• Portal do Governo Brasileiro
  • Atualize sua Barra de Governo
  • Ir para o conteúdo 1
  • Ir para o menu 2
  • Ir para a busca 3
  • Ir para o rodapé 4
  • Acessibilidade
  • Alto Contraste
  • Mapa do Site
Topo
Laboratório Nacional de Computação Científica

LNCC

Ministério da Ciência, Tecnologia e Inovações
Instagram Linkedin Facebook YouTube
  • SDumont
  • Imprensa
  • SEI-MCTI
  • Webmail
  • Intranet
  • Fale Conosco
Destaques Result. Programas PCI-LNCC Resultado Final do 1º Processo Seletivo de 2021 Guia de Conduta
logo

O LNCC

  • Histórico
  • Missão
  • Estrutura Organizacional
  • Corpo Técnico Científico
  • Documentos Institucionais
  • Localização

Coordenações

  • Coordenação de Métodos Matemáticos e Computacionais - COMAC
  • Coordenação de Modelagem Computacional - COMOD
  • Coordenação de Pós-graduação e Aperfeiçoamento - COPGA
  • Coordenação de Tecnologia da Informação e Comunicação - COTIC
  • Coordenação de Gestão e Administração - COGEA

Pesquisa e Desenvolvimento

  • Linhas de Pesquisa
  • Produção Técnico-Científica
  • Projetos de P & D
  • Grupos de Pesquisa

Supercomputador SDUMONT - Computação de Alto Desempenho

  • Supercomputador Santos Dumont
  • CENAPAD
  • SINAPAD

Programas Nacionais

  • INCT-MACC
  • LABINFO
  • SINAPAD

Inovação

  • Incubadora
  • NitRio
  • Soluções para Empresas

Programas  Acadêmicos

  • Mestrado e Doutorado
  • Programa de Verão
  • Bolsas de Estudos

Eventos

Biblioteca

  • Biblioteca

Acesso à Informação

  • Institucional
  • Ações e Programas
  • Participação Social
  • Auditorias
  • Receitas e Despesas
  • Licitações, Contratos e Convênios
  • Servidores
  • Informações Classificadas
  • Serviço de Informação ao Cidadão - SIC
  • Perguntas Frequentes
  • Dados Abertos
  • Gestão Documental
  • Agenda do Diretor
  • Carta de serviço ao Cidadão
  • Sobre a Lei de Acesso à Informação
  • Assessoria de Comunicação
  • Ouvidoria
  • Comissão de Ética
  • Gestão de Riscos
  • Guia de Conduta
  • LGPD
 

EVENTO



DockTDesign: Uma Plataforma de Inteligência Artificial Generativa para Predição de Afinidade e Desenho de Fármacos de novo

Tipo de evento:
Defesa de Tese de Doutorado


O desenvolvimento de um novo fármaco é um processo complexo, demorado e financeiramente custoso, que exige uma combinação interdisciplinar de competências. Esta tese investiga o desenvolvimento de metodologias baseadas em inteligência artificial para acelerar o processo de descoberta de fármacos, abordando de forma integrada duas frentes centrais: o desenho de novo de moléculas e a predição da afinidade de ligação receptor-ligante. Na primeira frente, é apresentada uma nova plataforma para o desenho de novo de moléculas chamada DockTDesign, que combina modelos generativos baseados na arquitetura de autoencoders variacionais com algoritmos evolucionistas many-objetivo. Essa integração permite uma exploração eficiente do espaço químico e a otimização simultânea de múltiplas propriedades moleculares, um aspecto crucial no desenvolvimento de fármacos, mas ainda pouco explorado na literatura de modelos generativos. Entre essas propriedades, destaca-se a afinidade de ligação receptor-ligante. Nesse contexto, foi também desenvolvido o modelo DockTDeep, baseado em redes neurais convolucionais tridimensionais para predição da afinidade. O modelo apresenta um desempenho robusto e competitivo em comparação com outros métodos do estado da arte, resultado do emprego de uma metodologia bem fundamentada de treinamento, em vez do uso de uma arquitetura mais complexa. Foi realizada uma análise criteriosa de abordagens de aumento de dados e introduzido um novo método de regularização, denominado dropout molecular, com o objetivo de mitigar predições baseadas em correlações espúrias e favorecer o aprendizado de interações intermoleculares significativas. Como resultado, o modelo demonstrou capacidade de reduzir a variância rotacional inerente a essa classe de modelos, evitar o sobreajuste a características específicas de proteínas e ligantes e generalizar para cenários fora da distribuição, considerados mais desafiadores. Tanto a plataforma DockTDesign quanto o modelo DockTDeep estão disponíveis em código aberto e, em conjunto, buscam fornecer à comunidade uma ferramenta versátil e acessível para acelerar a descoberta de fármacos.

Evento Híbrido
Local: Auditório A
Link de Transmissão: meet.google.com/pop-msrq-gks

Data Início: 10/10/2025
Hora: 09:00
Data Fim: 10/10/2025
Hora: 12:00

Local:  LNCC - Laboratório Nacional de Computação Ciêntifica - Auditorio A

Aluno:
Matheus Muller Pereira da Silva - - LNCC

Orientador:
Isabella Alvim Guedes - Laboratório Nacional de Computação Científica - LNCC
Laurent Emmanuel Dardenne - Laboratório Nacional de Computação Científica - LNCC

Participante Banca Examinadora:
Alessandro Silva Nascimento - Universidade de São Paulo - IFSC/USP
Carlos Alberto Montanari - Universidade de São Paulo - USP
Fabio Lima Custodio - Laboratório Nacional de Computação Científica - LNCC
Laurent Emmanuel Dardenne - Laboratório Nacional de Computação Científica - LNCC
Rafaela Salgado Ferreira - Universidade Federal de Minas Gerais - UFMG

Suplente Banca Examinadora:
Marisa Fabiana Nicolás - Laboratório Nacional de Computação Científica - LNCC


Últimas eventos

  •   Principal
  •   Hotéis/Pousadas
  •   Área do Inscrito
 
 Voltar para o topo
Rodapé

Principal

  • Estrutura Organizacional
  • Corpo Técnico Científico
  • Produção Técnico-Científica
  • Projetos de P & D
  • Mestrado e Doutorado
  • Bolsas de Estudos
  • Seminários
  • Congressos / Escolas / Cursos
  • Biblioteca

Acesso à Informação

  • Institucional
  • Ações e Programas
  • Participação Social
  • Auditorias
  • Receitas e Despesas
  • Licitações, Contratos e Convênios
  • Servidores
  • Informações Classificadas
  • Serviço de Informação ao Cidadão - SIC
  • Perguntas Frequentes
  • Dados Abertos
  • Gestão Documental
  • Agenda do Diretor
  • Carta de serviço ao Cidadão
  • Sobre a Lei de Acesso à Informação
  • Ouvidoria
  • Comissão de Ética
  • Gestão de Riscos
  • Guia de Conduta

Serviços

  • Fale Conosco
  • Assessoria de Comunicação

Redes Sociais

  • Instagram
  • Linkedin
  • Facebook
  • YouTube

Navegação

  • Acessibilidade
  • Mapa do Site

Brasil - Governo Federal   Brasil - Governo Federal