| Processo: | 23/14618-8 |
| Modalidade de apoio: | Bolsas no Brasil - Pós-Doutorado |
| Data de Início da vigência: | 01 de abril de 2024 |
| Data de Término da vigência: | 31 de janeiro de 2025 |
| Área de conhecimento: | Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação |
| Pesquisador responsável: | Ronaldo Fumio Hashimoto |
| Beneficiário: | Shantanu Gupta |
| Instituição Sede: | Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil |
| Assunto(s): | Biologia computacional Biologia de sistemas Redes booleanas probabilísticas Inferência Redes biológicas Expressão gênica |
| Palavra(s)-Chave do Pesquisador: | biological networks | Boolean networks | Gene Expression Analysis | Intermediate Network Representation | systems biology | Bioinformática |
Resumo O principal objetivo da pesquisa atual em biologia de sistemas é entender a biologia no nível dos sistemas, classificando sistematicamente todas as moléculas e suas interações dentro de uma célula viva. A modelagem de rede é caracterizada por visualizar células em muitos níveis diferentes de detalhes em termos de sua estrutura de rede subjacente, que é a base da biologia de sistemas. Por exemplo, a modelagem de doenças multifatoriais, como câncer, sob a perspectiva de redes de interação de seus componentes (sistema biológico). De fato, sistemas celulares são interrompidos durante o início e o desenvolvimento do câncer, e as mudanças no comportamento das células tumorais geralmente requerem uma ampla gama de modificações dinâmicas. Até certo ponto, desenvolvimentos recentes em tecnologias de larga escala reduziram a dificuldade de monitorar mudanças sistêmicas. Os avanços tecnológicos em microarray (ou RNA-Seq, e atualmente single-cell RNA sequencing, scRNA-seq) e espectrometria de massa, tanto em nível transcriptômico quanto proteômico, juntamente com simulações computacionais, têm auxiliado no processo da identificação de genes associados a doenças. No nível de sistemas, as abordagens computacionais desenvolvidas para análise de rede estão se tornando particularmente úteis para fornecer informações sobre os mecanismos por trás do crescimento tumoral e metástase. Portanto, neste trabalho, iremos propor abordagens de aprendizado de máquina e biologia de sistemas, como modelagem dinâmica de redes Booleanas e cadeias de Markov. O principal objetivo deste projeto é compreender e analisar a dinâmica dos níveis moleculares das células de uma forma sistemática e mecanicista das células. Dessa forma, podemos capturar algumas dinâmicas ocultas, ou vias de sinalização, que são responsáveis por doenças ou podem ajudar a combatê-las. Para isso também, usaremos bancos de dados públicos como GO, String, Kegg e PubMed. Desta forma, este projeto ajudaria a descobrir alguns mecanismos moleculares ocultos ou vias de sinalização relacionadas ao câncer. (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) | |