Plataforma organoide inovadora com tecnologia de IA para estudo do desenvolvimento inicial do tubo neural e defeitos relacionados

• Processo: 24/10218-8
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de fevereiro de 2025
• Data de Término da vigência: 31 de janeiro de 2028
• Área do conhecimento: Interdisciplinar
• Pesquisador responsável: Oswaldo Keith Okamoto
• Beneficiário: Oswaldo Keith Okamoto
• Pesquisador Responsável no exterior: Guang Yang
• Instituição Parceira no exterior: Imperial College London, Inglaterra
• Instituição Sede: Instituto de Biociências (IB). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Pesquisadores associados: Chunling Tang ; Ma Hui Ling ; Mayana Zatz
• Assunto(s): Inteligência artificial Neurodesenvolvimento Organoides
• Palavra(s)-Chave do Pesquisador: Inteligência Artificial | neurodesenvolvimento | Organóides | Inteligência artificial, biologia celular

Resumo

Defeitos do tubo neural (DTN) são anomalias congênitas graves que afetam o sistema nervoso central (SNC), representando desafios significativos para a saúde pública, especialmente no Brasil. Apesar dos avanços na compreensão do comportamento das células-tronco neurais e da neurogênese, lacunas substanciais de conhecimento persistem devido à inacessibilidade de tecidos humanos e às considerações éticas associadas ao estudo do desenvolvimento embrionário humano. Métodos de pesquisa tradicionais, como linhagens celulares e modelos animais, não conseguem replicar a complexa arquitetura 3D e os mecanismos de desenvolvimento intrincados do SNC humano.Organoides humanos derivados de células-tronco pluripotentes induzidas (iPSCs) emergiram como uma ferramenta de pesquisa transformadora, capaz de replicar a complexa estrutura 3D do SNC. Modelos organoides replicam os estágios iniciais da formação do tubo neural (TN), oferecendo uma oportunidade única para estudar o comportamento dos progenitores neurais e os ambientes celulares durante estágios críticos do neurodesenvolvimento. Esses modelos têm alto potencial para identificar alvos terapêuticos e elucidar os mecanismos moleculares subjacentes aos DTN. Ensaios de microscopia são indispensáveis para investigar respostas celulares em modelos organoides do SNC, oferecendo visualização detalhada de estruturas e interações celulares. No entanto, essas técnicas costumam ser trabalhosas e demoradas. A integração da inteligência artificial (IA) na pesquisa biomédica revolucionou a análise de imagens, aumentando a precisão e a interpretação. Técnicas avançadas de IA, como convolutional neural networks (CNNs) e modelos generativos de IA, como variational autoencoders (VAEs) e generative adversarial networks (GANs), avançaram significativamente no campo da análise de imagens baseada em microscopia na pesquisa de organoides.Este projeto visa aproveitar a tecnologia de organoides, imagens de alta resolução e IA para explorar de forma abrangente o desenvolvimento inicial do TN e os defeitos relacionados. Os objetivos principais do projeto incluem desenvolver uma nova plataforma de cultivo de organoides, implementar uma abordagem assistida por modelos de base para extrair características morfológicas de imagens de microscopia e desenvolver uma abordagem baseada em IA generativa para modelar o desenvolvimento inicial do TN e a progressão patológica induzida por mutações relacionadas aos DTN.Para alcançar esses objetivos, desenvolveremos uma nova plataforma de organoides criando um sistema de cultivo de alta eficiência e baixa variabilidade. Ao introduzir mutações relacionadas aos DTN em hiPSCs via CRISPR-Cas9, estudaremos o impacto na morfogênese dos organoides do TN usando sequenciamento de RNA, qPCR e imunocitoquímica. Modelos de base serão usados para automatizar a detecção e segmentação de organoides em imagens de microscopia, envolvendo coleta e pré-processamento de dados de imagem, comparação de modelos de segmentação e extração de características morfológicas. Técnicas avançadas de decomposição de características serão usadas para analisar diferenças entre organoides do TN de controles isogênicos e aqueles com mutações de DTN. Um modelo de difusão latente condicional será desenvolvido para gerar imagens sintéticas de imunofluorescência a partir de imagens de campo claro e dados de sequenciamento de RNA. Este modelo de IA simulará a dinâmica de diferentes subconjuntos celulares durante o desenvolvimento dos organoides do TN, permitindo o estudo de como as mutações relacionadas aos DTN afetam os processos de diferenciação inicial.A integração da tecnologia de organoides, imagens avançadas e IA neste projeto fornece um modelo abrangente para observar e analisar o desenvolvimento inicial do TN e os defeitos relacionados. Em última análise, este projeto visa melhorar as estratégias de prevenção e intervenções terapêuticas para DTN, contribuindo para melhores resultados de saúde no Brasil. (AU)