Licenciatura em Química (Sede)
URI permanente desta comunidadehttps://arandu.ufrpe.br/handle/123456789/26
Siglas das Coleções:
APP - Artigo Publicado em Periódico
TAE - Trabalho Apresentado em Evento
TCC - Trabalho de Conclusão de Curso
Navegar
1 resultados
Resultados da Pesquisa
Item Obtenção de modelos QSAR na plataforma livre de computação em nuvem OCHEM e uma aplicação para atividade acaricida de monoterpenos(2022-06-08) Silva, Esterfania Laís da; Batista, Hélcio José; http://lattes.cnpq.br/1234630357325796; http://lattes.cnpq.br/0889940460113959No 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.