Informações
Nível de aprovação pela UnB
Aprovado pela UnB
Nome Completo do Proponente
Rodrigo Andres Miranda Cerda
Matrícula UnB
1055348
Unidade acadêmica da UnB
rmiracer@unb.br
Link Cúrriculo Lattes
Título da Proposta
Abordagem de sistemas dinâmicos para a COVID-19: Interação não-linear entre o vírus e o sistema imunológico, e teoria de informação.
Sumário Executivo da Proposta
Estudos teóricos da dinâmica da interação entre infecções virais e o sistema imu-
nológico tem contribuído para o entendimento e previsão de doenças (NOWAK; MAY,
2000; PERELSON, 2002). Além disso, ferramentas de teoria de informação tem sido úteis
para a análise e quantificação da presença de padrões em sinais complexos, em particular,
sequências genéticas (SCHMITT; HERZEL, 1997; NOWAK; HAEUSSLER, 2013). Estudos
prévios tem sido realizados para a doença SARS detectada em 2002 através de modelos
não-lineares (MCLEOD et al., 2006) e teoria de informação (GOLDBERGER; PENG,
2005). O presente projeto propõe utilizar ferramentas de sistemas dinâmicos para contribuir
às pesquisas da doença COVID-19. O projeto propõe a construção e análise numérica de
um modelo da interação não-linear entre o vírus SARS–CoV–2 e o sistema imunológico,
e a análise de sequências genéticas do vírus utilizando índices de complexidade. Além
de contribuir para a pesquisa da COVID-19, o projeto prevê a publicação de artigos e
divulgação em eventos científicos, disponibilização de códigos computacionais através de
licença de código livre e formação de estudantes de graduação através de projetos de
iniciação científica.
Tipo da Proposta
Palavras-chave
Sistemas dinâmicos, caos, simulação numérica, teoria de informação, modelos não-llineares
Número de Integrantes da Equipe
4
Nome dos Integrantes da UnB
Prof. Rodrigo Cerda, Profa. Adriane Schelin, Prof. Ronni de Amorim, Lorena Moreira
Há integrantes externos à UnB?
Não
Possui apoio de Grupo de Pesquisa Certificado pela UnB no CNPq?
Sim
Nome/Link do Grupo de Pesquisa certificado no CNPq pela UnB
Laboratorio de Plasmas/https://www.fis.unb.br/experimental/index.php?option=com_content&view=article&id=200:laboratorio-de-fisica-de-plasmas&catid=34&Itemid=16
Público alvo
Análise do Contexto
No final de 2019, um novo tipo de coronavírus foi inicialmente identificado na cidade de Wuhan, província de Hubei, China, e no decorrer de 2020 espalhou-se para o resto do mundo, levando à Organização Mundial da Saúde declarar uma pandemia no dia 11 de março de 2020. O vírus denominado SARS–CoV–2 pertence ao grupo responsável pela síndrome respiratória aguda grave (SARS, do inglês Severe Acute Respiratory Syndrome), e é a causa da doença conhecida como COVID-19 (CERAOLO; GIORGI, 2020). Até o dia de 26 de março de 2020 foram registrados um total de 462684 casos confirmados e 20834 mortes globalmente (OMS, 2020).
Existem diversos estudos teóricos da dinâmica de transmissão de doenças em populações pela doença SARS detectada em 2002 (GUMEL et al., 2004; SMALL; TSE,2005). Recentemente, Rocha Filho et al. (2020) aplicaram um modelo de transmissão populacional do COVID-19 para estimar o impacto da epidemia na região metropolitana de São Paulo. Porém, há uma falta de estudos na dinâmica do vírus dentro do hospedeiro (LI et al., 2020). Modelos não-lineares da interação entre o sistema imunológico e o vírus permitem entender e prever a efetividade de tratamentos e terapias (PERELSON, 2002; KIRSCHNER, 1996; MOREIRA; CERDA; AMORIM, 2019; MIRANDA; MOREIRA; AMORIM, 2020).
