Busca avançada
Ano de início
Entree

Desenvolvimento de um modelo analítico-preditivo baseado na integração de inteligência artificial e dados transcriptômicos aplicado à identificação de alvos moleculares de interesse (bio)farmacêutico

Processo: 24/07829-5
Modalidade de apoio:Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
Data de Início da vigência: 01 de outubro de 2024
Data de Término da vigência: 30 de setembro de 2026
Área do conhecimento:Interdisciplinar
Pesquisador responsável:Rodrigo Pinheiro Araldi
Beneficiário:Rodrigo Pinheiro Araldi
Empresa:Biodecision Analytics Ltda
CNAE: Consultoria em tecnologia da informação
Tratamento de dados, provedores de serviços de aplicação e serviços de hospedagem na internet
Pesquisa e desenvolvimento experimental em ciências físicas e naturais
Município: São Paulo
Pesquisadores principais:
João Rafael Dias Pinto
Pesquisadores associados: Benedito Faustinoni Neto ; Danilo Dias da Silva
Vinculado ao auxílio:23/06116-2 - Desenvolvimento de um modelo analítico-preditivo baseado na integração de inteligência artificial e dados transcriptômicos aplicado à identificação de alvos moleculares de interesse (bio)farmacêutico, AP.PIPE
Bolsa(s) vinculada(s):24/17577-3 - Desenvolvimento de um modelo analítico-preditivo baseado na integração de inteligência artificial e dados transcriptômicos aplicado à identificação de alvos moleculares de interesse (bio)farmacêutico, BP.PIPE
Assunto(s):Análise de dados  Inteligência artificial  Aprendizado computacional  Análise de sequência de RNA 
Palavra(s)-Chave do Pesquisador:Análise de Dados | Data Analytics | Descoberta de alvos terapêuticos | Inteligência Artificial | machine learning | RNA-seq | Pharma Intelligence

Resumo

A pesquisa e desenvolvimento (P&D) de drogas é uma atividade indispensável ao setor (bio)farmacêutico. Para atender as demandas constantes do setor, técnicas de high-throughput screening como o sequenciamento de RNA (RNA-Seq) têm sido amplamente empregadas para acelerar a P&D de drogas e reduzir os custos relativos a este processo sistemático. Isto porque, o RNA-Seq permite identificar alvos terapêuticos, predizer o mecanismo de ação e até mesmo prever os possíveis efeitos adversos de produtos investigacionais. No entanto, por gerar grandes volumes de dados (Big Data) que exigem conhecimentos multi- e interdisciplinares em biologia molecular, bioinformática, Data Analytics, estatística e inteligência artificial, além de requerer conhecimentos avançados em programação, os resultados obtidos pelo RNA-Seq permanecem sendo subutilizados ou utilizados de forma inadequada, levando a resultados falso-positivos que impactam negativamente na P&D de drogas. Neste sentido, a BioDecision desenvolveu um modelo analítico-preditivo inovador e disruptivo (BDASeq), que reúne todas as ferramentas necessárias para analisar de forma acurada dados de RNA-Seq. Por ser executado em Google Cloud Platform (GCP), este modelo também oferece armazenamento seguro de dados e conta com serviço de computação em nuvem. O BDASeq foi validado usando dados reais de RNA-Seq (disponíveis no repositório público do SRA) de pacientes portadores da doença neurodegenerativa de Huntington, sendo este o maior estudo transcriptômico já realizado sobre a doença. Os resultados obtidos permitiram identificar genes diferencialmente expressos que podem servir como alvos terapêuticos com acurácia superior a abordagem tradicionalmente usada. Estes alvos trazem esperança para pacientes, já que os produtos codificados por estes genes podem ser farmacologicamente modificados, oferecendo oportunidades para o desenvolvimento de novas drogas. Por estas razões, o modelo BDASeq foi premiado no maior congresso mundial de doenças raras (MENA Rare Disease Congress, Emirados Árabes, 2024). Entretanto, o modelo BDASeq ainda requer conhecimentos de programação. Por isso, a BioDecision visa transformar o modelo no WebService BDASeq. Este desenvolvimento (proposto para o projeto PIPE Fase 2) tem por objetivo oferecer a acurácia do BDASeq, combinada com capacidade de processamento de alta performance escalável e o armazenamento seguro de dados em consonância com a Lei Geral de Proteção aos Dados (LGPD) e a Health Insurance Portability and Accountability Act (HIPAA), oferecidos pela GCP, porém com uma interface gráfica amigável. Juntas, estas características permitem suprir todas as necessidades ainda não atendidas pelo segmento de análise de dados transcriptômicos, que representa o segmento com a maior taxa de crescimento anual dentro do mercado de desenvolvimento de drogas. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)