| Processo: | 19/12914-3 |
| Modalidade de apoio: | Bolsas no Brasil - Pós-Doutorado |
| Data de Início da vigência: | 01 de janeiro de 2020 |
| Data de Término da vigência: | 31 de janeiro de 2024 |
| Área de conhecimento: | Ciências Biológicas - Genética - Genética Molecular e de Microorganismos |
| Pesquisador responsável: | Guido Costa Souza de Araújo |
| Beneficiário: | Lucas Miguel de Carvalho |
| Instituição Sede: | Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil |
| Vinculado ao auxílio: | 13/08293-7 - CECC - Centro de Engenharia e Ciências Computacionais, AP.CEPID |
| Bolsa(s) vinculada(s): | 20/15065-4 - Melhorando a levedura de fermentadora de xilose para a produção de etanol 2G por meio de modelagem baseada em restrições combinada com análise de dados ômicos e aprendizado de máquina, BE.EP.PD |
| Assunto(s): | Biologia computacional Redes e vias metabólicas Saccharomyces cerevisiae Bioetanol Algoritmos Aprendizado computacional |
| Palavra(s)-Chave do Pesquisador: | Etanol 2G | levedura | Omicas | Redes Metabólicas | Simulação metabólica | Bioinformática |
Resumo Na atualidade, o etanol é o biocombustível mais consumido no mundo, sendo o Brasil um destaque na produção. Um dos grandes avanços na produção de etanol se dá a produção de etanol a partir de biomassa lignocelulósica é chamada de etanol de segunda geração (etanol 2G) ou etanol celulósico, sendo considerado o maior produto da biotecnologia industrial do mundo. A tecnologia de segunda geração é uma das mais promissoras em fase de desenvolvimento no planeta, e ela consiste na transformação dos polímeros da parede celular vegetal em etanol. De forma a produzir um amplo entendimento do funcionamento celular nas condições de interesse, a bioinformática, em associação com as diversas ômicas, tem um papel fundamental, de modo a possibilitar um estudo completo do metabolismo celular (DNA, mRNA, proteínas e metabólitos), indicando gargalos e também direcionando para novas modificações genéticas, de forma a maximizar o fluxo metabólico. O ferramental necessário para analisar e predizer os metabólitos que serão formados engloba o uso de algoritmos de aprendizado de máquina (Machine Learning - ML), utilizando features relacionadas à produção, dados químicos, de redes e experimentais (como RNA-Seq e proteômica), juntamente com dados de simulação Petri Net de redes metabólicas e dados de análise de desbalanço de fluxo (FBA). Portanto, este projeto visa integrar metodologias de análises de bioinformática, que incluem simulações metabólicas e algoritmos de ML, para elucidar gargalos metabólicos presentes na produção de etanol 2G. (AU) | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |