Summary: A identificação rápida de vírus respiratórios existentes e emergentes, como SARS-CoV-2, é de extrema importância no combate a surtos e epidemias, a detecção e diagnóstico de pacientes é uma ferramenta crítica para monitorar a disseminação da doença, orientar decisões terapêuticas e profiláticas e elaborar protocolos de distanciamento social.
Métodos disponíveis, que empregam informações do genoma ou a presença de proteínas oriundas da resposta imune com alta sensibilidade e especificidade, como a técnica MALDI MS, pode ser promissora na identificação biomarcadores, proteínas/peptídeos específicos de SARS-CoV-2, em matriz complexa e em baixas concentrações. A fim de identificar as diferenças químicas e biológicas relevantes entre o conjunto de dados obtidos, a quimiometria pode ser empregada. Esta é capaz de identificar informações importantes (variâncias) entre sinais que não podem ser diferenciados visualmente. Além disso, matrizes complexas, como as biológicas, e descritivas como a MS, podem ser de difícil modelagem, sendo necessário aplicar métodos de aprendizagem de máquina para tratamento de dados que
possuem baixa correlação e/ou respostas mais complexas. Neste contexto, nossa proposta tem como objetivo geral desenvolver metodologias rápidas e eficazes para detectar especificamente moléculas biomarcadores de SARS-CoV-2 a partir de amostras de fluidos biológicos de pacientes com COVID-19 utilizando a técnica de MALDI MS e mediante auxílio de aprendizagem de máquina com objetivo de realizar triagens e confirmações de diagnósticos.
Starting date: 01/05/2021
Deadline (months): 24
Participants:
Role |
Name |
|---|---|
| Coordinator * | WANDERSON ROMÃO |
| Student Master * | MARCIA HELENA CASSAGO NASCIMENTO |
| Student Master * | GABRIELY SILVEIRA FOLLI |
| Student Master * | CAMILA MEDEIROS DE ALMEIDA |
| Student Master * | FRANCINE DALAPÍCOLA DOS SANTOS |
