Comunidades bacterianas como bioindicadores de mudanças climáticas para ambientes tropicais dulcícolas: uma abordagem de aprendizado de máquinas

• Processo: 24/17327-7
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado Direto
• Data de Início da vigência: 25 de fevereiro de 2026
• Data de Término da vigência: 24 de agosto de 2026
• Área de conhecimento: Ciências Biológicas - Ecologia - Ecologia de Ecossistemas
• Pesquisador responsável: Valeria Maia Merzel
• Beneficiário: Daniel di Pace Penna Soares
• Supervisor: Syrie M Hermans
• Instituição Sede: Centro Pluridisciplinar de Pesquisas Químicas, Biológicas e Agrícolas (CPQBA). Universidade Estadual de Campinas (UNICAMP). Paulínia , SP, Brasil
• Instituição Anfitriã: Auckland University of Technology, Nova Zelândia
• Vinculado à bolsa: 22/13597-4 - Microrganismos como proxies de mudanças climáticas em ecossistemas aquáticos tropicais: uma abordagem molecular, BP.DD
• Assunto(s): Indicadores biológicos Ecologia microbiana Aprendizado computacional Mudança climática
• Palavra(s)-Chave do Pesquisador: Bioindicadores | Ecologia microbiana | machine learning | Metataxonômica | Microbiomas | Mudanças Climáticas | Ecologia Microbiana

Resumo

As mudanças climáticas são o maior desafio do século XXI, impulsionadas pelo aumento das temperaturas globais e eventos climáticos extremos. Essas mudanças representam ameaças graves aos ecossistemas, levando à destruição de habitats, perda de biodiversidade e impactos negativos na saúde humana. Mesmo em cenários de emissões mais baixas, o aumento das temperaturas pode perturbar a biodiversidade e as funções ecológicas, alterando as dinâmicas populacionais e redes tróficas. Os microrganismos, especialmente as bactérias, respondem rapidamente às mudanças ambientais, tornando-os bioindicadores promissores em ambientes de água doce. No entanto, identificar bioindicadores adequados e lidar com a complexidade das comunidades microbianas continua sendo um desafio crítico. O aprendizado de máquina (ML) oferece uma solução poderosa para analisar padrões complexos e prever os impactos das mudanças climáticas nos ecossistemas de água doce tropicais. Ao aplicar modelos de ML, é possível desenvolver índices comunitários baseados em comunidades bacterianas, melhorando a capacidade de monitorar e avaliar os efeitos das mudanças climáticas em escala global. Este projeto visa utilizar abordagens de ML, como o algoritmo de random forest, para criar um modelo que use comunidades bacterianas como bioindicadores ou indicadores ecológicos das mudanças climáticas em ecossistemas de água doce tropicais. O objetivo é desenvolver um modelo robusto e um índice comunitário para classificar novos ambientes e avaliar seus impactos relacionados ao clima. Além disso, comparar amostras tropicais com aquelas de outros climas ajudará a determinar se as respostas microbianas às mudanças climáticas são consistentes em diferentes ambientes. (AU)