Identificação e avaliação de assinatura de expressão gênica de células-tronco hematopoiéticas por abordagens de biologia de sistemas e aprendizado de máquina

• Processo: 22/03118-1
• Modalidade de apoio: Auxílio à Pesquisa - Projeto Inicial
• Data de Início da vigência: 01 de abril de 2023
• Data de Término da vigência: 31 de março de 2028
• Área do conhecimento: Ciências Biológicas - Genética - Genética Humana e Médica
• Pesquisador responsável: Karina Griesi Oliveira
• Beneficiário: Karina Griesi Oliveira
• Instituição Sede: Instituto Israelita de Ensino e Pesquisa Albert Einstein (IIEPAE). São Paulo , SP, Brasil
• Município da Instituição Sede: São Paulo
• Pesquisadores associados: Deyvid Emanuel Amgarten
• Bolsa(s) vinculada(s): 24/23813-1 - Algoritmo preditivo para abundância de LT-HSC em populações heterogêneas usando transcriptômica de célula única e aprendizado de máquina, BP.TT; 24/00597-1 - Transformando a Saúde com o uso de IA: desmistificando o uso da tecnologia mostrando sua potencial aplicação para melhoria de Transplantes Medulares., BP.JC; 24/00598-8 - Transformando a Saúde com uso de IA: desmistificando o uso da tecnologia mostrando sua potencial aplicação para melhoria de Transplantes Medulares, BP.JC; + mais bolsas vinculadas 24/00537-9 - Identificação e avaliação de assinatura de expressão gênica de células-tronco hematopoiéticas por abordagens de biologia de sistemas e aprendizado de máquina, BP.JC; 24/00538-5 - Identificação e avaliação de assinatura de expressão gênica de células-tronco hematopoiéticas por abordagens de biologia de sistemas e aprendizado de máquina, BP.JC; 23/17841-0 - Identificação de módulos de co-expressão proteica associados a células-tronco hematopoiéticas de potencial de enxertia de longa duração (LT-HSC) em populações frescas, BP.IC; 23/17637-3 - Identificação de módulos de co-expressão gênica associados a células-tronco hematopoiéticas de potencial de enxertia de longa duração (LT-HSC) por análises de dados públicos de transcriptoma., BP.MS; 23/17638-0 - Identificação de módulos de co-expressão associados ao enriquecimento de células-tronco hematopoiéticas de potencial de enxertia de longa duração (LT-HSC) nos níveis transcricional e proteico, BP.MS - menos bolsas vinculadas
• Assunto(s): Expressão gênica Células-tronco hematopoéticas Proteômica Transcriptômica Biologia de sistemas Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: aprendizado de máquinas | Celulas-Tronco Hematopoieticas | proteômica | Transcriptômica | Wgcna | Estudos de expressão gênica

Resumo

As células-tronco hematopoiéticas com potencial de enxertia de longo prazo (long-term hematopoietic stem cells - LT-HSC) são as únicas células capazes de reconstituir a medula óssea, gerando todas as linhagens celulares que compõem o sangue, tendo, portanto, grande relevância em um contexto de transplante medular. As LT-HSC são células raras e, dado que o sucesso de um transplante depende da quantidade de LT-HSC transplantadas, sua expansão in vitro sempre foi um objetivo da medicina. No entanto, ainda não se conseguiu reproduzir condições que permitam a expansão a níveis desejáveis destas células sem a perda de sua potencialidade. Nas otimizações dos protocolos de expansão é preciso, ao final, avaliar tanto o número de LT-HSC quanto sua funcionalidade, outro importante desafio. Embora alguns marcadores de superfície de LT-HSC cultivadas tenham sido reportados recentemente, estes podem perder sua validade a depender da condição de cultivo por serem moléculas susceptíveis a variações do ambiente, tornando necessária a avaliação da manutenção da funcionalidade destas células por ensaios de xenotransplante a cada alteração no protocolo de cultivo. Assim, a hipótese desse trabalho é que análises de redes de co-expressão gênica, uma abordagem de biologia de sistemas, poderiam contribuir para a identificação de um conjunto de marcadores mais robustos de LT-HSC, não variáveis com a situação de cultivo ou manipulação destas. Dessa forma, nosso objetivo é utilizar esta abordagem, atrelada a análises de aprendizado de máquina, para verificar se a expressão de genes centrais de módulos de co-expressão associados a LT-HSC refletiria a abundância relativa destas células em diferentes condições. Para isso, analisaremos dados de transcriptoma de LT-HSC disponíveis publicamente, bem como dados de transcriptoma e proteômica gerados a partir de células frescas e cultivadas em nosso laboratório para selecionar um conjunto de genes centrais de módulos que se mostrarem associados a LT-HSC. Os níveis de expressão destes genes serão utilizados para treinamento de algoritmos de aprendizado de máquina a fim de se detectar o mais enxuto conjunto de genes e o algoritmo que proporcionem a geração de um score com a melhor acurácia preditiva de enriquecimento das células de interesse. Este modelo será então validado por análises in silico de dados públicos, por análises de expressão gênica (por PCR quantitativo) de amostras cultivadas em condições reconhecidamente com maior ou menor abundância de LT-HSC e condições teste selecionadas e, finalmente, por ensaios funcionais de xenotransplantes. Nossos resultados, além de contribuírem com o entendimento da biologia celular das LT-HSC, podem possibilitar o delineamento de uma estratégia de quantificação de enriquecimento dessas células que teria importante aplicação em contextos clínicos. (AU)