Buscando as zonas de Goldilocks de vias de sinalização celular em terapia de câncer

• Processo: 19/21619-5
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de maio de 2020
• Data de Término da vigência: 30 de abril de 2022
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Marcelo da Silva Reis
• Beneficiário: Marcelo da Silva Reis
• Instituição Sede: Instituto Butantan. São Paulo , SP, Brasil
• Município da Instituição Sede: São Paulo
• Pesquisadores associados: Edmilson Ozorio dos Santos ; Hugo Aguirre Armelin ; Juliane Liepe ; Junior Barrera ; Ronaldo Fumio Hashimoto ; Rosangela Aparecida Wailemann Mansano
• Bolsa(s) vinculada(s): 20/10329-3 - Seleção Bayesiana de modelos de vias de sinalização celular e projeto de classificadores de proliferação celular, BP.TT; 20/08555-5 - Projeto de um banco de dados de reações bioquímicas para seleção de modelos de vias de sinalização celular, BP.TT
• Assunto(s): Biologia computacional Inferência bayesiana Transdução de sinais Tratamento do câncer Equações diferenciais ordinárias Método de Monte Carlo Cadeias de Markov
• Palavra(s)-Chave do Pesquisador: Computação Bayesiana Aproximada | Equação diferencial ordinária | Inferência Bayesiana | Modelagem e simulação computacional | Monte Carlo via Cadeias de Markov | via de sinalização celular | Biologia Computacional

Resumo

O aumento da aptidão de células cancerígenas durante a oncogênese é acompanhada de um aumento de diversos estresses celulares, um fenômeno que é exarcebado se aplicada uma superestimulação mitogênica. Recentemente, nosso grupo reportou uma abordagem não-usual para terapia de câncer, que se baseia em superestimulação mitogênica seguida da inibição de vias mitigadoras de estresse. Apesar da superestimulação mitogênica de células cancerígenas poder ser obtida utilizando mitógenos naturais, que geralmente são inofensivos para células normais, alguns tipos de câncer não respondem bem a eles. Neste caso, podem ser necessárias intervenções à jusante de vias de sinalização mitogênica, um procedimento que pode ser tóxico para células normais. Dessa forma, hipotetizamos a existência de uma zona de Goldilocks, isto é, uma combinação ideal de intervenções que maximiza a eficácia de tratamento e ao mesmo tempo poupa células saudáveis de efeitos deletérios. Para testar essa hipótese, propomos desenvolver uma metodologia que englobe: i) um procedimento Bayesiano de seleção de modelos que gere possibilidades a partir de banco de dados de reações e também leve em consideração o problema da falta de isolamento que surge durante a estimação de modelos de vias de sinalização; ii) o desenho de classificadores de proliferação celular como uma função da dinâmica de vias de sinalização; iii) a incorporação de (i) e (ii) em uma otimização combinatória para buscar melhores conjuntos de intervenções. Para testar a metodologia proposta, planejamos aplicar a mesma em dados sintéticos e também em resultados obtidos de ensaios experimentais em linhagens cancerígenas e não-tumorigênicas. Pretendemos ainda validar experimentalmente previsões promissoras obtidas com esses ensaios experimentais. Testar esta hipotése de zonas de Goldilocks é uma tarefa oportuna, que poderá ajudar na descoberta de novos ativadores de vias de sinalização mitogênica no contexto dessa nova abordagem de terapia de câncer. (AU)

Publicações científicas

(4)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

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)

BARRERA, JUNIOR; HASHIMOTO, RONALDO F.; HIRATA, NINA S. T.; HIRATA, R., JR.; REIS, MARCELO S.. From Mathematical Morphology to machine learning of image operators. SAO PAULO JOURNAL OF MATHEMATICAL SCIENCES, v. 16, n. 1, p. 42-pg., 2022-04-21. (15/22308-2, 13/07467-1, 19/21619-5, 17/25835-9)

SOUSA, RONALDO N.; CAMPOS, CRISTIANO G. S.; WANG, WILLIAN; HASHIMOTO, RONALDO F.; ARMELIN, HUGO A.; REIS, MARCELO S.. Exploring Identifiability in Hybrid Models of Cell Signaling Pathways. ADVANCES IN BIOINFORMATICS AND COMPUTATIONAL BIOLOGY, BSB 2023, v. 13954, p. 12-pg., 2023-01-01. (19/24580-2, 13/07467-1, 21/04355-4, 15/22308-2, 19/21619-5)