Detecção e classificação de nanopartículas internalizadas em células tumorais através de métodos computacionais

• Processo: 24/01849-4
• Modalidade de apoio: Auxílio à Pesquisa - Programa eScience e Data Science - Regular
• Data de Início da vigência: 01 de julho de 2024
• Data de Término da vigência: 30 de setembro de 2025
• Área do conhecimento: Ciências Biológicas - Biofísica - Biofísica de Processos e Sistemas
• Pesquisador responsável: Allan Felipe Fattori Alves
• Beneficiário: Allan Felipe Fattori Alves
• Instituição Sede: Instituto de Biociências (IBB). Universidade Estadual Paulista (UNESP). Campus de Botucatu. Botucatu , SP, Brasil
• Pesquisadores associados: Guilherme Augusto Soares ; Rachid Jennane
• Assunto(s): Microscopia eletrônica de transmissão Nanopartículas Células tumorais Processamento de imagem assistida por computador Modelagem computacional Visão computacional Aprendizagem profunda Inteligência artificial
• Palavra(s)-Chave do Pesquisador: célula tumoral | Deep Learning | Detecção Automática | Microscopia eletrônica de transmissão | Nanopartículas | Visão Computacional | Processamento de imagens com inteligência artificial

Resumo

Em relação às aplicações in vivo, as nanopartículas podem ser utilizadas para a diagnóstico e tratamento de diversos tipos de câncer, e podem ser utilizadas para ambos os objetivos, conferindo a chamada propriedade teranóstica. A microscopia eletrônica de transmissão (TEM) é uma técnica poderosa para observar amostras em nanoescala, principalmente de estruturas celulares. A literatura tem trazido grandes desafios quanto a determinação da internalização de nanopartículas em culturas de células tumorais, sendo um processo custoso e altamente dependente de profissionais especializados. Neste contexto, a análise automática de imagens de microscopia eletrônica com auxílio de métodos computacionais tem demonstrado enormes benefícios para a pesquisa de caracterização destas técnicas. O objetivo principal deste projeto é desenvolver um algoritmo de segmentação e classificação baseado em arquiteturas de aprendizado profundo que será aplicado a bancos de dados contendo imagens de microscopia eletrônica de transmissão. Estes bancos de dados serão compostos por amostras de células tumorais com processos de endocitose de nanopartículas. Este projeto contempla cinco etapas de desenvolvimento que englobam a síntese de nanopartículas, a administração destas em culturas de células tumorais, a organização de bancos de imagens de microscopia, o pré-processamento destes bancos visando redução de ruído e realce de estruturas e por fim o desenvolvimento de algoritmos com técnicas de Deep Learning para a segmentação e classificação dos processos de endocitose de nanopartículas de forma automatizada. Estes resultados proporcionariam maior confiabilidade na interpretação das imagens, e tornariam mais rápidas e eficazes as análises que podem ser tediosas e sujeitas a erros de interpretação. (AU)