Caracterização funcional de potenciais genes de resistência a antibióticos identificados por um algoritmo de Deep learning

Detalhes bibliográficos
Autor(a) principal: Silva, Edson Alexandre do Nascimento
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/17/17136/tde-05062023-105043/
Resumo: A resistência antimicrobiana é um problema de saúde em escala mundial com a morte anual de mais de 1 milhão de pessoas. Entretanto, a situação pode se agravar caso novos antimicrobianos não estejam disponíveis para uso clínico. Em diversos estudos, a presença de organismos resistentes vem sendo identificada em múltiplos ambientes. Dentre eles, o ambiente hospitalar tem sido uma fonte de proliferação de microrganismos super-resistentes a diversos antibióticos e, logo, a transferência de seus genes de resistência a antimicrobianos tem preocupado as instituições de saúde. Portanto, é de total importância o rastreamento das linhagens microbianas e seus genes de resistência nestes locais. As abordagens tradicionais de bioinformática em bancos de dados são baseadas na estratégia de identificação de melhores hits. Uma das desvantagens nesta metodologia é o descarte de potenciais genes que estejam abaixo do limiar considerado. Contudo, novas abordagens como a aprendizagem profunda têm sido propostas como uma solução por serem mais sensíveis e precisos. Posteriormente, genes de resistência de microrganismos isolados podem ser identificados por esta metodologia. Portanto, este trabalho teve o objetivo de identificar genes de resistência a antimicrobianos pela ferramenta DeepARG baseada em aprendizagem profunda em genomas de patógenos bacterianos isolados em um hospital. Além da identificação dos potenciais genes de resistência a antibióticos, o estudo realizou uma caracterização funcional dos clones portadores de plasmídeos contendo as sequências selecionadas, na qual não foi observado nenhum sinal de resistência a antibióticos nas condições experimentais utilizadas.
id USP_8c4b2cf22e40a05a2b8c9970e8abb372
oai_identifier_str oai:teses.usp.br:tde-05062023-105043
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Caracterização funcional de potenciais genes de resistência a antibióticos identificados por um algoritmo de Deep learningFunctional characterization of potential antibiotic resistance genes identified by a Deep learning algorithmAntimicrobial resistanceAntimicrobial resistance genesAprendizado profundoBacteriaBactériaDeep learningGenes de resistência antimicrobianaResistência antimicrobianaA resistência antimicrobiana é um problema de saúde em escala mundial com a morte anual de mais de 1 milhão de pessoas. Entretanto, a situação pode se agravar caso novos antimicrobianos não estejam disponíveis para uso clínico. Em diversos estudos, a presença de organismos resistentes vem sendo identificada em múltiplos ambientes. Dentre eles, o ambiente hospitalar tem sido uma fonte de proliferação de microrganismos super-resistentes a diversos antibióticos e, logo, a transferência de seus genes de resistência a antimicrobianos tem preocupado as instituições de saúde. Portanto, é de total importância o rastreamento das linhagens microbianas e seus genes de resistência nestes locais. As abordagens tradicionais de bioinformática em bancos de dados são baseadas na estratégia de identificação de melhores hits. Uma das desvantagens nesta metodologia é o descarte de potenciais genes que estejam abaixo do limiar considerado. Contudo, novas abordagens como a aprendizagem profunda têm sido propostas como uma solução por serem mais sensíveis e precisos. Posteriormente, genes de resistência de microrganismos isolados podem ser identificados por esta metodologia. Portanto, este trabalho teve o objetivo de identificar genes de resistência a antimicrobianos pela ferramenta DeepARG baseada em aprendizagem profunda em genomas de patógenos bacterianos isolados em um hospital. Além da identificação dos potenciais genes de resistência a antibióticos, o estudo realizou uma caracterização funcional dos clones portadores de plasmídeos contendo as sequências selecionadas, na qual não foi observado nenhum sinal de resistência a antibióticos nas condições experimentais utilizadas.The antimicrobial resistance is a health problem worldwide with the annual deaths of more than 1 million people. However, the situation can aggravate in the case that new antimicrobials don\'t be available for clinic\'s purposes. In many studies, the presence of resistance microorganisms had been detected in multiple environments. Among them, the clinical environment has been a source of propagation of superesistance microorganisms to many antibiotics and then, the transference of their antimicrobial resistance genes has been warning out health care organizations. Therefore, it\'s total importance the tracking of microbial strains and their resistance genes in these places. The traditional approaches of bioinformatic in databases are based on the strategy by best hit identification. One of the disadvantages in this approach is the retreat of potential genes that are below the cutoff considerate. However, novel