Maurício Boff de Ávila

  • Endereço para acessar este CV: http://lattes.cnpq.br/0602658985169124
  • Última atualização do currículo em 07/12/2018


Sou graduado em Ciências Biológicas (Licenciatura) pela Pontifícia Universidade Católica do Rio Grande do Sul, Mestre em Biologia Celular e Molecular (PPGBCM-PUCRS). Aluno de Doutorado no Programa de Pós-Graduação em Biologia Celular e Molecular na área de Bioinformática no Laboratório de Biologia de Sistemas Computacional. Professor na rede privada de educação básica atuando com Ensino Médio e Técnico em Enfemagem. Como áreas de interesse em pesquisa possui: Modelagem proteica por homologia, Via metabólica do ácido chiquímico, Docking molecular, Desenho de drogas in silico, Aprendizagem de máquina aplicada na predição de afinidade do sistema proteína-ligante e proteínas alvo no combate de doenças. (Texto informado pelo autor)


Identificação


Nome
Maurício Boff de Ávila
Nome em citações bibliográficas
DE AVILA, MB;DE ÁVILA, MAURICIO BOFF;DE ÁVILA, MAURÍCIO;DE ÁVILA, MAURICIO BOFF;DE AVILA, MAURÍCIO;DE ÁVILA, MAURÍCIO BOFF

Endereço


Endereço Profissional
Pontifícia Universidade Católica do Rio Grande do Sul.
Avenida Ipiranga, 6881
Partenon
90619-900 - Porto Alegre, RS - Brasil
URL da Homepage: http://www3.pucrs.br/portal/page/portal/pucrs/Capa/


Formação acadêmica/titulação


2017
Doutorado em andamento em Biologia Celular e Molecular.
Pontifícia Universidade Católica do Rio Grande do Sul, PUCRS, Brasil.
Título: Modelos Computacionais para previsão de afinidade entre ligantes e proteínas alvos para o desenvolvimento de fármacos,
Orientador: Walter Filgueira de Azevedo Junior.
Bolsista do(a): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, CAPES, Brasil.
Palavras-chave: binding affinity; bioinformatics; Drug Design; Machine Learning; Mycobacterium tuberculosis; Protein.
Grande área: Ciências Biológicas
Grande Área: Ciências Biológicas / Área: Bioquímica / Subárea: Bioquímica Estrutural.
Grande Área: Ciências Biológicas / Área: Bioquímica / Subárea: Proteínas.
2015 - 2017
Mestrado em Biologia Celular e Molecular.
Pontifícia Universidade Católica do Rio Grande do Sul, PUCRS, Brasil.
Título: Biologia de Sistemas Computacional aplicada à Via do Ácido Chiquímico. Enfoque na Enzima 3-Desidroquinato Desidratase (EC 4.2.1.10,Ano de Obtenção: 2017.
Orientador: Walter Filgueira de Azevedo Jr..
Bolsista do(a): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, CAPES, Brasil.
Grande área: Ciências Biológicas
Grande Área: Ciências Biológicas / Área: Bioquímica / Subárea: Proteínas.
Grande Área: Ciências Biológicas / Área: Bioquímica / Subárea: Bioinformática.
2010 - 2014
Graduação em Ciências Biológicas.
Pontifícia Universidade Católica do Rio Grande do Sul, PUCRS, Brasil.




Formação Complementar


2012 - 2012
Extensão universitária em Participação em um Clube de Ciências.
Pontifícia Universidade Católica do Rio Grande do Sul, PUCRS, Brasil.
2012 - 2012
Extensão universitária em Programa Uma Noite no Museu. (Carga horária: 30h).
Pontifícia Universidade Católica do Rio Grande do Sul, PUCRS, Brasil.
2011 - 2011
Extensão universitária em Participação em um Clube de Ciências.
Pontifícia Universidade Católica do Rio Grande do Sul, PUCRS, Brasil.
2011 - 2011
Extensão universitária em Programa Uma Noite no Museu. (Carga horária: 30h).
Pontifícia Universidade Católica do Rio Grande do Sul, PUCRS, Brasil.


