Inferência in silico de redes regulatórias associadas à formação de adipócitos marrons intermusculares.

• Processo: 26/12473-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de julho de 2026
• Data de Término da vigência: 30 de junho de 2027
• Área de conhecimento: Ciências Biológicas - Fisiologia - Fisiologia de Órgãos e Sistemas
• Pesquisador responsável: Carlos Henrique Grossi Sponton
• Beneficiário: Maria Luísa Soares Leite
• Instituição Sede: Faculdade de Medicina de Ribeirão Preto (FMRP). Universidade de São Paulo (USP). Ribeirão Preto , SP, Brasil
• Assunto(s): Adipócitos marrons Biologia computacional Fatores de transcrição Redes reguladoras de genes
• Palavra(s)-Chave do Pesquisador: Adipócitos Marrons | bioinformática | fatores de transcrição | Redes regulatórias gênicas | Scenic+ | Tecido Adiposo Intermuscular | Fisiologia

Resumo

O tecido adiposo intermuscular (IMAT) é um depósito ectópico de gordura localizado entre as fibras musculares, associado à obesidade, resistência à insulina e comprometimento da função muscular. Evidências recentes demonstram que o IMAT apresenta heterogeneidade celular, contendo adipócitos com características brancas e subpopulações de adipócitos com fenótipo marrom, capazes de expressar UCP1 e dissipar energia, sugerindo potencial terapêutico. Entretanto, os mecanismos regulatórios envolvidos na formação desses adipócitos ainda permanecem pouco compreendidos. Nesse contexto, abordagens computacionais baseadas em redes regulatórias gênicas (GRNs) têm se destacado como ferramentas promissoras para investigar mecanismos de determinação da identidade celular a partir de dados de sequenciamento de núcleo único. Além disso, métodos recentes de integração multiômica permitem associar dados de expressão gênica e de acessibilidade da cromatina para inferência de fatores regulatórios. Assim, o presente projeto tem como objetivo investigar os mecanismos regulatórios associados ao desenvolvimento do IMAT no músculo esquelético por meio da integração de dados de snRNA-seq e snATAC-seq, utilizando inferências de GRNs baseadas no método computacional SCENIC+. A compreensão desses mecanismos poderá contribuir para elucidar os processos envolvidos na formação do IMAT, além de identificar potenciais alvos e estratégias terapêuticas capazes de modular esse processo no contexto das doenças metabólicas, especialmente no favorecimento de fenótipos metabolicamente benéficos. (AU)