Busca avançada
Ano de início
Entree

Desvendando a lógica evolutiva e estrutura do resistoma marinho: uma abordagem com aprendizado estruturado profundo para descoberta de restrições evolutivas

Processo: 21/08235-3
Modalidade de apoio:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de julho de 2022
Vigência (Término): 28 de fevereiro de 2025
Área do conhecimento:Ciências da Saúde - Farmácia
Pesquisador responsável:Ricardo Roberto da Silva
Beneficiário:Tiago Cabral Borelli
Instituição Sede: Faculdade de Ciências Farmacêuticas de Ribeirão Preto (FCFRP). Universidade de São Paulo (USP). Ribeirão Preto , SP, Brasil
Vinculado ao auxílio:17/18922-2 - Desenvolvimento de uma plataforma computacional modular extensível para análises de experimentos de metabolômica e metagenômica: inovando com a descoberta de novas atividades enzimáticas e produtos naturais de interesse farmacêutico derivados, AP.BTA.JP
Assunto(s):Quimioinformática   Biologia computacional   Microbiologia   Ciências ômicas   Evolução   Aprendizado computacional   Resistência genética   Resistência microbiana a medicamentos   Comunidades marinhas   Oceanos e mares
Palavra(s)-Chave do Pesquisador:aprendizado de máquinas | bioinformática | ciências ômicas | Evolução | Microbiologia | Bio/Quimio-Informática

Resumo

As taxas crescentes de resistência antimicrobiana levaram ao uso de novas abordagens para prevenir ou mitigar a resistência em patógenos. Historicamente, as comunidades microbianas do solo ou ambientes marinhos impactados foram fontes de novos antimicrobianos. Recentemente, dados obtidos em ambientes marinhos preservados permitiram a descoberta de genes homólogos distantes para a produção de novos antimicrobianos, o que coloca esse ambiente sob pressão seletiva. Portanto, está sujeito à evolução de genes de resistência a antibióticos. Além disso, estudos de evolução laboratorial têm mostrado restrições e padrões na evolução da resistência antimicrobiana, uma vez que as células devem preservar funções essenciais para o crescimento e multiplicação. Isso sugere que as vias evolutivas podem ser direcionadas e previstas. Para alguns mecanismos de resistência, como genes que codificam enzimas para degradação do composto antimicrobiano ou transportadores de efluxo de drogas, a aquisição de resistência pode ser facilmente compreendida. No entanto, os efeitos das mutações genéticas (Single Nucleotide Polymorphisms, SNPs) ou transferências horizontais não são simplesmente aditivos, e interações genéticas complexas entre mutações e mecanismos desconhecidos são frequentemente encontrados. Abordagens de análise derivadas de dados, como aprendizado de máquina, podem ser usadas para capturar as relações não lineares entre mutações observadas e fenótipos de resistência. Modelos de aprendizado de máquina, em particular o aprendizado profundo, têm sido usados para prever fenótipos de resistência com base em polimorfismos genéticos, bem como para prever a ação antimicrobiana de compostos químicos. No entanto, essas abordagens se limitam a prever resistência ou suscetibilidade a ações antimicrobianas discretas, sem necessariamente compreender as vias evolutivas que explicam esses fenótipos. Além disso, a maioria das estratégias de predição de genes de resistência ainda são baseadas em pesquisas de similaridade de sequência de banco de dados, que sofrem de baixa cobertura de anotação e resultam em uma alta taxa de falsos negativos. Ao mesmo tempo, as substâncias antimicrobianas e os genes que conferem mecanismos de resistência não são devidamente categorizados e suas restrições evolutivas não são exploradas. Assim, este projeto visa expandir e estruturar bases de genes de resistência como ARDB, CARD e DeepARG-DB e a criação de classificadores multiclasse utilizando aprendizado estruturado profundo para predizer genes de resistência em dados de metagenômica de comunidades microbianas em ambientes marinhos e identificação de restrições evolutivas à resistência antimicrobiana. Os dados das comunidades marinhas serão obtidos no contexto do projeto temático Abordagem integrada para a prospecção sustentável de produtos naturais marinhos: da diversidade às substâncias anticancerígenas (Processo 2015/17177-6). Paralelamente, a previsão da atividade antimicrobiana de grandes conjuntos de estruturas químicas, como PubChem e ZINC15 (> 100 milhões de estruturas) também será realizada por modelos de aprendizagem estruturados profundos, utilizando a infraestrutura do projeto jovem pesquisador Desenvolvimento de uma plataforma computacional modular extensível para análise de experimentos de metabolômica e metagenômica (Processo: 17/18922-2). Essa abordagem paralela permitirá uma melhor categorização do mecanismo de resistência e restrições evolutivas, o que possibilitará a geração de modelos probabilísticos para seleção de compostos com maior probabilidade de evadir a resistência, além de identificar genes ou ilhas gênicas com maior probabilidade de adaptação. à pressão seletiva imposta pelos antimicrobianos. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
BORELLI, TIAGO CABRAL; ARINI, GABRIEL SANTOS; FEITOSA, LUIS G. P.; DORRESTEIN, PIETER C.; LOPES, NORBERTO PEPORINE; DA SILVA, RICARDO R.. Improving annotation propagation on molecular networks through random walks: introducing ChemWalker. Bioinformatics, v. 39, n. 3, p. 2-pg., . (21/08235-3, 20/02207-5, 17/18922-2, 19/05026-4, 21/10401-9)

Por favor, reporte erros na lista de publicações científicas utilizando este formulário.