoterpenos;Acaricidas
Data do documento: 8-Jun-2022
Citação: SILVA, Esterfania Laís da. Obtenção de modelos QSAR na plataforma livre de computação em nuvem OCHEM e uma aplicação para atividade acaricida de monoterpenos. 2022. 63 f. Trabalho de Conclusão de Curso (Licenciatura em Química) - Departamento de Química, Universidade Federal Rural de Pernambuco, Recife, 2022.
Abstract: The present work focuses in using the resources of the free access cloud computing web platform OCHEM - English Online Chemical Modeling Environment, designed for data storage, development of models and publication of chemical information. As an example of application on the platform, we sought to obtain QSAR models - Quantita-tive Structure-Activity Relation for insecticidal activity on the species of Spider Mite (Tetranychus Urticae), a common pest in family farming in the Northeast region of Bra-zil, from a series of compounds of the monoterpene class: α-pinene, p-cymene, β-pinene, menthol, α-terpineol, geraniol, R-limonene, 1-8-cineole, R-linalool, terpenyl ac-etate, and terpinolene and 4- (S) ter-pineol. To this end, we carried out a literature review on the monoterpenes usage in agriculture pest control, as well as a review of the Quantitative Structure-Activity Relation-ship method, QSAR. For the application of the OCHEM platform to obtain QSAR models for the series of monoterpenes, we per-formed the molecular modeling of the series compounds by methods of Quantum Chemistry, generating the molecular structures in order to feed the OCHEM platform, to calculate the molecular descriptors and obtain of QSAR models. We explored differ-ent sets of descriptors as well as different types of machine learning methods, such as Multiple Linear Regression (MLR), Partial Least Squares (PLS) and Neural Networks (NN - Neural Networks). The models so obtained for the series under study, however, did not have sufficient statistical quality, probably due, firstly, to the small number of compounds in the training set with available experimental data and, also, to a likely strong degree of non-linearity present in the relationship between the chosen de-scriptors and the activity.
Resumo: No presente trabalho é apresentado o uso dos recursos da plataforma da web de computação em nuvem OCHEM, do inglês Online Chemical Modeling Environment, de acesso livre e desenvolvida para armazenamento de dados, desenvolvimento de modelos e publicação de informação Química. Como exemplo de aplicação na plataforma, procuramos obter modelos QSAR – Relação Quantitativa Estrutura-Atividade para atividade inseticida sobre a espécie do ácaro rajado (Tetranychus Urticae), uma praga comum nas lavouras de agricultura familiar na Região Nordeste do Brasil, de uma série de compostos da classe de monoterpenos: α-pineno, p-cimeno, β-pineno, mentol, α-terpineol, geraniol, R-limoneno, 1-8-cineole, R-linalol, acetado de terpenila, e terpinoleno e 4-(S) ter-pineol. Para este fim, realizamos uma revisão bibliográfica do uso de monoterpenos no controle de pragas na agricultura, bem como uma revisão do método Relação, QSAR, do inglês Quantitative Structure-Activity Relation-ship. Para a aplicação da plataforma OCHEM na obtenção de modelos QSAR para a série de monoterpenos realizamos a modelagem molecular por métodos de Química Quântica da série, gerando as estruturas moleculares com o objetivo de alimentar a plataforma OCHEM, para cálculo dos descritores moleculares e obtenção de modelos QSAR. Fizemos a exploração de diferentes conjuntos de descritores bem como diferentes tipos de métodos de aprendizagem de máquina, como Regressão Linear Múltipla (MLR – Multiple Linear Regression), Mínimos Quadrados Parciais (PLS – Partial Least Squa-res) e Redes neurais (NN - Neural Networks). Os modelos obtidos para a série em estudo, no entanto, não tiveram qualidade estatística suficiente devido provavelmente, primeiro à quantidade muito pequena de compostos na série de treino do modelo com dados experimentais disponíveis e, também, ao provável grau de não linearidade presente na relação entre os descritores e a atividade.
URI: https://repository.ufrpe.br/handle/123456789/5197
Aparece nas coleções:TCC - Licenciatura em Química (Sede)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
tcc_esterfanialaisdasilva.pdf2,5 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.