nov
10
2023
By malu
Tipo de Oportunidade:
Bolsa
Instituição:
IQ USP
OPORTUNIDADE DE INICIAÇÃO CIENTÍFICA
USP - INSTITUTO DE QUÍMICA - LABORATÓRIO DE BIOINFORMÁTICA
- ÁREA: Bioinformática e Inteligência Artificial
- TEMA: Anotação de lncRNAs que codificam micropeptídeos relacionados a câncer
- POSSIBILIDADE DE BOLSA: CNPq (PIBIC) / PUB / FAPESP (por 1 ano ou mais)
- PROF. RESPONSÁVEL: João Carlos Setubal | Rafael T. Nascimento (doutorando)
RESUMO:
O desenvolvimento relativamente recente das análises em larga escala do transcriptoma revelou que a maior parte do genoma da maioria dos eucariotos é transcrito em RNA (cerca de 75% do genoma). Muitos desses transcritos foram classificados como não codificantes. Por sua vez, milhares desses transcritos preditos in silico foram anotados erroneamente, o que fez com que ficasse inexplorado o potencial codificador dessas moléculas. Os avanços da bioinformática, das técnicas de sequenciamento de RNA e peptidômica permitiram descobrir uma vastidão de quadros de leitura (ORF) não canônicas não anotadas e que cuja tradução pode regular processos biomoleculares ou resultar em peptídeos bioativos capazes de controlar diversas funções celulares. Há evidências que micropeptídeos são traduzidos principalmente de RNAs longos não codificantes (lncRNA). A anotação de ORFs pequenas (menores que 100 códons) em lncRNA tem sido desafiadora uma vez que não é trivial identificar peptídeos funcionais e excluir ruídos. Nesse ponto, a bioinformática tem desempenhado um papel decisivo.
Apesar de haver muitos estudos disponíveis relatando a presença de pequenas ORFs traduzíveis que possuem papel em doenças humanas, algumas ferramentas computacionais utilizadas para predizer se um lncRNA potencialmente pode ser traduzido em peptídeo ainda têm dificuldade em detectar corretamente ORFs pequenas. O principal objetivo deste trabalho é utilizar Inteligência Artificial (aprendizado de máquina) para descobrir lncRNAs que codificam pequenos peptídeos em amostras diversas de tecidos cancerosos e linhagens celulares que possam servir como potenciais alvos terapêuticos e/ou potenciais biomarcadores para os tipos de câncer estudados.
REQUISITOS DESEJÁVEIS:
● Experiência com sistema operacional Linux
● Algum conhecimento de programação (de preferência Python.)
