HTS Omics: plataforma para descoberta de novos antibióticos

• Processo: 22/13717-0
• Modalidade de apoio: Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Data de Início da vigência: 01 de julho de 2023
• Data de Término da vigência: 31 de julho de 2024
• Área do conhecimento: Ciências Biológicas - Microbiologia - Microbiologia Aplicada
• Acordo de Cooperação: SEBRAE-SP
• Pesquisador responsável: Marília Bixilia Sanchez
• Beneficiário: Marília Bixilia Sanchez
• Empresa: Dsma Desenvolvimento Sustentável e Monitoramento Ambiental Ltda. - EPP
• CNAE: Pesquisa e desenvolvimento experimental em ciências físicas e naturais
• Bolsa(s) vinculada(s): 23/08570-2 - Validação da ferramenta de machining learning como instrumento de prospecção de novos fármacos, BP.TT
• Assunto(s): Antibióticos Descoberta de drogas Micro-organismos Fármacos Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Antibióticos | drug discovery | Hts | machine learning | micro-organismos | Omics | Fármacos

Resumo

Nos últimos anos tem sido observado um aumento significativo no número de bactérias multirresistentes, criando cada vez mais a necessidade de se desenvolver novas moléculas capazes e controlar estas cepas. Entretanto, a busca por novas moléculas é um processo extremamente laborioso, de alto custo e que demanda um longo tempo, pois os métodos tradicionais se baseiam na caracterização química de extratos celulares e posterior fracionamento, purificação e identificação da molécula com atividade antibiótica, sem considerar o genoma das linhagens microbianas neste processo de seleção. A presente proposta trata de uma prova de conceito, onde espera-se validar um pipeline de caracterização rápida de novas moléculas com atividade antibiótica, baseado em análise genômica de isolados bacterianos de interesse. Será utilizada uma coleção de micro-organismos, disponibilizada pela Startup, que será identificada taxonomicamente e posteriormente, isolados de interesse terão o seu genoma sequenciado e o seu metaboloma caracterizado. Esta análise química, realizada pela parceira, será importante para permitirá uma análise de correlação entre o perfil químico e a presença de cluster biossintéticos, permitindo por machine learning estabelecer um algoritmo para a seleção de isolados, potencialmente produtores de novos antibióticos, por meio da análise de clusters biossintéticos. Assim, ao final deste processo de validação, espera-se que seja validada um pipeline de caracterização e seleção de micro-organismos produtores de novos antibióticos, a qual deverá ser utilizada pela empresa parceira para a prospecção de novos antibióticos a partir de micro-organismos ambientais. Além disso, será melhor caracterizada uma coleção de micro-organismos com capacidade de produzir compostos com atividade inibitória do crescimento de bactérias multi-resistentes (KPC, MRSA e VRE). (AU)