Predição temporal de associações genéticas na ELA via PLN e análise de redes complexas

• Processo: 25/06512-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de julho de 2025
• Data de Término da vigência: 30 de junho de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Ricardo Cerri
• Beneficiário: João Pedro Viguini Tolentino Taufner Correa
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Biologia computacional Esclerose amiotrófica lateral Processamento de linguagem natural Redes complexas Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: bioinformática | esclerose lateral amiotrófica | Processamento de Linguagem Natural | Redes Complexas | Aprendizado de Máquina

Resumo

A Esclerose Lateral Amiotrófica (ELA) é uma doença neurodegenerativa progressiva e fatal que afeta os neurônios motores, responsáveis pelo controle dos movimentos voluntários. Apesar de décadas de intensa pesquisa e da identificação de cerca de 50 genes potencialmente associados à doença, a sua etiologia permanece em grande parte desconhecida e as opções de tratamento são limitadas para a maioria dos pacientes. Esta proposta tem comoobjetivo revelar conhecimento latente presente em artigos científicos sobre a Esclerose Lateral Amiotrófica (ELA) por meio de técnicas avançadas de Processamento de Linguagem Natural (PLN). O projeto visa extrair, de forma automatizada, menções e contextos de genes relacionados à ELA, transformando os textos em representações vetoriais que capturam relações semânticas complexas. Por meio da comparação temporal desses embeddings,pretende-se prever associações entre genes e a doença, permitindo identificar potenciais genes relacionados à ELA antes mesmo de sua primeira menção explícita na literatura.Adicionalmente, será construída uma rede de co-ocorrência que inter-relaciona os genes extraídos, possibilitando a identificação de padrões emergentes e agrupamentos que possam sugerir novos alvos para investigações futuras. Essa abordagem integrada busca não somente validar associações já estabelecidas, mas também gerar hipóteses inovadoras acerca dos mecanismos moleculares subjacentes à ELA, contribuindo para avanços no diagnóstico precoce e no desenvolvimento de terapias mais eficazes. (AU)