Os métodos existentes para a previsão da posição de átomos de hidrogênio em proteínas são todos baseados na simulação computacional de modelos construídos a partir de características físicas e (ou) químicas das moléculas. A abordagem proposta neste trabalho faz uso de técnicas inteligentes para a predição da posição de átomos de hidrogênio contidos em grupos hidroxilas (OH) pertencentes à cadeias laterais dos aminoácidos serina, treonina e tirosina. Estas técnicas inteligentes são utilizadas em duas fases para a solução do problema proposto: o preprocessamento dos dados e a predição da posição do átomo de hidrogênio. Na fase de preprocessamento, informações sobre os padrões de ligações hidrogênio existentes em moléculas de proteínas são extraídas da base PDB (Protein Data Bank) e reunidas em agrupamentos. A base de dados PDB é a principal base internacional que disponibiliza publicamente a estrutura espacial de biomoléculas, principalmente proteínas e ácidos nucléicos, cujas estruturas espacias foram determinadas através de métodos experimentais. Os padrões de ligações hidrogênio obtidos da base de dados são agrupados por similaridade através de um novo algoritimo proposto, o algoritmo de agrupamento por fusão. Este novo algoritmo de agrupamento foi criado com o propósito de tratar dados com distribuição não uniforme, isolando padrões de entrada muito diferentes da média em agrupamento separados. Após o agrupamento, os padrões de ligações hidrogênio contidos em um grupo têm suas estruturas espaciais superpostas (alinhamento das geometrias dos padrões) através de operações espaciais de translação e rotações, coordenadas pelo uso de um algoritmo genético. Na fase de predição, os padrões já superpostos contidos em cada agrupamento gerado, são utilizados para o treinamento de uma rede neural de arquitetura MLP (multi layer perceptron) para a predição da posição do átomo de hidrogênio contido no padrão. Uma parte dos padrões contidos no agrupamento não são usados para o treinamento da rede e reservados para o teste da capacidade da rede neural inferir a posição do hidrogênio após o treinamento. Para cada agrupamento é treinada uma rede individual, de forma que os parâmetros livres da rede neural sejam calibrados para os dados específicos do agrupamento para o qual a rede neural foi treinada. Após diversas alterações de metodogia ao longo dos experimentos computacionais realizados, a nova abordagem proposta mostrouse eficaz, com um bom índice de acerto na predição da posição do hidrogênio após o treino da rede neural, para padrões de ligações hidrogênio previamente superpostos em agrupamentos / The existing methods for the prediction of the position of hydrogen atoms in proteins are all based on computer simulation models constructed from physical and(or) chemical properties of molecules. The approach proposed in this paper makes use of intelligent techniques for clustering the patterns of hydrogen bonds by similarity, these patterns extracted from the spatial structure of protein molecules, recorded in the files of the PDB (Protein Data Bank). A new algorithm, which allows clustering of data with nonuniform distribution was developed for this purpose. To align spatialy these patterns already grouped in a cluster is used a genetic algorithm that rotates the patterns each other in a way to obtain the aligment of them. The prediction of the position of atoms of hydrogen is done by the training of a MLP (multi layer perceptron) neural network that uses as input the data of the patterns of hydrogen bond contained in a given cluster, previously aligned. The new approach proved to be effective, with a good rate of success in the prediction of the position of hydrogen atoms contained in a cluster after training the neural network

Os métodos existentes para a previsão da posição de átomos de hidrogênio em proteínas são todos baseados na simulação computacional de modelos construídos a partir de características físicas e (ou) químicas das moléculas. A abordagem proposta neste trabalho faz uso de técnicas inteligentes para a predição da posição de átomos de hidrogênio contidos em grupos hidroxilas (OH) pertencentes à cadeias laterais dos aminoácidos serina, treonina e tirosina. Estas técnicas inteligentes são utilizadas em duas fases para a solução do problema proposto: o preprocessamento dos dados e a predição da posição do átomo de hidrogênio. Na fase de preprocessamento, informações sobre os padrões de ligações hidrogênio existentes em moléculas de proteínas são extraídas da base PDB (Protein Data Bank) e reunidas em agrupamentos. A base de dados PDB é a principal base internacional que disponibiliza publicamente a estrutura espacial de biomoléculas, principalmente proteínas e ácidos nucléicos, cujas estruturas espacias foram determinadas através de métodos experimentais. Os padrões de ligações hidrogênio obtidos da base de dados são agrupados por similaridade através de um novo algoritimo proposto, o algoritmo de agrupamento por fusão. Este novo algoritmo de agrupamento foi criado com o propósito de tratar dados com distribuição não uniforme, isolando padrões de entrada muito diferentes da média em agrupamento separados. Após o agrupamento, os padrões de ligações hidrogênio contidos em um grupo têm suas estruturas espaciais superpostas (alinhamento das geometrias dos padrões) através de operações espaciais de translação e rotações, coordenadas pelo uso de um algoritmo genético. Na fase de predição, os padrões já superpostos contidos em cada agrupamento gerado, são utilizados para o treinamento de uma rede neural de arquitetura MLP (multi layer perceptron) para a predição da posição do átomo