Pipeline bioinformático estruturado em linguagem Python para a implementação de uma plataforma de biópsia líquida in silico.
O programa serve como um motor de inteligência computacional para a descoberta e validação de assinaturas moleculares associadas a danos celulares. Ele implementa uma abordagem de "biópsia líquida in silico" que processa o proteoma de vesículas extracelulares humanas para predizer múltiplos mecanismos de toxicidade (MoA). Sua funcionalidade central é converter dados biológicos complexos em evidências mecanísticas para suporte à decisão regulatória e avaliação de segurança química, eliminando a necessidade de testes em animais.
Um pipeline bioinformático estruturado em linguagem Python para a implementação de uma plataforma de biópsia líquida in silico. A arquitetura é composta por quatro módulos principais interconectados:
● Módulo de Mineração e Integração: automatiza a coleta e padronização de dados moleculares de bancos de dados públicos, focando no proteoma de vesículas extracelulares humanas.
● Módulo de Filtragem Subtrativa Multifatorial: núcleo algorítmico que executa a purificação de sinal em três níveis hierárquicos para isolar respostas de estresse celular inespecíficas e identificar assinaturas de Modos de Ação (MoA) específicos.
● Módulo Estatístico-Relacional: realiza o cálculo de dissimilaridade (Índice de Jaccard) e a redução de dimensionalidade por meio de Análise de Coordenadas Principais (PCoA) para validação de agrupamentos biológicos.
● Módulo de Visualização e Redes: gera saídas gráficas (Heatmaps) e mapas de interação proteína-proteína (PPI) para anotação funcional.
A estrutura do código é modular e agnóstica ao desfecho biológico, o que permite a reconfiguração de parâmetros de entrada para identificar desde mecanismos de genotoxicidade e carcinogenicidade até outros perfis de toxicidade sistêmica, conferindo à plataforma alta escalabilidade e versatilidade diagnóstica.
Nathalia Stephanie Oliveira Nascimento, Barbara Moreira Amaral, Adriana Oliveira Costa, Carlos Alberto Tagliati
(X) Protótipo / Prova de Conceito (PoC) finalizada e validada in silico.
A principal vantagem da EV-PROTEOMICS reside em sua arquitetura modular e escalável, concebida para investigar múltiplos mecanismos de toxicidade sob uma lógica algorítmica unificada, baseada em Modos de Ação (MoA) e Adverse Outcome Pathways (AOPs). A plataforma explora de forma inédita o conteúdo proteômico de vesículas extracelulares humanas, que atuam como vetores centrais de comunicação intercelular e refletem eventos moleculares precoces associados à exposição a agentes tóxicos. A Prova de Conceito (PoC) foi validada para o desfecho de carcinogenicidade, um dos endpoints mais complexos da toxicologia regulatória, demonstrando a robustez metodológica da tecnologia e sua aplicabilidade a MoAs de menor complexidade.
A EV-PROTEOMICS apresenta superioridade técnica e biológica em relação a métodos computacionais convencionais, como QSAR (Quantitative Structure–Activity Relationship) e Read-Across. Enquanto o QSAR se baseia predominantemente em correlações estatísticas derivadas da estrutura química e o Read-Across depende da disponibilidade de dados de substâncias análogas, a presente tecnologia fundamenta-se em evidências biológicas humanas dinâmicas, obtidas a partir da análise proteômica de vesículas extracelulares e integradas por modelagem computacional mecanicista. Essa abordagem captura respostas celulares contextualizadas, reduz incertezas de extrapolação e aumenta a relevância biológica das predições toxicológicas.
Em contraste com ensaios tradicionais, como o teste de Ames (OECD TG 471) e os estudos de carcinogenicidade crônica (OECD TG 451/453), que apresentam limitações de relevância translacional, elevado custo, longa duração e uso intensivo de animais, a EV-PROTEOMICS implementa o conceito de “biópsia líquida in silico baseada em vesículas extracelulares”. Essa estratégia elimina a extrapolação interespecífica, permite a detecção de alterações moleculares precoces mediadas por EVs e contribui para a redução de resultados falso-positivos, com consequente ganho de eficiência e confiabilidade. Como resultado, a plataforma oferece maior rapidez, menor custo operacional e elevada fidelidade translacional, posicionando-se como ferramenta de suporte à tomada de decisão regulatória, alinhada às NAMs, às IATAs da OECD e às tendências internacionais de toxicologia preditiva baseada em mecanismos.
Número de Registro: PC202600287
