Implementações eficientes de métodos Bayesianos para seleção de modelos de vias de sinalização celular

Resumo

Vias de sinalização celular são compostas por encadeamentos de reações químicas que transmitem informações no interior de uma célula. A modelagem matemática dessas vias é uma ferramenta importante para testar sua dinâmica frente a diferentes condições iniciais. Em geral, a modelagem se inicia com a definição de um recorte da via de sinalização para o desenho do modelo matemático. Na sequência, um sistema de equações diferenciais ordinárias (EDOs), que descreve a dinâmica de cada espécie química presente no recorte, é calibrado com observações experimentais de reagentes e/ou produtos de uma ou mais reações presentes no recorte da via. Um problema nesse tipo de abordagem é que o espaço de possibilidades para realizar o recorte é muito grande, tornando necessária a estimação de parâmetros para um grande número de modelos, um procedimento muito custoso, quando não intratável, do ponto de vista computacional. Por isso, propomos com este projeto implementar de forma eficiente métodos de inferência de parâmetros de recortes de vias de sinalização. Para este fim, focaríamos em métodos Bayesianos iterativos baseados em filtros de Kalman, tal como o Extended Kalman Filter (EKF). A implementação dar-se-ia com a linguagem C++ e o arcabouço OpenCL, com uma possível complementação com a linguagem Julia e a arquitetura computacional CUDA, e a execução de nossos métodos dar-se-ia em diferentes plataformas (e.g., em CPUs e GPUs ao mesmo tempo). Esperamos com este projeto viabilizar a seleção de modelos dinâmicos de recortes de vias de sinalização celular em diversos problemas reais, em particular em estudos da biologia do câncer. (AU)