Design de Peptídeos Antimicrobianos utilizando Machine Learning

Este projeto implementa um pipeline básico utilizando aprendizado de máquina (Random Forest Classifier) para o design e predição de atividade antimicrobiana em peptídeos curtos (20 aminoácidos), catiônicos e com uma região N-terminal hidrofóbica definida.

Descrição do Projeto

O script em Python gera candidatos de peptídeos com características específicas:

• 20 resíduos totais.
• 5 resíduos iniciais hidrofóbicos.
• 15 resíduos predominantemente catiônicos ou neutros.

Após gerar os candidatos, utiliza um modelo de aprendizado de máquina treinado com sequências positivas e negativas para prever a probabilidade dos novos candidatos possuírem atividade antimicrobiana.

Pré-requisitos

• Python 3.x
• pandas
• scikit-learn

Instale as dependências com:

pip install pandas scikit-learn

Estrutura do Código

• Dataset: O script inclui um pequeno conjunto de dados (fictício para demonstração) contendo sequências com e sem atividade antimicrobiana.

• Pré-processamento: Utiliza CountVectorizer com análise por caracteres e n-gramas (1-2) para transformar as sequências de aminoácidos em características numéricas compreensíveis para o modelo.

• Modelo de ML: Um classificador RandomForestClassifier é treinado utilizando os dados preparados.

• Geração de Candidatos: Função específica cria sequências respeitando as restrições bioquímicas especificadas:

  • Região N-terminal hidrofóbica.
  • Região restante catiônica/neutra.

• Predição: O modelo treinado é utilizado para prever novos peptídeos gerados, indicando aqueles com maior potencial antimicrobiano (probabilidade > 0.8).

Como executar

Clone o repositório e execute:

python ampfier.py

A saída mostrará a acurácia do modelo e os peptídeos promissores identificados pelo algoritmo.

Exemplo de Saída

Acurácia do modelo em teste: 1.00

Peptídeos promissores encontrados:
WYFILRRRKRHKHHRKHGHP -> Probabilidade de atividade: 0.90
VYYFVRHKRRHRKHHRKRRA -> Probabilidade de atividade: 0.85
...

Notas

• Este exemplo utiliza um dataset fictício. Para resultados reais, utilize um conjunto validado e robusto de sequências.
• O modelo pode ser melhorado com técnicas mais avançadas (e.g., redes neurais, deep learning) para resultados mais precisos.

Autor

Madson Aragão

Licença

Este projeto está licenciado sob a licença MIT.