Banca de QUALIFICAÇÃO: ALEXANDRE HENRIQUE CARVALHO MARQUES

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : ALEXANDRE HENRIQUE CARVALHO MARQUES
DATA : 02/03/2026
HORA: 10:00
LOCAL: Google Meet: https://meet.google.com/kcq-jjxf-jar
TÍTULO:

MODELO MIMIC SKEW-NORMAL PARA ANÁLISE DIFERENCIAL DE DADOS DE ANTIBODYOME: APLICAÇÃO À DEPRESSÃO MAIOR

PALAVRAS-CHAVES:

Antibodyome; Análise Diferencial; Variáveis Latentes; Modelo MIMIC; Distribuição Skew-Normal; Inferência Bayesiana; Microarranjo Proteômico; Depressão; Bioinformática.

PÁGINAS: 96
RESUMO:

A análise diferencial de dados de antibodyome—perfis de reatividade de anticorpos obtidos por microarranjos proteômicos de alta densidade—carece de métodos multivariados dedicados, dependendo predominantemente de testes univariados (teste 𝑡, Wilcoxon) com correção para múltiplos testes, abordagem que frequentemente falha em detectar sinais biologicamente relevantes porém modestos. Este trabalho propõe o modelo MIMIC (Multiple Indicators Multiple Causes) com extensão skew-normal univariada como alternativa a essa estratégia analítica. Diferentemente de métodos convencionais que testam cada proteína independentemente, o modelo agrega informação de múltiplas reatividades em uma variável latente, eliminando a necessidade de correção para múltiplos testes e aumentando a relação sinal-ruído. A extensão skewnormal, com parametrização centralizada, permite investigar assimetria na variável latente mantendo interpretação direta dos coeficientes de regressão. Quatro métodos de estimação foram desenvolvidos e comparados: MIMIC Normal (baseline), máxima verossimilhança com aproximação de Laplace, estimação Bayesiana via MCMC, e método Híbrido combinando inferência Bayesiana para o parâmetro de assimetria 𝜆 com MLE para os demais parâmetros. Simulações Monte Carlo revelaram que o MLE para 𝜆 é instável em amostras da ordem de 𝑛 = 60 (RMSE 3,2–8,2; cobertura 50–93%), enquanto os métodos Bayesiano e Híbrido mantêm cobertura nominal (∼95%). A seleção de variáveis segue pipeline em duas etapas: pré-filtro univariado (heurística de redução de dimensionalidade) seguido de algoritmo genético com validação cruzada. Na aplicação a dados de antibodyome (microarranjo HuProt) de pacientes com depressão maior (𝑛 = 60), a análise univariada com correção FDR não identificou proteínas significativas entre 14.887 testadas, enquanto o modelo MIMIC detectou diferença significativa na variável latente (𝑝 < 0,001) para ambos os canais de imunoglobulinas (IgG e IgM). Os intervalos de credibilidade para 𝜆 contêm zero em ambos os canais, indicando que a extensão skew-normal não acrescenta informação neste caso específico. O algoritmo genético, guiado exclusivamente por critérios estatísticos, convergiu para proteínas com conexões documentadas à neuropsiquiatria (RPL30, DNASE1L3, PARK7), embora a avaliação de plausibilidade biológica seja baseada em revisão narrativa e requeira complementação por análise formal de enriquecimento funcional. A contribuição central é a demonstração empírica de que a análise diferencial sobre variável latente recupera padrões em dados de antibodyome onde métodos univariados falham.

MEMBROS DA BANCA:
Externo à Instituição - DENNYSON LEANDRO MATHIAS DA FONSECA - USP
Externa à Instituição - RITA MARIA CUNHA DE ALMEIDA - UFRGS
Presidente - 1507794 - RODRIGO JULIANI SIQUEIRA DALMOLIN
Externo ao Programa - 3452627 - TIBERIO AZEVEDO PEREIRA - null