Caracterização funcional de potenciais genes de resistência a antibióticos identificados por um algoritmo de Deep learning
Autor(a) principal: | |
---|---|
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 |