Atuação Profissional



Sociedade Educação e Caridade, SEC, Brasil.
Vínculo institucional

2015 - Atual
Vínculo: Professor, Enquadramento Funcional: Professor de Biologia, Carga horária: 14


Pontifícia Universidade Católica do Rio Grande do Sul, PUCRS, Brasil.
Vínculo institucional

2017 - Atual
Vínculo: Bolsista, Enquadramento Funcional: Aluno de Doutorado, Carga horária: 20

Vínculo institucional

2015 - 2017
Vínculo: Bolsista, Enquadramento Funcional: Aluno de Mestrado

Vínculo institucional

2012 - 2012
Vínculo: Aluno de Graduação com Bolsa, Enquadramento Funcional: Aluno, Carga horária: 20, Regime: Dedicação exclusiva.

Vínculo institucional

2010 - 2011
Vínculo: Aluno de Graduação com bolsa, Enquadramento Funcional: Aluno, Carga horária: 20, Regime: Dedicação exclusiva.

Atividades

3/2015 - Atual
Pesquisa e desenvolvimento , Escola de Ciências, .

Linhas de pesquisa
Molecular Docking
3/2015 - Atual
Pesquisa e desenvolvimento , Escola de Ciências, .

3/2015 - Atual
Pesquisa e desenvolvimento , Escola de Ciências, .

Linhas de pesquisa
Bio-Inspired Computing
03/2015 - Atual
Pesquisa e desenvolvimento , Pontifícia Universidade Católica do Rio Grande do Sul, .

Linhas de pesquisa
Protein-Ligand Interaction

Fundação Bradesco, FBR, Brasil.
Vínculo institucional

2014 - 2014
Vínculo: Professor, Enquadramento Funcional: Professor de Ciências da Natureza, Carga horária: 6


Colégio Marista Nossa Senhora do Rosário, MARISTA/Rosário, Brasil.
Vínculo institucional

2013 - 2014
Vínculo: Estagiário, Enquadramento Funcional: Estagiário Laboratório de Ciências, Carga horária: 20



Linhas de pesquisa


1.
Molecular Docking

Objetivo: The computational prediction of the position of a given ligand into the binding pocket of a protein target is called protein-ligand molecular docking (Dias & de Azevedo, 2008). Our focus here is on the application of optimized molecular docking strategies to identify potential new inhibitors for enzymes that are targets for drug development. We are interested in the discovery of new inhibitors for cyclin-dependent kinases (de Ávila et al., 2017), HIV-1 protease (Pintro & Azevedo, 2017), and several others proteins targets (Heck et al., 2017). We also seek the development of integrated strategies for molecular docking simulations (Xavier et al., 2016). These docking strategies use applications of bio-inspired computing to carry out molecular docking simulations (Heberlé & Azevedo, 2011). Furthermore, we are seeking the development of targeted-scoring function for the biological system we are interested in (Heck et al., 2017)..
Grande área: Ciências Biológicas
Grande Área: Ciências Biológicas / Área: Bioquímica / Subárea: Proteínas.
Setores de atividade: Pesquisa e desenvolvimento científico.
Palavras-chave: Computational Systems Biology; Scoring Function; Molecular Docking; Drug Design.
2.
Computational Systems Biology

Objetivo: We have been working on the development of computational models for unraveling the molecular mechanisms underlying enzyme inhibition and protein-ligand interactions. These computational models can be used to predict binding affinity of a potential inhibitor for an enzyme; such knowledge has the potential to speed up drug discovery and decrease the cost of development of new drugs (de Ávila et al., 2017). Furthermore, the availability of computational models to predict binding affinity based on the atomic coordinates of protein-ligand complexes adds flexibility to the process of drug discovery, since it allows us to computationally test different scenarios where a potential new drug may interact with a protein target (Heck et al., 2017). We developed the program SAnDReS (Xavier et al., 2016) to create machine-learning models targeted to the biological system of interested. We have successfully employed SAnDReS to study coagulation factor Xa (Xavier et al., 2016), cyclin-dependent kinases (de Ávila et al., 2017), and 3-dehydroquinate dehydratase (de Ávila & de Azevedo, 2018). Also, we used SAnDReS to develop a machine-learning model to predict Gibbs free energy of binding for protein-ligand complexes (Bitencourt-Ferreira & de Azevedo Jr., 2018)..
Grande área: Ciências Biológicas
Grande Área: Ciências Biológicas / Área: Bioquímica / Subárea: Proteínas.
Setores de atividade: Pesquisa e desenvolvimento científico.
Palavras-chave: Machine Learning; Computational Systems Biology; Scoring Function.
3.
Bio-Inspired Computing

