Aprendizado de Máquina aplicado à análise multiômica para a exploração de comunidades microbianas

• Processo: 23/00264-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de abril de 2023
• Data de Término da vigência: 31 de dezembro de 2023
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: André Carlos Ponce de Leon Ferreira de Carvalho
• Beneficiário: Breno Livio Silva de Almeida
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Análises multiômicas Aprendizado computacional Biologia computacional
• Palavra(s)-Chave do Pesquisador: Análises multiômicas | Aprendizado de Máquina | bioinformática | Aprendizado de Máquina

Resumo

A medida que surgiram as tecnologias de sequenciamento de alto rendimento nessas últimas décadas, foi amplificada a taxa de coleta de dados biológicos, ao mesmo tempo que isso serviu como gargalo para o posterior processamento e análise, dado o grande volume desses dados. Considerando os dados volumosos provenientes dessas tecnologias, foi permitida a criação de campos de estudos englobando as chamadas Ciências Ômicas, que envolve campos como a genômica, transcriptômica, proteômica e metabolômica. Com a disponibilidade desses dados foi observada a necessidade de integração desses diferentes campos com o objetivo de se criar uma análise multifacetada, tornando possível a descoberta de, por exemplo, novos biomarcadores, que podem ter o potencial de ajudar na predição de doenças e contribuindo para o desenvolvimento da medicina personalizada. Dada essa integração imprescindível, esse projeto almeja explorar métodos de Aprendizado de Máquina, tais como os disponíveis na ferramenta BioAutoML, com o intuito de se realizar a integração de dados ômicos gerando assim uma pipeline multiômica que conte com um foco em comunidades microbianas complexas.