EVENTO
Abordagem Computacional para Detecção e Análise de Recombinação em Genomas de Vírus da Dengue
Tipo de evento: Defesa de Dissertação de Mestrado
Compreender os eventos de recombinação em sequências genômicas torna-se importante para elucidar adinâmica não linear da biologia evolutiva, especialmente diante da crescente prevalência e endemicidade depatógenos como o vírus da dengue (DENV). O DENV é dividido em quatro sorotipos (DENV-1, DENV-2, DENV-3 e DENV-4) e cada um apresenta variações genéticas distintas, totalizando 21 genótipos. Eventos de recombinação no DENV já foram relatados em investigações prévias. No entanto, a extensão e a frequência desses eventos ainda são subestimadas, o que desafia a nossa compreensão da evolução genômica viral. A nossa análise computacional para a identificação de eventos de recombinação em DENV foi acoplada ao workflow conceitual desenvolvido nesta dissertação. O workflow aplica diversas técnicas de genômica comparativa e filogenética na análise de eventos de recombinação. Realizamos também uma análise comparativa entre o software estado-da-arte (RDP5) e a nova ferramenta baseada em aprendizado de máquina (Recosim). Foram analisados 6.905 genomas completos de DENV obtidos até 2025 e identificamos 66 eventos de recombinação em 53 sequências recombinantes, sendo que 39 deles são relatados aqui pela primeira vez. Os eventos de recombinação foram detectados em todos os genes do DENV (M, E, NS1, NS2A, NS2B, NS3, NS4A, NS4B e NS5) exceto no gene C. Nos testes estatísticosrealizados na árvore filogenômica do DENV, i) a correlação positiva identificada entre a proporção de terminais recombinantes por clado e comprimento dos ramos e ii) a distribuição dos terminais recombinantesfilogeneticamente próximos de seus pais maiores, permitem explicar o posicionamento artificial dosrecombinantes na árvore. O desempenho do Recosim na detecção de recombinação, avaliado em um teste piloto de 160 alinhamentos com recombinação, demonstrou melhor resultado usando recosim_regularClusters.py com os parâmetros: overlap_threshold = 35, identity_threshold = 0.95, epsilon = 30 e minsamples = 3. Finalmente o Recosim mostrou maior precisão quando comparado ao RDP5 e o RDP5 maior sensibilidade.
Data Início: 11/07/2025 Hora: 09:00 Data Fim: 11/07/2025 Hora: 12:00
Local: LNCC - Laboratório Nacional de Computação Ciêntifica - Virtual
Aluno: Hugo de Paula Oliveira - - LNCC
Orientador: Denis Jacob Machado - University of North Carolina - UNC Charlotte Kary Ann del Carmen Ocaña Gautherot - Laboratório Nacional de Computação Científica - LNCC
Participante Banca Examinadora: Carlos Eduardo Guerra Schrago - Universidade Federal do Rio de Janeiro - UFRJ Gabriel da Luz Wallau - Fundação Oswaldo Cruz - FIOCRUZ Kary Ann del Carmen Ocaña Gautherot - Laboratório Nacional de Computação Científica - LNCC Luciane Prioli Ciapina - Laboratório Nacional de Computação Científica - LNCC
Suplente Banca Examinadora: Dennis Maletich Junqueira - Universidade Federal de Santa Maria - UFSM Marcelo Trindade dos Santos - Laboratório Nacional de Computação Científica - LNCC