Breve Fundamentação Teórica
Estudos teóricos da dinâmica da interação entre infecções virais e o sistema imunológico tem contribuído para o entendimento e previsão de doenças (PERELSON, 2002). Contudo, estudos teóricos da dinâmica do vírus causante da COVID-19 ainda são poucos (LI et al., 2020). Além disso, ferramentas de teoria de informação tem sido úteis para a análise e quantificação da presença de padrões em sinais complexos, em particular, sequências genéticas (SCHMITT; HERZEL, 1997; NOWAK; HAEUSSLER, 2013). Estudos prévios tem sido realizados para a doença SARS detectada em 2002 através de modelos não-lineares (MCLEOD et al., 2006) e teoria de informação (GOLDBERGER; PENG, 2005).
Objetivos e Metas
A proposta é composta de dois objetivos.
1) Simulação numérica de modelo não-linear de infecção por COVID-19.
Será realizada a implementação de um modelo não-linear da interação entre a infecção por COVID-19 e o sistema imunológico, e posterior estudo usando ferramentas de sistemas dinâmicos.
2) Análise não-linear do sequenciamento de COVID-19.
Envolve a análise de dados obtidos através de sequenciamento de COVID-19 utilizando ferramentas de teoria de informação.
As metas básicas do projeto, apresentadas a continuação, são comuns para os dois
objetivos, e podem ser resumidas da seguinte maneira
* Revisão bibliográfica
* Implementação e testes de código numérico
* Preparação e submissão de artigos científicos
* Apresentação dos resultados em congressos científicos.
Metodologia
1) Simulação numérica de modelo não-linear de infecção por COVID-19.
O Proponente e colaboradores recentemente analisaram um modelo não-linear de infeção por HIV sob tratamento antirretroviral (MOREIRA; CERDA; AMORIM, 2019). Propõe-se modificar o modelo para representar uma infeção por COVID-19 (LI et al., 2020).
2) Análise não-linear do sequenciamento de COVID-19.
O Proponente possui experiência no cálculo de entropia aplicado à simulações de fluidos turbulentos (MIRANDA; REMPEL; CHIAN, 2015; CHIAN et al., 2018) e em sinais sísmicos (VOGEL et al., 2020). Pretende-se aplicar a entropia de Shannon e o índice de complexidade Jensen-Shannon na sequência do COVID-19.
Resultados Esperados
1) Simulação numérica de modelo não-linear de infecção por COVID-19.
Através da aplicação de ferramentas de sistemas dinâmicos espera-se identificar regimes de estabilidade e instabilidade, dinâmica periódica e caótica, transições para
caos e comportamento intermitente.
2) Análise não-linear do sequenciamento de COVID-19.
Espera-se identificar o surgimento de padrões na sequência de COVID-19 e quantificar o grau de ordem/desordem, o que permitirá a comparação com outros dados biológicos.
Os resultados desta Proposta devem ser divulgados através de publicações em revistas internacionais de alto impacto, assim como eventos científicos nacionais e interna cionais. Todos os códigos estarão disponíveis na Internet através de uma licença de código livre. O orçamento do projeto contempla duas bolsas de iniciação científica, portanto o projeto também contribuirá para a capacitação de estudantes.
Área de Conhecimento
Subárea de Conhecimento
Há previsão de Orçamento proveniente na unidade acadêmica?
Não
Cronograma da Execução
O cronograma é descrito por objetivo e em trimestres (T1 - T8, duração do projeto: 24 meses).
1. Modelo não-linear da interação entre o SARS–CoV–2 e o sistema imunológico.
a) Revisão bibliográfica: T1-T2.
b) Implementação de código: T1-T2.
c) Testes do código: T2-T3.
d) Preparação de artigos científicos: T3-T7.
e) Submissão de artigos e apresentações em congressos: T5-T8.
2. Análise não-linear do sequenciamento do SARS–CoV–2.
a) Revisão bibliográfica: T1-T3
b) Implementação de código e aquisição de dados: T1-T2.
c) Verificação do código usando dados de teste: T2-T5.
d) Preparação de artigos científicos: T5-T8.
e) Submissão de artigos e apresentações em congressos: T5-T8.
Tempo total de execução previsto
24
