Projects

Bioinformtica aplicada medicina personalizada: do diagnstico ao tratamento de doenas

Descrição: Neste projeto de pesquisa estamos interessados em desenvolver e aplicar estratégias para integrar, explorar e analisar dados genômicos com o objetivo de identificar novos biomarcadores com valor diagnóstico ou prognóstico, e potenciais alvos terapêuticos. Através de abordagens de Bioinformática e da união de esforços de pesquisadores com formação e experiência em Ciências da Computação, Biológicas e da Saúde, pretendemos abordar questões de pesquisa nesta linha relacionadas a doenças cardiovasculares e câncer, com foco no potencial translacional dos achados in silico. Isto é, pretende-se através da realização deste projeto gerar conhecimento científico com potencial uso clínico, que possam trazer importantes benefícios às ações assistenciais e atividades preventivas no Sistema Único de Saúde (SUS) ao aprimorar o processo de diagnóstico, elaboração do prognóstico e planejamento terapêutico dos pacientes acometidos com estas patologias. Dentro desta temática, este projeto irá abordar, especificamente, as seguintes questões de pesquisa: i) detecção de diferenças moleculares entre hipertrofia cardíaca fisiológica e patológica com potencial aplicação terapêutica no tratamento da insuficiência cardíaca, ii) identificação de biomarcadores de doença aterosclerótica instável, iii) caracterização de alterações moleculares em tumores sólidos de mama, ovário e cólon em pacientes portadores de mutações germinativas em genes de predisposição ao câncer para investigação de biomarcadores de câncer hereditário, iv) avaliação da patogenicidade de variantes de significado incerto em genes de predisposição ao câncer.

Projeto iniciado no ano 2017.

Responsáveis na FURG: Karina S. Machado e Adriano Werhli

Financiador: Fundação de Amparo à Pesquisa do Estado do Rio Grande do Sul. 

Peixes Transgnicos Fluorescentes: um novo campo para a piscicultura ornamental no Brasil

Descrição: A piscicultura ornamental é uma área promissora da aquacultura no Brasil, considerando a alta demanda do mercado internacional e a capacidade brasileira de produção e exportação de organismos aquáticos ornamentais. Desta forma, a presente proposta objetiva utilizar tecnologias inovadoras, já estabelecidas pelo grupo de pesquisa proponente, para produção de peixes ornamentais fluorescentes. Esses organismos podem apresentar atrativos diferenciados, os quais poderão amenizar os problemas atualmente enfrentados por este mercado, como extrativismo, introdução de espécies exóticas e baixa novidade de mercado. Na presente proposta, serão produzidas novas variantes de proteínas fluorescentes através de mutagênese, a fim de gerar proteínas que apresentem características importantes para a produção de linhagens de peixes ornamentais fluorescentes como: estabilidade, espectro de emissão de luz mais próximo ao visível e diferentes cores. Para isto serão colaboradores o grupo de pesquisa coordenado pelo Prof. Dr. Luis Fernando Marins (ICB/FURG), o qual foi pioneiro na produção de linhagens transgênicas do peixe Danio rerio no Brasil. Essas linhagens foram produzidas com o objetivo principal de conhecer os mecanismos relacionados ao processo de crescimento em peixes. Paralelamente, essas linhagens carregam proteínas fluorescentes marcadoras de transgenia, as quais emitem fluorescência somente sob radiação ultravioleta. As análises de bioinformática serão desenvolvidas em colaboração com os grupos de pesquisas coordenados pelos professores Dr. Adriano Velasque Werhli e Dra. Karina dos Santos Machado, ambos do Centro de Ciências Computacionais (C3/FURG). Essas análises permitirão identificar as estruturas moleculares capazes de tornar as proteínas fluorescentes mais adequadas a produção de peixes ornamentais fluorescentes.

Projeto iniciado no ano 2015.

Responsáveis: Karina S. Machado e Adriano Werhli

Financiador: CNPq - Edital Universal

Bioinformtica Estrutural de Protenas: modelos, algoritmos e aplicaes biotecnolgicas

Este projeto propõe-se enfrentar dois desafios biotecnológicos de grande relevância nacional. O primeiro envolve a ricina, uma potente fitotoxina encontrada na mamoneira. Co-produtos da produção do óleo de mamona podem conter quantidades letais de ricina. Além do risco de intoxicação animal e humana do bagaço, isso tem dificultado sua reutilização e reciclagem, em especial no semiárido nordestino. A ricina preocupa também pelo seu potencial uso como arma química. Portanto, há forte apelo para se encontrar meios efetivos de neutralizar, inibir e/ou detectar a ricina. O segundo envolve a modelagem de celulases multifuncionais, capazes de degradar eficientemente a lignocelulose, composto base para a produção de biocombustíveis de segunda geração, os quais têm por princípio a utilização de subprodutos de plantas que não podem ser usados na alimentação humana. Ambos desafios exigem uma abordagem multidisciplinar sinérgica entre a modelarem teórica in silico e experimental in vitro. Objetivos: 1) Prever in silico e validar in vitro ligantes de ricina 2) Simular in silico e caracterizar in vitro efeitos causados por intervenções estratégicas em beta-glicosidases modificadas. 3) Projetar, implementar e validar modelos, algoritmos e ferramentas de Quimioinformática e Bioinformática Estrutural de Proteínas que permitam dar suporte aos objetivos biotecnológicos previamente descritos. Espera-se que este projeto possa revelar novas plataformas químicas para o desenvolvimento de inibidores, kits de detecção, biossensores, neutralizadores (substratos suicidas) e outros produtos de inovação biotecnológica baseados na ricina, com potencial para alavancar o agronegócio da mamona e a indústria nacional de fármacos. Espera-se também a modelagem de celulases multifuncionais, capazes especialmente de orientar a manipulação genética de algas produtoras de $\beta$-glicosidases, com características catalíticas eficientes e de tolerância à inibição por glicose e celobiose, permitindo seu uso industrial na produção de etanol de segunda geração. Espera-se, em fim, que esses desafios possam inspirar novas metodologias matemáticas, computacionais, químicas e bioquímicas integradas, de modo a gerar artefatos biotecnológicos inovadores, bem como contribuir para a formação de profissionais com perfil multidisciplinar altamente qualificados.