de hidrogênio contido no padrão. Uma parte dos padrões contidos no agrupamento não são usados para o treinamento da rede e reservados para o teste da capacidade da rede neural inferir a posição do hidrogênio após o treinamento. Para cada agrupamento é treinada uma rede individual, de forma que os parâmetros livres da rede neural sejam calibrados para os dados específicos do agrupamento para o qual a rede neural foi treinada. Após diversas alterações de metodogia ao longo dos experimentos computacionais realizados, a nova abordagem proposta mostrouse eficaz, com um bom índice de acerto na predição da posição do hidrogênio após o treino da rede neural, para padrões de ligações hidrogênio previamente superpostos em agrupamentos / The existing methods for the prediction of the position of hydrogen atoms in proteins are all based on computer simulation models constructed from physical and(or) chemical properties of molecules. The approach proposed in this paper makes use of intelligent techniques for clustering the patterns of hydrogen bonds by similarity, these patterns extracted from the spatial structure of protein molecules, recorded in the files of the PDB (Protein Data Bank). A new algorithm, which allows clustering of data with nonuniform distribution was developed for this purpose. To align spatialy these patterns already grouped in a cluster is used a genetic algorithm that rotates the patterns each other in a way to obtain the aligment of them. The prediction of the position of atoms of hydrogen is done by the training of a MLP (multi layer perceptron) neural network that uses as input the data of the patterns of hydrogen bond contained in a given cluster, previously aligned. The new approach proved to be effective, with a good rate of success in the prediction of the position of hydrogen atoms contained in a cluster after training the neural network

Orientador: Ennio Peres da Silva / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecanica / Made available in DSpace on 2018-08-09T04:44:35Z (GMT). No. of bitstreams: 1 Camargo_JoaoCarlos_D.pdf: 1984535 bytes, checksum: ccf14c760889722980eb552f27361de8 (MD5) Previous issue date: 2004 / Resumo: A produção de hidrogênio para as células a combustível é um desafio para a ampla disseminação dessa tecnologia. Produzi-lo a partir de fontes renováveis de energia, como o etanol da cana-de-açúcar, é a opção analisada neste trabalho, enfocando principalmente a tecnologia dentro do conceito da geração distribuída de energia elétrica. O objetivo da tese é avaliar a viabilidade técnica e econômica da reforma do etanol para produção de hidrogênio com a qualidade necessária para o uso em uma célula a combustível tipo membrana de troca de prótons (PEMFC). A metodologia utilizada foi o desenvolvimento de um protótipo de geração de energia elétrica baseado em um reformador de etanol e um sistema de purificação de hidrogênio. Os principais dados obtidos nesse experimento foram a eficiência global de conversão do protótipo e a quantidade e qualidade das emissões advindas da operação do mesmo. O reformador de etanol alcançou eficiência de conversão de 69%, produzindo hidrogênio ¿ após o sistema de purificação¿ com nível de monóxido de carbono (CO) inferior a 20 µmol.mol, emissões globais de 460,85 g CO2.kWh-1, 0,812 g CO.kWh-1, 2,416 g CH4.kWh-1, sem emissão de NOx e SOx para uma vazão de entrada de 0,33 mol.etanol.hora-1. Com esses valores, foi realizada a análise da viabilidade técnica e econômica, comparando o protótipo desenvolvido com outras tecnologias de geração de energia elétrica. A análise econômica baseou-se em curvas de aprendizado do comportamento do custo inicial do reformador, calculado em 8.000,00 R$.kW-1, em relação à sua produção acumulada para calcular-se o custo de geração do hidrogênio e da energia elétrica produzida ao acoplar-se o experimento a uma célula a combustível tipo PEMFC com eficiência de conversão elétrica de 45% / Abstract: The hydrogen production for fuel cells is a challenge for wide dissemination of this technology. To produce it from renewable sources of energy, such as sugar cane¿s ethanol, is the option analyzed in this work, focusing mainly the fuel cell technology inside of distributed generation concept. The objective of the thesis is to evaluate the technical and economical feasibility of ethanol reforming for hydrogen production with the necessary quality for use in a proton exchange membrane fuel cell (PEMFC). The methodology used was the development of a power generation prototype based on an ethanol reformer and a hydrogen purification system. The main data obtained in that experiment were the prototype global efficiency conversion and the quantity and quality of emissions resulted from prototype operation . The ethanol reformer reached conversion efficiency of 69%, producing hydrogen - after the purification system ¿ with carbon monoxide (CO) level lower than 20 µmol.mol-1, overall emissions of 460.85 g.CO2.kWh- 1, 0.812 g.CO.kWh-1, 2.416 g.CH4.kWh-1, without emissions of NOx and SOx for a 0.33 mol.ethanol.hour-1 flow inlet. Those values were used for the technical and economical feasibility analysis comparing the prototype with others electric power generation technologies. The economical analysis based on learning curves concept of the reformer initial cost behavior, which was estimated in R$ 8,000.00 /kWe, in relation to its accumulated production to calculate the hydrogen and electric power generation production cost when joining the reformer system to a PEMFC fuel cell with 45% electric efficiency conversion / Doutorado / Planejamento de Sistemas Energeticos / Doutor em Engenharia Mecânica