Por favor, use este identificador para citar o enlazar este ítem: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1183171
Registro completo de metadatos
Campo DCValorLengua/Idioma
dc.contributor.authorFERNANDES, J. dos S.
dc.contributor.authorSOUSA, T. F.
dc.contributor.authorSILVA, G. F. da
dc.date.accessioned2025-12-23T15:48:46Z-
dc.date.available2025-12-23T15:48:46Z-
dc.date.created2025-12-23
dc.date.issued2025
dc.identifier.citationIn: CONGRESSO BRASILEIRO DE MICROBIOLOGIA, 33.; FOODMICRO LATINO, 1., 2025, Aracaju. Anais [...]. São Paulo: Sociedade Brasileira de Microbiologia, 2025.
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/1183171-
dc.descriptionA Amazônia é conhecida mundialmente pela diversidade de macrorganismos, contudo pouco se conhece sobre a variedade de microrganismos, incluindo bactérias, archaeas, fungos, vírus e protozoários, sejam eles cultiváveis ou não cultiváveis. Muitos desses microrganismos possuem potencial para produção de bioinsumos com aplicações farmacêuticas e agroindustriais, como os peptídeos antimicrobianos (AMP). Os AMPs apresentam mecanismos de ação diversos, com atuação na membrana celular ou interferindo em processo intracelular vital para o patógeno. Esses compostos ganham destaque como alternativas promissoras, devido à resistência genética bacteriana causada pelo uso indiscriminado de antibióticos. Atualmente por meio de abordagens como mineração in silico é possível identificar novas moléculas bioativas de forma mais eficiente, reduzindo o tempo e os custos envolvidos nas etapas laboratoriais iniciais. Nesse contexto, este trabalho teve como objetivo realizar a prospecção in silico por AMPs a partir de dados de metagenoma obtido de amostras de solo coletadas na Reserva de Desenvolvimento Sustentável (RDS) do Rio Negro, na Amazônia.
dc.language.isopor
dc.rightsopenAccess
dc.subjectPeptídeos Antimicrobianos
dc.subjectMetagenoma
dc.subjectSolo amazônico
dc.titleProspecção in silico de peptídeos antimicrobianos (Amps) em metagenoma de solo amazônico usando machine learning.
dc.typeResumo em anais e proceedings
dc.subject.thesagroSolo
dc.description.notesID do trabalho: 204/2849-0.
riaa.ainfo.id1183171
riaa.ainfo.lastupdate2025-12-23
dc.contributor.institutionJOELMA DOS SANTOS FERNANDES; THIAGO FERNANDES SOUSA; GILVAN FERREIRA DA SILVA, CPAA.
Aparece en las colecciones:Resumo em anais de congresso (CPAA)

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
39749.pdf471,98 kBAdobe PDFVista previa
Visualizar/Abrir

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace