Aprimoramento do Algoritmo Occluded Surface por Tesselação Esférica de Fibonacci para Empacotamento Atômico e suas Implementações em R e Python
Bioinformática Estrutural. Empacotamento Atômico. Occluded Surface. Malhas de Fibonacci. AlphaFold
A Bioinformática Estrutural tem vivenciado avanços significativos com o surgimento de modelos computacionais de aprendizado de máquina, como o AlphaFold, capazes de estimar a forma tridimensional de proteínas com alta confiabilidade e de gerar um volume massivo de dados. Nesse cenário, a análise do grau de empacotamento atômico continua sendo uma métrica fundamental para avaliar a qualidade estrutural e compreender a estabilidade, a função e a integridade de macromoléculas. Historicamente, o algoritmo Occluded Surface (OS) é estabelecido como um método robusto para essa finalidade ao calcular as áreas de superfície molecular ocluída e não ocluída. No entanto, sua aplicação em larga escala é dificultada por duas limitações principais: a implementação original restrita à linguagem Fortran, o que impõe barreiras à fácil integração com sistemas atuais, e um viés geométrico relacionado à anisotropia. Para solucionar essas lacunas, esta dissertação apresenta o FIBOS (Fibonacci Occluded Surface), um aprimoramento metodológico do algoritmo OS baseado na distribuição de pontos por meio de Fibonacci Lattices. O FIBOS substitui a técnica de amostragem original por malhas de Fibonacci, garantindo uma distribuição de pontos consideravelmente mais isotrópica, uniforme e precisa sobre a superfície dos átomos. Além da correção geométrica, visando à democratização de uso e ao processamento de Big Data, o código em Fortran foi otimizado como backend e encapsulado via wrappers para linguagens de alto nível, culminando na publicação oficial de pacotes para R (via CRAN) e Python (via PyPI). A metodologia foi validada por meio de avaliações de distribuição espacial que comprovaram a redução do viés axial. Adicionalmente, realizou-se um estudo de caso comparando a densidade de empacotamento de milhares de estruturas proteicas determinadas experimentalmente contra os modelos preditivos do AlphaFold. Os resultados demonstram as melhorias alcançadas pelo FIBOSe sua capacidade de capturar diferenças conformacionais sutis no nível de resíduos influentes, oferecendo, assim, uma solução ágil, escalável e de fácil integração para atender às demandas modernas da biologia estrutural.