Um tela com códigos de programação

Biologia Computacional e Bioinformática

Uma parte essencial da pesquisa sobre o câncer é a análise e a interpretação de dados complexos. A equipe de biologia computacional e bioinformática concentra-se na aplicação de abordagens analíticas e computacionais existentes e no desenvolvimento de novos métodos para aprofundar a compreensão a respeito da biologia do câncer e aperfeiçoar futuras terapias. A equipe é formada por um time multidisciplinar especializado permanente e por estudantes de mestrado e doutorado com formação acadêmica nas áreas de ciências biológicas e exatas.

Equipe

Equipe

Pesquisador Principal 

Dr. Israel Tojal da Silva

Linhas de pesquisa

O câncer origina-se de uma única célula que começa a se comportar de maneira anormal devido a mutações somáticas que ocorrem em seu DNA. Diferentes padrões de mutação somática, conhecidos como "assinaturas mutacionais", podem surgir a partir dos fatores genéticos, ambientais e do estilo de vida que atuam, de forma cumulativa, ao longo da vida de um paciente. O objetivo dessa linha de pesquisa é desenvolver métodos computacionais para detectar essas assinaturas que estão ativas no genoma do câncer. Ao aplicar esses métodos em análises abrangentes, busca-se esclarecer os mecanismos da carcinogênese e, assim, identificar novas oportunidades para uma aplicação mais eficaz das terapias disponíveis.

A capacidade de identificar diferenças em vários aspectos celulares do câncer pode levar a tratamentos personalizados mais eficazes. A equipe busca compreender a importância da diversidade das células imunológicas infiltradas no microambiente tumoral. Em geral, esse infiltrado é uma mistura heterogênea de células que inclui populações imunes inatas, adaptativas e tipos de células associadas a funções imunológicas ativas e supressoras. De maneira complementar, procura caracterizar o microbioma nesse ambiente complexo e explora seu papel na resposta do sistema imunológico.

Com o avanço das novas tecnologias no campo da oncologia, é gerada uma grande quantidade de dados durante a jornada do paciente com câncer. Em paralelo, o diagnóstico e prognóstico precoces de um tipo de câncer podem facilitar o subsequente tratamento clínico desses pacientes. No entanto, a previsão precisa de como um paciente irá responder a um tratamento ainda é uma das tarefas mais interessantes e desafiadoras. Os esforços da equipe estão voltados para a aplicação de técnicas modernas de aprendizado de máquina que buscam explorar dados complexos a fim de produzir modelos para classificação e predição de pacientes com alto ou baixo risco de resposta.