Carregando

Programas permanentes

BME 01: Identificação de condutores moleculares de progressão e agressividade em neuroblastoma usando aprendizado de máquina
Descrição:

O neuroblastoma é um câncer pediátrico do sistema nervoso periférico. Hipóxia representa uma condição biológica de concentração limitada de oxigênio que impulsiona a progressão e agressividade desta doença, além de ser importante também em outros tipos de tumores. Anteriormente, foi investigado o papel da hipóxia em modelos celulares e tumores de pacientes de neuroblastoma. Acredita-se que a hipóxia conduz à desdiferenciação celular. Com isso foi levantada a hipótese da existência de um estado celular de célula-tronco e pluripotência relacionado ou mantido pela hipóxia no neuroblastoma. Neste projeto serão desenvolvidos modelos de aprendizado de máquina para classificar diferentes categorias de risco de neuroblastoma com base na expressão gênica e quantificação de fenótipos relacionados à hipóxia. Serão utilizadas ferramentas avançadas tais como: scikit-learn, PyTorch ou H2O.ai. para construir modelos de regressão logística de aprendizado de máquina para classificar diferentes categorias de risco.

A abordagem compreenderá a aplicação de diversos conjuntos de dados biológicos na criação de um aplicativo web Shiny, configurado como uma ferramenta computacional capaz de prever a categoria de risco à qual um paciente pertence. Uma vez desenvolvida a ferramenta, deve ser capaz de gerar modelos de aprendizado de máquina que aprendam com o estado genético do paciente no momento em que inicia-se a terapia. Assim, ao analisar a informação genética do paciente após a primeira fase de tratamento, pretendemos quantificar os fenótipos de risco do paciente em comparação com o início da terapia. O resultado final desse trabalho será a criação de modelos capazes de prever ou quantificar a categoria de risco específica associada ao tipo de tumor, após a administração de uma terapia específica. Dessa maneira, serão estabelecidas metodologias computacionais que permitirão a mensuração da eficácia da terapia recebida pelos pacientes, com base em alterações na expressão genética e epigenética em tumores, notadamente no contexto do neuroblastoma.

Listas das Atividades:
  1. Baixar conjuntos de dados de neuroblastoma disponíveis publicamente;
  2. Interagir com Python e R para extrair informações biológicas, fenotípicas e metadados das amostras baixadas;
  3. Determinar quais informações são relevantes para serem mostradas ao público da comunidade PAE e ao público científico profissional sobre o desenvolvimento do projeto;
  4. Apresentar dados de pesquisa; e
  5. Escrever artigos científicos com objetivo de enviar para revistas científicas e/ou congressos nacionais e internacionais juniores.