16nov2026
14:00 Defesa de Mestrado Sala 85 do IC2
Tema
NEXUS-GO: Representações de Sequência Unificadas e Estendidas por Redes para Anotação Funcional com a Gene Ontology
Aluno
Yeonatan Mauhnoom
Orientador / Docente
Zanoni Dias - Coorientadores: Hélio Pedrini e Gabriel Bianchin de Oliveira
Breve resumo
Com o avanço das técnicas de sequenciamento nas últimas décadas, milhões de proteínas tiveram suas sequências de aminoácidos determinadas. A caracterização experimental das funções que essas proteínas exercem, no entanto, permanece lenta, trabalhosa e cara, o que mantém uma lacuna persistente entre o que se conhece da sequência e o que se conhece da função. Compreender essas funções é essencial para o avanço de diversas aplicações científicas, uma vez que as proteínas participam de praticamente todos os processos celulares dos organismos vivos.
Para reduzir essa lacuna, diversas pesquisas têm aplicado métodos computacionais à anotação funcional automática. Embora as abordagens baseadas na sequência de aminoácidos já apresentem bons resultados, especialmente com o uso de modelos de linguagem de proteínas, parte da função de uma proteína depende do contexto celular em que ela atua, e esse contexto não é inteiramente recuperável a partir de uma sequência isolada. As redes de interação e associação entre proteínas oferecem uma fonte complementar de evidência, mas apresentam limitações próprias: a rede do STRING agrega canais de evidência de confiabilidade heterogênea em um único escore e sua cobertura é bastante desigual, com uma fração expressiva das proteínas sem qualquer associação registrada.
Nesta pesquisa, apresentamos o desenvolvimento metodológico em duas gerações: uma primeira geração de experimentos, elaborada utilizando caracterização puramente topológica extraída diretamente das redes de interação proteína-proteína, empregada ao longo do texto como controle, e sua evolução para uma segunda geração que desenvolvemos e denominamos NEXUS-GO. Este arcabouço contextualiza representações extraídas do modelo ProtT5 com a topologia ponderada da rede STRING e admite quatro rotas: uma propagação de vizinhança não paramétrica, uma rede neural em grafos treinada de ponta a ponta e duas estratégias de fusão que combinam ambas, no nível da representação e no nível da predição. Na avaliação sobre um conjunto multiespécie derivado do CAFA5, sob um único protocolo transdutivo e contra cinco métodos da literatura reimplementados, o ensemble de fusão tardia obteve o melhor wFmax entre as abordagens avaliadas nos três domínios da Gene Ontology, com margens de 9,77, 8,67 e 4,93 pontos percentuais sobre o baseline mais forte na partição de teste, além de cobrir a totalidade das proteínas avaliadas.
Por fim, mostramos que a propagação não paramétrica alcança desempenho equivalente ou superior ao de um codificador de grafos treinado, consumindo cerca de treze vezes menos tempo por época e menos da metade da memória de pico, e que os maiores ganhos trazidos pela rede de interação estão geralmente concentrados nas proteínas com maior conectividade. O código-fonte desenvolvido neste trabalho está publicamente disponível.
Banca examinadora
Titulares:
| Zanoni Dias | IC/UNICAMP |
| Guilherme Pimentel Telles | IC/UNICAMP |
| Alexandre Mello Ferreira | EEP |
Suplentes:
| Gabriel Capiteli Bertocco | IC/UNICAMP |
| Felipe Rodrigues da Silva | EMBRAPA |