Redes Neurais de Grafos na Medicina de Precisão: predição de desfechos clínicos de doenças infecciosas

• Processo: 24/21755-4
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de maio de 2025
• Data de Término da vigência: 31 de dezembro de 2026
• Área de conhecimento: Ciências Biológicas - Imunologia - Imunogenética
• Pesquisador responsável: Helder Takashi Imoto Nakaya
• Beneficiário: Natalia Von Staa Mansur
• Instituição Sede: Faculdade de Ciências Farmacêuticas (FCF). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Assunto(s): Biologia de sistemas Aprendizado computacional Medicina de precisão Transcriptômica Tuberculose Biologia computacional
• Palavra(s)-Chave do Pesquisador: biologia de sistemas | Graph Neural Networks | machine learning | Medicina de Precisão | Transcriptômica | Tuberculose | Bioinformática

Resumo

Compreender como a expressão gênica influencia na resposta a patógenos, como o Mycobacterium tuberculosis, pode revelar novos conhecimentos sobre patogênese, alvos terapêuticos e métodos diagnósticos. Os métodos diagnósticos atuais de tuberculose apresentam baixa sensibilidade, e não caracterizam diferentes quadros clínicos. Deste modo, buscam-se assinaturas transcriptômicas para melhorar o diagnóstico da doença. Técnicas de machine learning (ML) vêm sendo empregadas, porém, a esparsidade dos dados pode dificultar essas técnicas, gerando sobreajuste e instabilidade. Devido à heterogeneidade dos dados biológicos, sugere-se que modelos que considerem as relações biológicas entre genes sejam mais eficazes para previsões acuradas. Este projeto busca integrar dados transcriptômicos em redes e aplicar redes neurais de grafos (GNN) no treinamento de um modelo preditivo. Espera-se que essa abordagem, considerando as relações entre genes, gere modelos mais robustos e precisos. Além de avaliar o modelo como ferramenta diagnóstica, serão investigados os genes com maior relevância para a preditção. Métodos de biologia de sistemas serão usados para gerar insights sobre a fisiopatologia da tuberculose e a contribuição da heterogeneidade das respostas do hospedeiro. Metodologias que preveem o prognóstico e identificam assinaturas transcriptômicas associadas ao quadro clínico podem auxiliar no tratamento personalizado e na medicina de precisão.