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
• Data de Início da vigência: 01 de julho de 2022
• Data de Término da vigência: 30 de abril de 2025
• Área de 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
• Auxílio(s) vinculado(s): 25/02383-1 - Uma análise multiômica para caracterização do metabolismo bacteriano, PUB.ART
• 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)

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)

RABICO, FRANCIENE; BORELLI, TIAGO CABRAL; ALNOCH, ROBSON CARLOS; POLIZELI, MARIA DE LOURDES TEIXEIRA DE MORAES; DA SILVA, RICARDO R.; SILVA-ROCHA, RAFAEL; GUAZZARONI, MARIA-EUGENIA. Novel Pseudomonas Species Prevent the Growth of the Phytopathogenic Fungus Aspergillus flavus. BIOTECH, v. 13, n. 2, p. 20-pg., 2024-06-01. (20/02207-5, 21/01748-5, 19/05026-4, 17/18922-2, 21/08235-3)

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., 2023-03-01. (21/08235-3, 20/02207-5, 17/18922-2, 19/05026-4, 21/10401-9)

CONTATO, ALEX GRACA; BORELLI, TIAGO CABRAL; DE CARVALHO, ANA KARINE FURTADO; BENTO, HEITOR BUZETTI SIMOES; BUCKERIDGE, MARCOS SILVEIRA; ROGERS, JANET; HARTSON, STEVEN; PRADE, ROLF ALEXANDER; POLIZELI, MARIA DE LOURDES TEIXEIRA DE MORAES. Comparative Analysis of CAZymes from Trichoderma longibrachiatum LMBC 172 Cultured with Three Different Carbon Sources: Sugarcane Bagasse, Tamarind Seeds, and Hemicellulose Simulation. CLEAN TECHNOLOGIES, v. 6, n. 3, p. 17-pg., 2024-09-01. (17/25862-6, 14/50884-5, 18/07522-6, 21/07066-3, 21/08235-3)