Bayesian model selection of cell signaling pathways and designing of cell growth classifiers

• Grant number: 20/10329-3
• Support Opportunities: Scholarships in Brazil - Technical Training Program - Technical Training
• Start date: November 01, 2020
• End date: April 30, 2022
• Field of knowledge: Physical Sciences and Mathematics - Computer Science
• Principal Investigator: Marcelo da Silva Reis
• Grantee: Cássia Sampaio Sanctos
• Host Institution: Instituto Butantan. São Paulo , SP, Brazil
• Associated research grant: 19/21619-5 - Finding the Goldilocks zones of cell signaling pathways in cancer therapy, AP.R

Abstract

Classificadores de proliferação celular são funções que classificam o nível de proliferação de uma determinada população de células como uma função da cinética de espécies químicas de uma via de sinalização celular. Essas mesmas cinéticas também podem ser utilizadas para calibrar modelos que explicam a dinâmica da via de sinalização em questão. A combinação de um classificador de proliferação celular com um modelo de via de sinalização, quando ajustados com os mesmos dados experimentais, permite a formulação de um problema de otimização no qual busca-se um nível de proliferação "ótimo" como uma função de um vetor de entradas u do modelo dinâmico: neste caso, o argumento do classificador são as cinéticas obtidas em simulações do modelo utilizando u. Neste projeto propomos implementar, inicialmente em Python e depois portando para C++, um novo método Bayesiano que lide com o problema da falta de isolamento na modelagem de vias de sinalização celular. Além disso, propomos a implementação de um classificador de proliferação celular, utilizando as mesmas técnicas que são usualmente empregadas no desenho de operadores morfológicos. Por fim, projetamos a incorporação desse classificador em um solver de programação inteira para resolver o problema de otimização formulado acima.

Scientific publications

(References retrieved automatically from Web of Science and SciELO through information on FAPESP grants and their corresponding numbers as mentioned in the publications by the authors)

BATISTA, MARCELO; MONTONI, FABIO; CAMPOS, CRISTIANO; NOGUEIRA, RONALDO; ARMELIN, HUGO A.; REIS, MARCELO S.. A Framework for Inference and Selection of Cell Signaling Pathway Dynamic Models. ADVANCES IN BIOINFORMATICS AND COMPUTATIONAL BIOLOGY, BSB 2023, v. 13954, p. 12-pg., 2023-01-01. (20/10329-3, 19/24580-2, 13/07467-1, 21/04355-4, 20/08555-5, 19/21619-5)

MONTONI, FABIO; DE SOUSA, RONALDO N.; DE LIMA JUNIOR, MARCELO B.; CAMPOS, CRISTIANO G. S.; WANG, WILLIAN; CONSTANTINO, VIVIAN M.; SANCTOS, CASSIA S.; ARMELIN, HUGO A.; REIS, MARCELO S.; IEEE. Anguix: Cell Signaling Modeling Improvement through Sabio-RK association to Reactome. 2022 IEEE 18TH INTERNATIONAL CONFERENCE ON E-SCIENCE (ESCIENCE 2022), v. N/A, p. 2-pg., 2022-01-01. (20/08555-5, 13/07467-1, 21/04355-4, 20/10329-3, 19/24580-2, 19/21619-5)