Implementação de um modelo para predição de fenótipos em condrócitos utilizando Inteligência Artificial.

• Processo: 24/08724-2
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de julho de 2024
• Data de Término da vigência: 30 de novembro de 2024
• Área de conhecimento: Ciências Biológicas - Morfologia - Citologia e Biologia Celular
• Acordo de Cooperação: GlaxoSmithKline
• Pesquisador responsável: Vanessa Olzon Zambelli
• Beneficiário: Mariana Caprio Schiess
• Instituição Sede: Instituto Butantan. Secretaria da Saúde (São Paulo - Estado). São Paulo , SP, Brasil
• Empresa: Secretaria da Saúde (São Paulo - Estado). Instituto Butantan
• Vinculado ao auxílio: 20/13139-0 - Centro de Excelência na Descoberta de Novos Alvos, AP.PCPE
• Assunto(s): Condrócitos Fenótipo Inteligência artificial Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Condrócitos | fenótipo | High Content-Screening | Inteligência Artificial | machine learning | Morfologia celular | Inteligência Artificial

Resumo

High Content-Screening (HCS) se tornou muito comum em estudos in vitro, sendo utilizado para analisar e extrair, sistematicamente, informações celulares com alto rendimento, permitindo a aquisição de centenas a milhares de imagens. No entanto, a interpretação dos dados obtidos em um HCS se torna complexa, diante da impossibilidade de analisar manualmente uma quantidade tão robusta de dados.Buscando otimizar estratégias de análise quantitativas baseadas em imagens, métodos de treinamento computacional surgiram para estudar de forma automatizada características morfológicas celulares a partir da utilização de machine learning (ML), uma subcategoria da Inteligência Artificial (IA). Essa ferramenta tem se mostrado promissora elevando a complexidade das análises e permitindo uma amplificação de estudos para larga-escala. No entanto, a utilização de ferramentas de ML para automatização de análises de dados obtidos a partir de HCS não é simples e, portanto, ainda não foi amplamente desenvolvida. Entre as aplicações das ferramentas de ML mais exploradas, e com maior potencial exploratório, está o estudo de diferenças morfológicas das células, utilizando dados provenientes de fotomicrografias e/ou dados obtidos em análises quantitativas de parâmetros celulares. Visto que o HCS produz uma enorme coleção de imagens de alta qualidade obtidas a partir de placas de 96 poços e/ou 386 poços, a automatização dos processos de análise dos dados se faz necessária e permitirá a melhor compreensão do fenótipo das células frente a condições específicas. Nesse sentido, e baseado nas diferenças fenotípicas induzidas por diferentes condições de cultivo de condrócitos (NHAC-KN, Lonza CC-2550), este plano de pesquisa busca implementar um modelo preditivo para estudo de variações fenotípicas nestas células, por meio do treinamento e validação de matrizes customizadas de IA. (AU)