Desenvolvida pelo PaccanaroLab - laboratório de Inteligência Artificial voltado para Saúde - a LanDis é uma plataforma web inovadora que permite aos usuários explorarem o "interactoma", a complexa rede de interações moleculares essenciais na compreensão das doenças
O
PaccanaroLab, da Escola de Matemática Aplicada da Fundação Getulio Vargas (FGV
EMAp), recém-lançou a LanDis: uma ferramenta inovadora, online e gratuita para
o estudo das similaridades entre doenças hereditárias a nível molecular. O
sistema permite à comunidade científica explorar o "interactoma", a
complexa rede de interações moleculares essenciais na compreensão das
enfermidades. O software vai beneficiar biólogos, centros de pesquisas e
laboratórios farmacêuticos.
A
plataforma, pioneira, mapeia as distâncias entre os módulos de doenças de mais
de 44 milhões de pares de doenças hereditárias, oferecendo uma visão abrangente
e interativa das similaridades entre doenças. Ligada às bases de dados OMIM e
UniProt, a LanDis abre caminhos para análises mais profundas, podendo revelar
novas perspectivas sobre a etiologia das enfermidades.
“A
LanDis se destaca por sua capacidade de transformar um complexo conjunto de dados
em uma interface gráfica acessível e intuitiva. Esta funcionalidade permite aos
médicos, cientistas e outros profissionais da saúde explorar visualmente as
relações entre diferentes doenças, facilitando enormemente a pesquisa e a
prática médica”, explica Alberto Paccanaro, idealizador e coordenador do PaccanaroLab,
Laboratório de Inteligência Artificial voltado para Saúde, que faz pesquisa de
ponta de aprendizado de máquina, com foco na solução de problemas nas áreas de
biologia molecular, medicina e farmacologia.
Para
o pesquisador Mateo Torres, que contribuiu para o desenvolvimento da ferramenta
na FGV, “a LanDis permite aos pesquisadores navegarem visualmente pelas
relações não óbvias entre as doenças e fornece publicações relevantes que
tornam mais clara a semelhança entre as doenças. Isto é extremamente valioso ao
explorar hipóteses sobre condições raras”.
A
ferramenta não é apenas um avanço para a pesquisa científica, mas também um
recurso valioso para o diagnóstico médico. A LanDis é capaz de identificar
doenças com características moleculares similares, mesmo em casos em que as
informações genéticas são limitadas, baseando-se no texto contido nas
publicações científicas relacionadas com as doenças.
O
sistema também promove a colaboração científica, integrando-se a outras bases
de dados importantes. Esta funcionalidade amplia o potencial de descobertas, já
que cada doença no mapa da LanDis está ligada a recursos relevantes no OMIM,
UniProt e na Biblioteca Nacional de Medicina dos EUA.
Como
uma ferramenta de código aberto e livremente acessível, a LanDis é um marco
importante na medicina de rede e na genômica. Disponível sem custos e sem
necessidade de registro, democratiza o acesso a informações cruciais no estudo
de doenças hereditárias e incentiva a inovação e pesquisa colaborativa em uma
escala global.
LanDis
está disponível em Link e o
artigo descrevendo o sistema foi publicado recentemente no European Journal of
Human Genetics (Caniza, H.,
Cáceres, J.J., Torres, M. et al. LanDis: the disease landscape explorer.
Eur J Hum Genet 32, 461–465 (2024). Link).
PaccanaroLab
O PaccanaroLab desenvolve novos algoritmos de Inteligência
Artificial nas áreas de biologia, medicina e farmacologia. Além do sistema de
previsão dos genes causadores de doenças hereditárias, há outros projetos de
pesquisa como o modelo para prever as frequências de efeitos colaterais de
medicamentos, o primeiro já desenvolvido deste tipo; o algoritmo de previsão de
que tipo de medicamento pode ser usado para determinados vírus, a partir da
identificação das proteínas-alvo dom remédio; e uma ferramenta de predição da
função das proteínas que é um dos melhores do mundo e atualmente é o melhor
algoritmo para a predição da função das proteínas em bactérias.
Paccanaro
explica que a criação dos projetos surge a partir de uma pergunta de um
biólogo. “O ponto de partida é sempre uma questão. Muitas vezes o biólogo não
sabe como tirar do experimento a sua resposta, porque é preciso detectar
padrões em grandes quantidades de dados que são muito ‘ruidosos’, e integrar
diversos conjuntos de dados de fontes diferentes. Então, eu e minha equipe
criamos um algoritmo para responder à pergunta utilizando os dados. Assim,
desenvolvemos novos métodos de aprendizagem de máquina para responder perguntas
em medicina, biologia e farmacologia”, explica o pesquisador da FGV EMAp, que pretende, até 2028, ser um centro de referência da ciência
de dados na América Latina.
Os
projetos são financiados pela Fundação Getúlio Vargas, o Conselho Nacional de
Desenvolvimento Científico e Tecnológico (CNPq), a Fundação Carlos Chagas Filho
de Amparo à Pesquisa do Estado do Rio de Janeiro (Faperj), o Medical
Research Council (Reino Unido) e a National Science Foundation
(EUA).
Saiba
mais sobre os projetos no site do PaccanaroLab: Link .
Nenhum comentário:
Postar um comentário