Professora no Departamento de Informática (DPI) da Universidade Federal de Viçosa. Realizou pós-doutorado no European Molecular Biology Laboratory-European Bioinformatics Institute (EMBL-EBI), em Cambridge, no Reino Unido, sob supervisão da Dra Janet Thornton, com bolsa da CAPES (2019). Realizou pós doutorado no Laboratório de Bioinformática e Sistemas (LBS) no Departamento de Ciência da Computação da Universidade Federal de Minas Gerais (2015). Possui doutorado em Bioinformática (2013) e graduação em Ciência da Computação (2008) pela Universidade Federal de Minas Gerais. Atualmente é orientadora do Programa de Pós-Graduação em Ciência da Computação da UFV (CAPES 4) e do Programa de Pós-Graduação em Bioinformática da UFMG (CAPES 7). É presidente da Comissão de Autoavaliação e da Comissão de Pesquisa, e membro da Comissão Coordenadora do Programa de Pós-Graduação em Ciência da Computação da UFV. É revisora de periódicos como IEEE/ACM Transactions on Computational Biology and Bioinformatics, Bioinformatics e Scientific Reports (fator de impacto 4,500, 6,931 e 4,996, respectivamente) e revisora de projeto para a agência europeia Czech Science Foundation, a principal agência de financiamento público da República Tcheca. É membro da Sociedade Científica "Sigma Xi, The Scientific Research Honor Society" dos Estados Unidos (EUA). Orientadora da tese vencedora do Prêmio UFMG de Teses 2022 (Bioinformática) e do Prêmio Jovem Bioinformata 2023 da AB3C/SBC. Tem experiência na área de Ciência da Computação e Bioinformática, atuando principalmente nos seguintes temas: predição de função de enzima, mineração de dados, aprendizagem de máquinas, bases de dados biológicos e visualização de dados.

Projetos

• AB INITIO: A Bioinformatics and Information technology Network for Intelligence, Technology and Innovation for Open biotechnological problems
• Novos Modelos, Algoritmos e Aplicações em Bioinformática Estrutural Baseados na Integração da Triagem Conformacional do Alvo, Descritores Quânticos e Aprendizado de Máquina
• Q-BaBEL: Química quântica e computacional, BioinformÁtica e BiotEcnoLogia interdisciplinares em saúde, agronegócio e energia: Novos Inibidores para a Ricina e Novas beta-Glicosidases para o Bioetanol

Orientações em Andamento

• Dissertação de mestrado:
Gustavo Almeida
Bráulio Martins Bueno


• Tese de doutorado:
Juliana Ângelo de Souza
Moruf Adedeji Adeagbo
Igor Duarte Rodrigues
Cleiton Rodrigues Monteiro
Vagner Soares Ribeiro
Vinícius de Almeida Paiva


• Trabalho de conclusão de curso de graduação:
Igor Teixeira Brasiliano


• Iniciação científica:
Gabriela Ouriques Gonçalves Dias
Igor Teixeira Brasiliano
José Lucas de Almeida Cirilo

Publicações Sugeridas

GOMES, ISABELA DE SOUZA et al. Computational prediction of potential inhibitors for SARS-COV-2 main protease based on machine learning, docking, MM-PBSA calculations, and metadynamics. PLoS One, v. 17, p. e0267471, 2022.

PAIVA, V. A. et al. GASS-Metal: identifying metal-binding sites on protein structures using genetic algorithms. BRIEFINGS IN BIOINFORMATICS, v. -, p. 1, 2022.

PAIVA, V. A. et al. Protein structural bioinformatics: An overview. COMPUTERS IN BIOLOGY AND MEDICINE, p. 105695, 2022.

Santana, C. A. et al. GRaSP: a graph-based residue neighborhood strategy to predict binding sites. BIOINFORMATICS, v. 36, p. i726-i734, 2020.

SANTANA, CHARLES A. et al. GRaSP-web: a machine learning strategy to predict binding sites based on residue neighborhood graphs. CNUCLEIC ACIDS RESEARCH, v. -, p. 1, 2022.

SILVA, J. C. F. et al. RLPredictiOme, a Machine Learning-Derived Method for High-Throughput Prediction of Plant Receptor-like Proteins, Reveals Novel Classes of Transmembrane Receptors. INTERNATIONAL JOURNAL OF MOLECULAR SCIENCES, v. 23, p. -, 2022.