Inteligência artificial como ferramenta para identificação de biomarcadores de acompanhamento clínico do Diabetes Mellitus tipo 2 e Periodontite

• Processo: 25/01429-8
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de julho de 2025
• Data de Término da vigência: 30 de junho de 2028
• Área do conhecimento: Ciências da Saúde - Odontologia - Periodontia
• Pesquisador responsável: Raquel Mantuaneli Scarel Caminaga
• Beneficiário: Raquel Mantuaneli Scarel Caminaga
• Instituição Sede: Faculdade de Odontologia (FOAr). Universidade Estadual Paulista (UNESP). Campus de Araraquara. Araraquara , SP, Brasil
• Pesquisadores associados: Fábio Renato Manzolli Leite ; Rosana Veroneze ; Silvana Regina Perez Orrico
• Assunto(s): Biomarcadores Diabetes mellitus tipo 2 Inflamação Inteligência artificial Periodontite Tratamento periodontal Biologia molecular
• Palavra(s)-Chave do Pesquisador: biomarcadores | Diabetes Mellitus tipo 2 | Inflamação | Inteligência Artificial | Periodontite | tratamento periodontal | Biologia Molecular

Resumo

Diabetes Mellitus tipo 2 (DM2) e Periodontite (P) são patologias multifatoriais mediadas por um sistema poligênico que leva à exacerbação da resposta imune. É reconhecido que o DM influencia o grau da periodontite. No entanto, na presença do DM2, não se conhece bem (ou é contraditório) o efeito longitudinal do tratamento periodontal sobre os níveis de importantes moléculas do sistema imune; nem se seriam influenciados pelo controle glicêmico (sistêmico) do indivíduo. Com apoio da FAPESP, um dos resultados interessantes que obtivemos recentemente, foi a redução gradativa da expressão gênica (mRNA sistêmico) e proteica no fluido sulcular gengival (FSG) do Fator de Crescimento Transformador-beta 1 (TGF-B1), após 90 e 180 dias do término do tratamento periodontal em pacientes com DM2 compensado e P. Como a regulação gênica é complexa, é incomum tamanha concordância entre a expressão gênica e proteica, motivando a investigação profunda do TGF-B1, se este pode ser um marcador para acompanhamento da eficiência do tratamento da P. Como o TGF-B1 está funcionalmente relacionado a outras moléculas importantes para o sistema imune, nossa a hipótese é que o tratamento periodontal pode influenciar não somente o TGF-¿1, mas também (conforme GeneMANIA): IL-17A e IL-23A (perfil Th17), IL-12B, IFN-G e IL-18 (perfil Th1), IL-1B, IL-6 e IL-37. Especialmente na Medicina, a Inteligência Artificial (IA) tem sido utilizada como uma técnica poderosa na identificação de relações ocultas em dados complexos. O objetivo deste estudo clínico longitudinal é utilizar a IA para identificação de biomarcadores para acompanhamento clínico do DM2 e Periodontite e identificar relações causais para avançar no entendimento de como tais doenças interagem. Será enfocado o TGF-B1 e moléculas funcionalmente relacionadas, interrogando principalmente se o nível de compensação metabólica (nível de HbA1c) dos pacientes e o tratamento periodontal seriam fatores modificadores dos níveis transcricionais e traducionais dessas moléculas, expressando no periodonto e sistemicamente. Executando esta presente proposta estaremos ampliando e aprofundando a investigação que finalizamos recentemente (Processo 2020/12788-5). Por esse motivo, as etapas da metodologia (até o armazenamento de amostras biológicas) estão concluídas. O total de 156 pacientes (mínimo de 30/grupo) foram alocados nos grupos: (1) DM2_descomp.+P, (2) DM2_compens.+P, DM2_sem_P, (4) Periodontite e (5) Controle. Todos os participantes tiveram seu perfil glicêmico, lipídico e periodontal examinado antes e após (90 e 180 dias) de finalização do tratamento periodontal. Os pacientes dos grupos P e DM2+P receberam tratamento periodontal não-cirúrgico e/ou cirúrgico (quando indicado); e os indivíduos dos grupos Controle e DM2_sem_P receberam raspagem supragengival, profilaxia e reforço da instrução de higiene oral (mesmos períodos). RNA dos leucócitos de cada paciente (baseline, 90 e 180 dias) armazenado em ultrafreezer, será utilizado para confeccionar o cDNA e investigar os níveis transcricionais (expressão gênica) de IL17A, IL23A, IL12B, IFNG, IL18, IL1B, IL6 e IL37 por PCR quantitativo em tempo-real. A expressão proteica dessas moléculas (níveis traducionais) será investigada no FSG e plasma (também armazenados) por meio de imunoensaio Multiplex. Os níveis proteicos de TGF-B1 serão avaliados no plasma (para complementar com dados sistêmicos), a quantificação já obtida no FSG. Serão realizadas também correlações, regressões lineares e/ou logísticas múltiplas. Algoritmos de IA serão aplicados para seleção avançada de padrões para identificação de biomarcadores, além de métodos para identificação de relações causais. Buscamos oferecer insights para personalizar práticas clínicas e acompanhamento das doenças interconectadas. A combinação das forças da IA (ARM) com a riqueza do nosso novo conjunto de dados proporcionará que este projeto contribua significativamente para o entendimento e manejo da P e DM2 conjuntamente. (AU)