A votação estará disponível na segunda-feira, 22/11, às 08h.
Olá professor (a), seja bem-vindo (a) ao ADURN-Sindicato! Sua chegada é muito importante para o fortalecimento do Sindicato.
Para se filiar é necessário realizar 2 passos:
Você deve imprimir e preencher Ficha de Sindicalização e Autorização de Débito (abaixo), assinar, digitalizar e nos devolver neste e-mail: [email protected].
Ficha de sindicalização Autorização de DébitoAutorizar o desconto no seu contracheque na sua área no SIGEPE e que é de 1% do seu VB (Vencimento Básico).
Tutorial do SIGEPEFicamos a disposição para qualquer esclarecimento.
ADURN-Sindicato
Publicado em 05 de junho de 2023 às 15h32min
Tag(s): Pesquisa Científica Saúde UFRN
A imunoterapia é um tratamento fundamental para pessoas vítimas do câncer, por isso ferramentas que facilitam essa prática se tornam cada vez mais essenciais. O GENerator of T cell receptor repertoire features for machine Learning (Gentle) é um aplicativo de código aberto que fornece meios para analisar dados e extrair biomarcadores, a fim de melhorar as perspectivas do tratamento da doença. Desenvolvido com apoio computacional do Núcleo de Processamento de Alto Desempenho (NPAD/UFRN), a pesquisa utiliza aprendizado de máquina para construir classificadores e compará-los para entregar os melhores resultados.
Criado como uma missão do Programa Institucional de Internacionalização (Print/UFRN), que busca atingir a excelência acadêmica e científica com base na internacionalização, o projeto se desenvolveu com colaboração do centro de bioinformática do Instituto Metrópole Digital (IMD/UFRN) e da Universidade Bar-Ilan de Israel. O Gentle foi idealizado pelo aluno de doutorado Dhiego Souto, do Programa de Pós-Graduação em Bioinformática (PPG-Bioinfo/UFRN), com orientação do professor César Rennó Costa, do IMD.
O Gentle aplica metodologias de inteligência artificial em receptores de células T (TCR), que são moléculas importantes no tratamento do câncer e podem ser usados para ajudar no diagnóstico e distinguir os resultados de diferentes tratamentos. Com ajuda desses receptores, é possível saber qual tratamento está surtindo o efeito esperado ou não. A ferramenta permite que o médico ou pesquisador possa avaliar os dados de sequenciamento genético de um paciente e prepará-lo para a aplicação de novos procedimentos.
A equipe de pesquisa empreendeu um estudo de caso usando a ferramenta com dados de repertórios de células T regulatórias (TRegs) e células T convencionais (TConvs), que representam a resposta imunológica à doença. Em testes clínicos, realizados com pessoas em quadro saudável e com pacientes com câncer de mama, o Gentle foi capaz de diferenciar rapidamente as características dos grupos e classificar com sucesso as amostras saudáveis e as de câncer.
Sendo uma tendência crescente, a utilização de machine learning abrange diversas áreas, abrindo novos horizontes, inclusive para a biologia. A aplicação dessa técnica em dados biológicos foi um dos principais incentivos para Dhiego. “Durante meu período sanduíche em Israel, o laboratório em que eu trabalhei produzia dados de imunoterapia, então aprendi muito lá sobre esse tipo de conhecimento”, explica o estudante de doutorado.
O supercomputador do NPAD é um instrumento utilizado por diversos pesquisadores da UFRN para avançar pesquisas que exigem grande poder computacional. Para o desenvolvimento do Gentle, a máquina foi fundamental, pois lá foram feitos testes de aplicação e análises preliminares para validar as técnicas incluídas na ferramenta. “O acesso ao supercomputador acelerou o desenvolvimento da pesquisa pela necessidade da alta capacidade computacional”, afirma o professor César Rennó.
O Gentle tem potencial de melhorar o tratamento de câncer buscando a melhor eficácia com menos efeitos colaterais. O trabalho representa um passo importante em direção a uma abordagem integrada e personalizada no tratamento da doença. A ferramenta é uma aplicação de código aberto e fácil de usar, disponível para todos através do site e do GitHub.
Por Higor Silva – NPAD/UFRN
Texto originalmente publicado em UFRN