Análise e classificação de microbiomas humanos: detecção de bioindicadores e otimização por meio de aprendizado de máquina

Resumo

A comunidade de microrganismos que vive em diversas regiões do corpo humano, seja sob a pele, no intestino, esôfago, boca, vagina e entre outros, é chamada de microbioma humano. Essas comunidades participam de processos essenciais para a saúde humana - como digestão, produção de nutrientes, desintoxicação, proteção contra patógenos e regulação do sistema imunológico. Desse modo, alterações no microbioma podem causar doenças. Portanto, a análise do microbioma humano pode auxiliar no diagnóstico precoce de diversas doenças. Dentre as enfermidades que já se foi identificada correlação com o microbioma humano, podemos citar infecções, Câncer Colorretal e de Esôfago, Cirrose e até Autismo e Depressão. Por esse motivo, aumentou-se o interesse em estudos de sequenciamento de microbiomas, que tem se desenvolvido largamente, gerando grande quantidade de informação sobre essas comunidades, o Human Microbiome Big Data (HM Big Data). Ao mesmo tempo, o Aprendizado de Máquina (AM) - área de análise de dados em que algoritmos recebem um conjunto de dados tratados e são capazes de extrair conhecimento dos mesmos - demonstrou-se uma maneira eficiente de lidar com grande quantidade de informação, como é o caso do HM Big Data. Dessa maneira, com o objetivo de otimizar a análise de microbiomas humanos por AM e detectar novos bioindicadores de doenças, esse projeto irá realizar a coleta e seleção de metagenomas, de microbiomas humanos, disponíveis em bancos de dados públicos, proceder com a recuperação desses genomas através de pipelines de Bioinformática. Em seguida, esses dados serão pré-processados para criação de modelos de classificação por AM capazes de diferenciar entre saudável e patologia. Por fim, os algoritmos a serem utilizados, e o ajuste de seus hiperparâmetros, serão realizados por meio de técnicas de aprendizado de máquina automático (AutoML). (AU)