Objetivo: Nature as a source of inspiration has been shown to have a great beneficial impact on the development of new computational methodologies. Algorithms that mimic biological systems can create new paradigms for computation, such as neural networks, evolutionary computing, and swarm intelligence. Biologically inspired algorithms (BIA) comprise a class of stochastic optimization and adaptation methodologies, designed for global optimization. One of the most promising biologically inspired algorithms is the evolutionary algorithm. The great majority of evolutionary algorithms extracts inspiration from the process of genetic evolution. In Darwinian evolution, species selection is based on their capacity for survival of the fittest in an ecosystem. Under this view, classes of evolutionary algorithms, known as genetic algorithms, genetic programming, and evolutionary programming, have been developed. All classes of evolutionary algorithms share a large number of characteristics (Heberlé & De Azevedo, 2011). Our goal is to apply bio-inspired computation to assess the problem of protein-ligand interactions (Xavier et al., 2016, Heck et al., 2017, de Ávila et al., 2017, Pintro & Azevedo, 2017)..
Grande área: Ciências Biológicas
Grande Área: Ciências Biológicas / Área: Bioquímica / Subárea: Proteínas.
Setores de atividade: Pesquisa e desenvolvimento científico.
Palavras-chave: Bio-Inspired Computing; Drug Design; Genetic Algorithms.
4.
Protein-Ligand Interaction

Objetivo: In the study of intermolecular interactions involving protein and ligands, our goal is to gain further insights into the structural basis for the specificity of small-molecule ligands against a specific protein target (De Azevedo, 2008). Analysis of protein-ligand interaction is a central problem in the drug design. Knowledge of the key features responsible for the specificity of a ligand for a protein allows us to determine which physical-chemical parameters could be changed to improve the protein-ligand interaction (De Azevedo & Dias, 2008a). Furthermore, the development of a computational model to predict the binding affinity based on the atomic coordinates of a protein-ligand complex (De Azevedo & Dias, 2008b) opens the possibility to apply virtual screening approaches to search small-molecule databases to identify a drug candidate (De Azevedo, 2010a). To study protein-ligand interactions, we make use of protein crystallography (Canduri & De Azevedo, 2008), nuclear magnetic resonance spectroscopy (Fadel et al., 2005), molecular docking (De Azevedo, 2010b), and molecular dynamics (De Azevedo, 2011)..
Grande área: Ciências Biológicas
Grande Área: Ciências Biológicas / Área: Bioquímica / Subárea: Proteínas.
Setores de atividade: Pesquisa e desenvolvimento científico.
Palavras-chave: binding affinity; Molecular Docking; Scoring Function; bioinformatics.


Projetos de pesquisa


2015 - Atual
Supervised Machine Learning Methods Applied to Predict Ligand- Binding Affinity
Descrição: Calculation of ligand-binding affinity is an open problem in computational medicinal chemistry. The ability to computationally predict affinities has a beneficial impact in the early stages of drug development, since it allows a mathematical model to assess protein-ligand interactions. Due to the availability of structural and binding information, machine learning methods have been applied to generate scoring functions with good predictive power. Reference: Heck GS, Pintro VO, Pereira RR, de Ávila MB, Levin NMB, de Azevedo WF. Supervised Machine Learning Methods Applied to Predict Ligand-Binding Affinity. Curr Med Chem. 2017 Jun 22..
Situação: Em andamento; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (2) / Doutorado: (1) .
Integrantes: Maurício Boff de Ávila - Integrante / Bruna Boldrini de Mattos - Integrante / DE AZEVEDO, WALTER FILGUEIRA - Coordenador / Gabriela Bitencourt Ferreira - Integrante.
2012 - Atual
Estudo computacional do sistema proteína-ligante
Descrição: O presente projeto está focado na análise computacional das interações intermoleculares entre pequenas moléculas ligantes e proteínas. Nós objetivamos gerar um modelo computacional para prever a afinidade de ligação por proteínas alvos. Nós analisaremos a informação experimental sobre a afinidade de ligantes e relacionaremos esta informação com a estrutura tridimensional de complexos de proteínas com ligantes. Visando gerar modelos computacionais, nós faremos uso de ferramentas de otimização, baseadas em computação evolucionária, tais como algoritmos genéticos e evolução diferencial. O modelo computacional a ser desenvolvido será capaz de prever a afinidade de ligantes, o que pode contribuir para identificação de novos fármacos em potencial..
Situação: Em andamento; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (2) / Doutorado: (1) .
Integrantes: Maurício Boff de Ávila - Integrante / Bruna Boldrini de Mattos - Integrante / DE AZEVEDO, WALTER FILGUEIRA - Coordenador / Gabriela Bitencourt Ferreira - Integrante.