Projeto iniciado no ano 2014.

Responsáveis na FURG: Karina S. Machado e Adriano Werhli

Financiador: CAPES Edital Biologia Computacional

Página Oficial do projeto

Simulao e Inferncia de Modelos Mecanicistas de vias biolgicas

Um grande desafio em Biologia Computacional é a modelagem das redes regulatórias através de modelos mecanicistas, ou seja por sistemas de equações diferenciais acopladas. Neste caso o número de parâmetros e a necessidade de conhecimento da estrutura da redes tornam o seu uso proibitivo para a maioria dos casos. Porém, com o avanço de métodos de medição de variáveis biológica e poder computacional alguns modelos mecanicistas de pequenas redes regulatórias são desenvolvidas atualmente com grande sucesso. Nesta proposta estamos especificamente interessados na investigação de métodos estatístico e computacionais para a inferência da estrutura e parâmetros de redes regulatórias modeladas por sistemas de equações diferenciais ordinárias (ODEs).
 
Projeto iniciado no ano 2013.
 
Responsável: Adriano V. Werhli
 
Financiador: CNPq - Edital Universal

Inferncia de Estrutura de Redes Biolgicas com a Combinao de Mtricas de Redes Bayesianas

Nos últimos tempos, temos testemunhado o aparecimento de novas técnicas de medição que permitem investigar os sistemas biológicos com uma riqueza de detalhes nunca obtida antes. Dentre estas técnicas, a possibilidade de medição da expressão de milhares de genes ao mesmo tempo fez surgir, dentre muitas outras, a idéia de que poderíamos inferir a estrutura regulatória destes genes, ou seja, como estes genes regulam uns aos outros. De modos a possibilitar esta inferência, levando em consideração os dados obtidos, várias métricas diferentes para atribuir uma pontuação (score) a estas redes foram criadas. Dentre estas métricas duas muito importantes e vastamente exploradas são destacadas: Bayesian Dirichlet e Bayesian Gaussian. Em resumo, estas duas métricas são a solução analítica da integração sobre todo o espaço de parâmetros da equação que fornece a métrica, a qual indica o quanto um modelo é adequado frente aos dados observados. Devido a características intrínsecas de cada uma destas métricas, sabe-se antecipadamente que ambas apresentam vantagens e desvantagens na sua utilização. Até os dias de hoje, quando se infere uma rede regulatória genética escolhe-se somente um destes scores para a classificação dos modelos. Neste projeto apresentamos uma proposta de um novo método para a inferência da estrutura de redes regulatórias utilizando os dois scores de uma maneira combinada. O método proposto é baseado em um modelo probabilista hierárquico Bayesiano e possibilita a integração dos dois scores além de conhecimento a priori sobre a estrutura da rede regulatória em estudo.

Projeto iniciado no ano 2009.

Responsável: Adriano Werhli

Inferncia de Redes Regulatrias Genticas

A pesquisa sobre a inferência de redes regulatórias sempre despertou muito interesse e esta está renovada principalmente devido as possibilidades de aplicação na área de sistemas biológicos. O surgimento de novas técnicas de medição biológicas produzem dados com diversidade, qualidade e quantidade nunca observados antes. Atualmente a maior necessidade são métodos matemáticos, estatísticos e computacionais que permitam a elucidação dos mecanismos biológicos envolvidos na produção destes dados. Dentre as muitas possibilidades de investigação, a descoberta da estrutura de redes regulatórias genéticas é uma das mais importantes. Vários modelos foram propostos para a inferência destas redes biológicas, por exemplo redes de relevância, modelos gráficos Gaussianos, redes Bayesianas, sistemas de equações diferenciais, entre outros. Cada um destes modelos é apenas uma caricatura da realidade. Alguns destes modelos são mais refinados e necessitam de uma grande quantidade de parâmetros tornando sua aplicação inviável. Outros possuem poucos parâmetros e, portanto, perdem a capacidade de reproduzir detalhes importantes das redes regulatórias. Neste projeto propomos a comparação entre os diverstos métodos e também a viabilidade da inferência de redes Booleanas probabilísticas com o método Approximate Bayesian Computation.

Responsável: Adriano Werhli


2010 - 2018 -- Desenvolvido pelo Centro de Ciências Computacionais - C3