Busca avançada
Ano de início
Entree

Seleção Bayesiana de modelos de vias de sinalização celular e projeto de classificadores de proliferação celular

Processo: 20/10329-3
Modalidade de apoio:Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
Vigência (Início): 01 de novembro de 2020
Vigência (Término): 30 de abril de 2022
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação
Pesquisador responsável:Marcelo da Silva Reis
Beneficiário:Cássia Sampaio Sanctos
Instituição Sede: Instituto Butantan. Secretaria da Saúde (São Paulo - Estado). São Paulo , SP, Brasil
Vinculado ao auxílio:19/21619-5 - Buscando as zonas de Goldilocks de vias de sinalização celular em terapia de câncer, AP.R
Assunto(s):Biologia computacional   Aprendizado computacional   Inferência bayesiana   Otimização   Seleção de modelos   Proliferação celular
Palavra(s)-Chave do Pesquisador:Aprendizagem de Maquina | Classificação de Padrões | Inferência Bayesiana | otimização | Seleção de Modelos | via de sinalização celular | Bioinformática

Resumo

Classificadores de proliferação celular são funções que classificam o nível de proliferação de uma determinada população de células como uma função da cinética de espécies químicas de uma via de sinalização celular. Essas mesmas cinéticas também podem ser utilizadas para calibrar modelos que explicam a dinâmica da via de sinalização em questão. A combinação de um classificador de proliferação celular com um modelo de via de sinalização, quando ajustados com os mesmos dados experimentais, permite a formulação de um problema de otimização no qual busca-se um nível de proliferação "ótimo" como uma função de um vetor de entradas u do modelo dinâmico: neste caso, o argumento do classificador são as cinéticas obtidas em simulações do modelo utilizando u. Neste projeto propomos implementar, inicialmente em Python e depois portando para C++, um novo método Bayesiano que lide com o problema da falta de isolamento na modelagem de vias de sinalização celular. Além disso, propomos a implementação de um classificador de proliferação celular, utilizando as mesmas técnicas que são usualmente empregadas no desenho de operadores morfológicos. Por fim, projetamos a incorporação desse classificador em um solver de programação inteira para resolver o problema de otimização formulado acima.

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
MONTONI, FABIO; DE SOUSA, RONALDO N.; DE LIMA JUNIOR, MARCELO B.; CAMPOS, CRISTIANO G. S.; WANG, WILLIAN; CONSTANTINO, VIVIAN M.; SANCTOS, CASSIA S.; ARMELIN, HUGO A.; REIS, MARCELO S.; IEEE. Anguix: Cell Signaling Modeling Improvement through Sabio-RK association to Reactome. 2022 IEEE 18TH INTERNATIONAL CONFERENCE ON E-SCIENCE (ESCIENCE 2022), v. N/A, p. 2-pg., . (20/08555-5, 13/07467-1, 21/04355-4, 20/10329-3, 19/24580-2, 19/21619-5)

Por favor, reporte erros na lista de publicações científicas utilizando este formulário.