Áreas de atuação


1.
Grande área: Ciências Biológicas / Área: Bioquímica / Subárea: Bioquímica.
2.
Grande área: Ciências Biológicas / Área: Bioquímica / Subárea: Bioquímica Estrutural.
3.
Grande área: Ciências Biológicas / Área: Bioquímica / Subárea: Bioinformática.


Idiomas


Inglês
Compreende Razoavelmente, Fala Razoavelmente, Lê Bem, Escreve Razoavelmente.


Prêmios e títulos


2012
Bolsista Destaque do XIII Salão de Iniciação Científica da PUCRS, PUCRS.


Produções



Produção bibliográfica
Artigos completos publicados em periódicos

1.
DE ÁVILA, MAURÍCIO BOFF2018 DE ÁVILA, MAURÍCIO BOFF; DE AZEVEDO, WALTER FILGUEIRA . Development of machine learning models to predict inhibition of 3-dehydroquinate dehydratase. Chemical Biology & Drug Design, v. 1, p. 00, 2018.

2.
DE ÁVILA, MAURÍCIO BOFF2018DE ÁVILA, MAURÍCIO BOFF; BITENCOURT-FERREIRA, GABRIELA ; AZEVEDO, WALTER . Structural Basis for Inhibition of Enoyl-[Acyl Carrier Protein] Reductase (InhA) from Mycobacterium tuberculosis. CURRENT MEDICINAL CHEMISTRY, v. 26, p. 100-00, 2018.

3.
3BERNHARDT, NAYARA M.2017BERNHARDT, NAYARA M. ; PINTRO, V. O. ; DE AVILA, MB ; MATTOS, B. B. ; AZEVEDO, WALTER FILGUEIRA . Understanding the Structural Basis for Inhibition of Cyclin-Dependent Kinases. New Pieces in the Molecular Puzzle. CURRENT DRUG TARGETS, v. 18, p. 1104-1111, 2017.

4.
2HECK, GABRIELA SEHNEM2017 HECK, GABRIELA SEHNEM ; PINTRO, VAL OLIVEIRA ; PEREIRA, RICHARD RENE ; DE ÁVILA, MAURICIO BOFF ; LEVIN, NAYARA MARIA BERNHARDT ; DE AZEVEDO, WALTER FILGUEIRA . Supervised Machine Learning Methods Applied to Predict Ligand- Binding Affinity. CURRENT MEDICINAL CHEMISTRY, v. 24, p. 2459-2470, 2017.

5.
1DE ÁVILA, MAURICIO BOFF2017 DE ÁVILA, MAURICIO BOFF; XAVIER, MARIANA MORRONE ; PINTRO, VAL OLIVEIRA ; DE AZEVEDO, WALTER FILGUEIRA . Supervised machine learning techniques to predict binding affinity. A study for cyclin-dependent kinase 2. BIOCHEMICAL AND BIOPHYSICAL RESEARCH COMMUNICATIONS, v. 494, p. 305-310, 2017.

6.
4XAVIER, MARIANA2016 XAVIER, MARIANA ; HECK, GABRIELA ; DE AVILA, MAURÍCIO ; LEVIN, NAYARA ; PINTRO, VAL ; CARVALHO, NATHÁLIA ; AZEVEDO JR., WALTER . SAnDReS a Computational Tool for Statistical Analysis of Docking Results and Development of Scoring Functions. COMBINATORIAL CHEMISTRY & HIGH THROUGHPUT SCREENING, v. 19, p. 1-1, 2016.

7.
5DE AVILA, MB;DE ÁVILA, MAURICIO BOFF;DE ÁVILA, MAURÍCIO;DE ÁVILA, MAURICIO BOFF;DE AVILA, MAURÍCIO;DE ÁVILA, MAURÍCIO BOFF2014 DE AVILA, MB; AZEVEDO, WALTER FILGUEIRA . Data Mining of Docking Results. Application to 3-Dehydroquinate Dehydratase. Current Bioinformatics (Print), v. 9, p. 361-379, 2014.

Apresentações de Trabalho
1.
Gervásio Silva Carvalho ; EMERIM, J. D. ; DE AVILA, MB . Assembléia de Cigarrinhas (Hemiptera, Cicadellidae) em Pomar de Citros Orgânico no município de Montenegro, Rio Grande do Sul, Brasil. 2012. (Apresentação de Trabalho/Congresso).