approaches as the Deep learning have been proposed as a solution for being more sensitive and precise in their analyses. Afterwards, isolated resistance genes from isolated microorganisms can be identify by this methodology. Therefore, this project aimed to identify resistance genes by a Deep Learning based tool, the DeepARG in genomes of pathogenic bacterias isolated from hospital. Besides the identification of potential antibiotic resistance genes, the study carried out a functional characterization of clones carrier of plasmids having the selected sequences, in which it was not identified any signal of antibiotic resistance in experimental conditions used.Biblioteca Digitais de Teses e Dissertações da USPGuazzaroni, María EugeniaSilva, Edson Alexandre do Nascimento2023-03-09info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/17/17136/tde-05062023-105043/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2023-06-12T15:26:35Zoai:teses.usp.br:tde-05062023-105043Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212023-06-12T15:26:35Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Caracterização funcional de potenciais genes de resistência a antibióticos identificados por um algoritmo de Deep learning
Functional characterization of potential antibiotic resistance genes identified by a Deep learning algorithm
title Caracterização funcional de potenciais genes de resistência a antibióticos identificados por um algoritmo de Deep learning
spellingShingle Caracterização funcional de potenciais genes de resistência a antibióticos identificados por um algoritmo de Deep learning
Silva, Edson Alexandre do Nascimento
Antimicrobial resistance
Antimicrobial resistance genes
Aprendizado profundo
Bacteria
Bactéria
Deep learning
Genes de resistência antimicrobiana
Resistência antimicrobiana
title_short Caracterização funcional de potenciais genes de resistência a antibióticos identificados por um algoritmo de Deep learning
title_full Caracterização funcional de potenciais genes de resistência a antibióticos identificados por um algoritmo de Deep learning
title_fullStr Caracterização funcional de potenciais genes de resistência a antibióticos identificados por um algoritmo de Deep learning
title_full_unstemmed Caracterização funcional de potenciais genes de resistência a antibióticos identificados por um algoritmo de Deep learning
title_sort Caracterização funcional de potenciais genes de resistência a antibióticos identificados por um algoritmo de Deep learning
author Silva, Edson Alexandre do Nascimento
author_facet Silva, Edson Alexandre do Nascimento
author_role author
dc.contributor.none.fl_str_mv Guazzaroni, María Eugenia
dc.contributor.author.fl_str_mv Silva, Edson Alexandre do Nascimento
dc.subject.por.fl_str_mv Antimicrobial resistance
Antimicrobial resistance genes
Aprendizado profundo
Bacteria
Bactéria
Deep learning
Genes de resistência antimicrobiana
Resistência antimicrobiana
topic Antimicrobial resistance
Antimicrobial resistance genes
Aprendizado profundo
Bacteria
Bactéria
Deep learning
Genes de resistência antimicrobiana
Resistência antimicrobiana
description A resistência antimicrobiana é um problema de saúde em escala mundial com a morte anual de mais de 1 milhão de pessoas. Entretanto, a situação pode se agravar caso novos antimicrobianos não estejam disponíveis para uso clínico. Em diversos estudos, a presença de organismos resistentes vem sendo identificada em múltiplos ambientes. Dentre eles, o ambiente hospitalar tem sido uma fonte de proliferação de microrganismos super-resistentes a diversos antibióticos e, logo, a transferência de seus genes de resistência a antimicrobianos tem preocupado as instituições de saúde. Portanto, é de total importância o rastreamento das linhagens microbianas e seus genes de resistência nestes locais. As abordagens tradicionais de bioinformática em bancos de dados são baseadas na estratégia de identificação de melhores hits. Uma das desvantagens nesta metodologia é o descarte de potenciais genes que estejam abaixo do limiar considerado. Contudo, novas abordagens como a aprendizagem profunda têm sido propostas como uma solução por serem mais sensíveis e precisos. Posteriormente, genes de resistência de microrganismos isolados podem ser identificados por esta metodologia. Portanto, este trabalho teve o objetivo de identificar genes de resistência a antimicrobianos pela ferramenta DeepARG baseada em aprendizagem profunda em genomas de patógenos bacterianos isolados em um hospital. Além da identificação dos potenciais genes de resistência a antibióticos, o estudo realizou uma caracterização funcional dos clones portadores de plasmídeos contendo as sequências selecionadas, na qual não foi observado nenhum sinal de resistência a antibióticos nas condições experimentais utilizadas.
publishDate 2023
dc.date.none.fl_str_mv 2023-03-09
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/17/17136/tde-05062023-105043/
url https://www.teses.usp.br/teses/disponiveis/17/17136/tde-05062023-105043/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1809090409428680704

Registros relacionados