Banca de QUALIFICAÇÃO: DÉBORA VIRGÍNIA DA COSTA E LIMA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : DÉBORA VIRGÍNIA DA COSTA E LIMA
DATA : 10/07/2024
HORA: 08:00
LOCAL: Sala de aula 1 - Instituto do Cérebro
TÍTULO:

Análise de Bioinformática e Aprendizado de Máquina na Busca por Biomarcadores em Carcinoma de Células Escamosas de Pulmão.

PALAVRAS-CHAVES:

Câncer de Pulmão, Análise de sobrevida, Aprendizado de máquina, Assinatura Gênica.

PÁGINAS: 58
RESUMO:

O câncer de pulmão é a principal causa de morte por câncer em todo o mundo, independentemente do sexo. Dentre os tipos de câncer de pulmão, o Carcinoma de Células Escamosas de Pulmão (LUSC) é o segundo tipo mais comum, caracterizado por diagnóstico em estágios avançados, mau prognóstico e alta associação com tabagismo. Devido à gravidade do câncer de pulmão, é essencial compreender seus mecanismos moleculares. Nesse contexto, este estudo utiliza dados moleculares e clínicos para implementar pipelines de bioinformática e aprendizado de máquina, por meio de Random Forest e Deep Learning, visando prever prognóstico dos pacientes e obter uma assinatura genética do LUSC para progressão tumoral. Analisamos dados clínicos e moleculares do projeto LUSC-TCGA e realizamos análises de expressão diferencial (DEA) comparando tecidos normais com tecidos tumorais. Com base nos genes selecionados pela DEA, os pacientes foram divididos em três grupos, seguidos por etapas de seleção de características e classificação. A partir disso, foi possível obter resultados de classificações próximas a 70% de acerto para os três clusters. Por fim, também realizamos uma análise de enriquecimento funcional. A análise revelou no cluster 2
genes enriquecidos como CDT1, CENPI e NLGN1, associados ao processo molecular EMT (transição epitelial-mesenquimal). Nossa abordagem facilitou a identificação de genes que são biologicamente relevantes para o processo de desenvolvimento do LUSC, contendo genes significativos (como os genes ALDH3B1, C7, FAM83A, FOSB, GCGR, BMP7, PPP1R27 e AQP1) e genes
relevantes para predição da sobrevivência do paciente e possíveis alvos terapêuticos para LUSC (como os genes FAM83A, CAV1, TNS4, EIF4G1, TFAP2A, GCGR e PPP1R27). Os resultados dos trabalhos desenvolvidos foram publicados em artigos presentes nos Anexos A e B.

MEMBROS DA BANCA:
Interna - 1365498 - BEATRIZ STRANSKY FERREIRA
Interno - 3083298 - RENAN CIPRIANO MOIOLI
Interno - 3063244 - TETSU SAKAMOTO