Desvendando os peptídeos de defesa de anuros e seu potencial biotecnológico através de uma abordagem computacional multi-ômica

• Processo: 24/21125-0
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de abril de 2025
• Data de Término da vigência: 31 de março de 2028
• Área de conhecimento: Ciências Biológicas - Genética - Genética Animal
• Pesquisador responsável: Taran Grant
• Beneficiário: Esdras Matheus Gomes da Silva
• Instituição Sede: Instituto de Biociências (IB). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 18/15425-0 - Uma abordagem multidisciplinar para o estudo da diversificação dos anfíbios: fase 2, AP.JP2
• Assunto(s): Alvo terapêutico Aprendizado computacional Bases de dados Evolução Biologia computacional
• Palavra(s)-Chave do Pesquisador: alvos terapeuticos | Aprendizado de Máquina | Base de Dados | Evolução | Bioinformática

Resumo

Os anfíbios possuem em seu aparato exócrino cutâneo glândulas granulares capazes de sintetizar e secretar uma série de compostos, dentre eles os peptídeos de defesa. Esses peptídeos fazem parte do sistema de defesa químico dos anfíbios, principalmente em anuros, contra microrganismos. Nesse sentido, os peptídeos de defesa de anuros possuem, um grande potencial biotecnológico no tratamento de infecções causadas por bactérias e fungos em humanos. Esse potencial é especialmente relevante frente ao crescente número de cepas bacterianas resistentes a antibióticos e às infecções fúngicas de difícil tratamento por métodos convencionais. A literatura científica também apresenta evidências de peptídeos bioativos com propriedades antivirais, antitumorais, antidiabéticas, imunomoduladoras, dentre outras. Entretanto, atualmente não existem ferramentas computacionais disponíveis para predição de peptídeos bioativos, que permitam sua utilização por linha de comando Linux e fácil integração a pipelines de análises bioinformáticas. Além disso, os peptídeos de anuros carecem de um banco de dados sólido e atualizado, oriundo de dados multi-ômicos, contendo suas sequências e metadados. Ademais, a origem evolutiva dos diferentes peptídeos de defesa de anuros ainda não foi completamente elucidada. Apesar da comprovada importância do ponto de vista biotecnológico que esses peptídeos possuem, são poucos os estudos que exploram computacionalmente seus possíveis alvos terapêuticos. Portanto, o presente projeto visa prospectar peptídeos de defesa da pele de anuros com potencial terapêutico, utilizando dados multi-ômicos disponíveis publicamente. Como objetivos específicos pretende-se: (1) desenvolver uma ferramenta computacional de código aberto para caracterização físico-química, classificação e predição de bioatividade de peptídeos, (2) construir uma base de dados sólida de peptídeos de defesa de anuros, (3) investigar o histórico evolutivo dos peptídeos de defesa de anuros e (4) inferir possíveis alvos terapêuticos para os peptídeos de defesa de anura através de uma abordagem computacional. A ferramenta contará com uma etapa de caracterização de propriedades físico-químicas dos peptídeos, categorização dos peptídeos antimicrobianos e predição do tipo de bioatividade dos peptídeos, através de um modelo de aprendizado de máquina. Essa ferramenta computacional será aplicada a dados públicos multi-ômicos para prospecção de sequências de peptídeos de defesa de anuros, os quais serão armazenados em uma base de dados SQL, juntamente com seus metadados. Será construído um algoritmo para inferência de homologia de peptídeos com bioatividade, o qual será aplicado para auxiliar no estudo do histórico evolutivo dos peptídeos de defesa de anuros. Será aplicada uma etapa de virtual screen, docking molecular, dinâmica molecular e avaliação de possíveis alvos terapêuticos proteicos dos peptídeos de defesa de anuros. Portanto, espera-se que os resultados obtidos no contexto deste projeto expandam o conhecimento a respeito do histórico evolutivo dos peptídeos de defesa de anuros e seu potencial biotecnológico. Além disso, serão geradas duas ferramentas computacionais, baseadas em modelos de aprendizado de máquina, que poderão ser aplicadas a peptídeos bioativos de outros grupos biológicos.