2.
DE AVILA, MB; AZEVEDO, WALTER FILGUEIRA . Identificação de novos potenciais inibidores da enzima 3-dehidroquinato dehidratase de Mycobacterium tuberculosis. 2012. (Apresentação de Trabalho/Seminário).

3.
ALBUQUERQUE, N. F. ; DE AVILA, MB ; CHAGAS, E. R. C. . Contação de histórias: recurso lúdico na aprendizagem em Clubes de Ciências. 2012. (Apresentação de Trabalho/Seminário).

4.
DE AVILA, MB. Comparação morológica da genitália de sete espécies de cigarrinhas (Cicadellidae: Cicadellinae: Cicadellini) ocorrentes em cultura de Citrus em Montenegro, RS, Brasil. 2011. (Apresentação de Trabalho/Seminário).

5.
DE AVILA, MB; EMERIM, J. D. . Comparação Morfológica da Genitália de Sete Espécies de Cigarrinhas (Cicadellidae: Cicadellinae: Cidadellini) Ocorrentes em Cultura de Citrus em Montenegro, RS, Brasil. 2011. (Apresentação de Trabalho/Seminário).

6.
EMERIM, J. D. ; DE AVILA, MB . Assembléia de Cigarrinhas (Hemiptera, Cicadellidae, Cicadellini) em pomar de Citros Orgânico no município de Montenegro, Rio Grande do Sul, Brasil. 2011. (Apresentação de Trabalho/Seminário).



Bancas



Participação em bancas de trabalhos de conclusão
Trabalhos de conclusão de curso de graduação
1.
AZEVEDO, WALTER FILGUEIRA; DE ÁVILA, MAURICIO BOFF. Participação em banca de Paula Bacaicoa Caruso.Estudo in silico da interação dos peptídeos beta-amiloides AB1-40 e AB1-42 com a proteína Calmodulina. 2018. Trabalho de Conclusão de Curso (Graduação em Ciências Biológicas) - Pontifícia Universidade Católica do Rio Grande do Sul.




Eventos



Participação em eventos, congressos, exposições e feiras
1.
14º Congresso do Ensino Privado do RS (SINEPE). 2017. (Congresso).

2.
13º Congreso do Ensino Privado do RS (SINEPE). 2015. (Congresso).

3.
CURSO DE PERÍCIA CRIMINAL - TOXICOLOGIA FORENSE. 2012. (Encontro).

4.
XIII SALÃO DE INICIAÇÃO CIENTÍFICA.Identificação de novos potenciais inibidores da enzima 3-dehidroquinato dehidratase de Mycobacterium tuberculosis. 2012. (Seminário).

5.
XIII SALÃO DE INICIAÇÃO CIENTÍFICA.Contação de histórias: recurso lúdico na aprendizagem em Clubes de Ciências. 2012. (Seminário).

6.
XXIX CONGRESSO BRASILEIRO DE ZOOLOGIA. Assembléia de Cigarrinhas (Hemiptera, Cicadellidae) em pomar de Citros Orgânico no município de Montenegro, Rio Grande do Sul, Brasil. 2012. (Congresso).

7.
11º Congresso de Ensino Privado Gaúcho. Educação e Neurociências: Um Novo Olhar. 2011. (Congresso).

8.
Noite de Estudos da Conservação e Reabilitação da Fauna - Cetáceos. 2011. (Encontro).

9.
Seminário Interno de Avaliação da Iniciação Científica da PUCRS.Comparação morfológica da genitália de sete espécies de cigarrinhas (Cicadellidae: Cicadellinae: Cicadellini) ocorrentes em cultura de Citrus em Montenegro, RS, Brasil. 2011. (Seminário).

10.
XII Salão de Iniciação Científica.Comparação Morfológica da Genitália de Sete Espécies de Cigarrinhas (CIcadellidae: Cicadellinae: Cicadellini) Ocorrentes em Cultura de Citrus em Montenegro, RS, Brasil. 2011. (Seminário).

11.
XII Salão de Iniciação Científica da PUCRS.Assembléia de Cigarrinhas (Hemiptera, Cicadellidae, Cicadellini) em pomar de Citros Orgânico no município de Montenegro, Rio Grande do Sul, Brasil. 2011. (Outra).




Página gerada pelo Sistema Currículo Lattes em 17/12/2018 às 13:31:29