Busca por biomarcadores de acompanhamento clínico do Diabetes Mellitus tipo 2 e Periodontite: investigação biológica e por Inteligência artificial

• Processo: 24/15353-0
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de julho de 2025
• Data de Término da vigência: 29 de fevereiro de 2028
• Área de conhecimento: Ciências da Saúde - Odontologia - Periodontia
• Pesquisador responsável: Raquel Mantuaneli Scarel Caminaga
• Beneficiário: Francois Isnaldo Dias Caldeira
• Instituição Sede: Faculdade de Odontologia (FOAr). Universidade Estadual Paulista (UNESP). Campus de Araraquara. Araraquara , SP, Brasil
• Assunto(s): Biomarcadores Diabetes mellitus tipo 2 Inflamação Inteligência artificial Periodontite Tratamento periodontal Genética
• Palavra(s)-Chave do Pesquisador: biomarcadores | Diabetes Mellitus tipo 2 | Inflamação | Inteligência Artificial | Periodontite | tratamento periodontal | Genética

Resumo

É reconhecido que o Diabetes Mellitus tipo 2 (DM2) influencia o grau da Periodontite (P). No entanto, na presença do DM2, não se conhece bem (ou é contraditório) o efeito longitudinal do tratamento periodontal sobre os níveis de importantes moléculas do sistema imune; nem se seriam influenciados pelo controle glicêmico (sistêmico) do indivíduo. Com apoio da FAPESP, um dos resultados interessantes que obtivemos recentemente foi a redução gradativa da expressão gênica (mRNA sistêmico) e proteica no fluido sulcular gengival (FSG) do TGF-¿1, após término do tratamento periodontal. Como o TGF-¿1 está funcionalmente associado a outras moléculas importantes para o sistema imune, nossa hipótese é que o tratamento periodontal pode influenciar não somente o TGF-¿1, mas também, conforme o GeneMANIA, outras moléculas relevantes que possam atuar como biomarcadores para o acompanhamento clínico. Diante do impacto significativo das complicações do DM2 e para investigar melhor a interação sistêmico-oral da condição de saúde/doença, a Medicina tem utilizado a análise de Parâmetros Inflamatórios Sistêmicos, mas isso é raro na Odontologia. Além disso, com o avanço da Inteligência Artificial (IA), vários estudos na área médica têm sido conduzidos para identificar relações ocultas em conjuntos de dados complexos de pesquisas clínicas, bem como para auxiliar no diagnóstico precoce de diversas doenças. O objetivo deste estudo clínico longitudinal é utilizar a IA para identificação de biomarcadores para acompanhamento clínico do DM2 e Periodontite e identificar relações causais para avançar no entendimento de como tais doenças interagem. Além disso, serão investigadas as moléculas funcionalmente associadas ao TGF-¿1: IL-17A e IL-23A (perfil Th17), IL-12B, IFN-¿ e IL-18 (perfil Th1), IL-1B, IL-6 e IL-37, interrogando principalmente se o nível de compensação metabólica (nível de HbA1c) dos pacientes e o tratamento periodontal seriam fatores modificadores dos níveis transcricionais e traducionais dessas moléculas, expressando no periodonto e sistemicamente. Executando esta proposta, ampliaremos e aprofundaremos o entendimento de possíveis relações causais, além da possibilidade de gerar patentes. As etapas da metodologia (até o armazenamento de amostras biológicas) estão concluídas. O total de 156 pacientes (mínimo de 30/grupo) foram alocados nos grupos: (1) DM2_descomp.+P, (2) DM2_compens.+P, DM2_sem_P, (4) Periodontite e (5) Controle. Todos os participantes tiveram seu perfil glicêmico, lipídico e periodontal examinado antes e após (90 e 180 dias) de finalização do tratamento periodontal. Os pacientes dos grupos P e DM2+P receberam tratamento periodontal não-cirúrgico e/ou cirúrgico (quando indicado), enquanto os indivíduos dos grupos Controle e DM2_sem_P receberam raspagem supragengival, profilaxia e reforço da instrução de higiene oral, nos mesmos períodos. RNA dos leucócitos de cada paciente (baseline, 90 e 180 dias) armazenado em ultrafreezer, será utilizado para confeccionar o cDNA e investigar os níveis transcricionais (expressão gênica) de IL17A, IL23A, IL12B, IFNG, IL18, IL1B, IL6 e IL37 por RT-qPCR. A expressão proteica dessas moléculas (níveis traducionais) será investigada no FSG e plasma por meio de imunoensaio Multiplex. Serão realizadas estatísticas comparativas entre os grupos e longitudinalmente. Serão utilizadas regressões e correlações para verificar a associação entre as variáveis. Algoritmos de IA serão aplicados para seleção avançada de padrões para identificação de biomarcadores, além de métodos para identificação de relações causais. Esses resultados serão combinados com os obtidos de outras moléculas nos mesmos pacientes no projeto recém-finalizado. Este projeto busca oferecer insights que possam personalizar práticas clínicas e o acompanhamento de doenças crônicas interconectadas. A combinação da IA com a riqueza dos nossos dados proporcionará a contribuição significativa para o entendimento e manejo da P e DM2 conjuntamente. (AU)