Com a união de projetos sobre genômica bacteriana e viral, esta linha foca na compreensão da evolução, disseminação e mecanismos de resistência de patógenos que afetam a saúde pública.

• Epidemiologia genômica de bactérias clinicamente relevantes: esta linha investiga surtos bacterianos e a evolução de patógenos, estudando a resistência a antibióticos e os impactos de vacinas em patógenos como Haemophilus aegyptius e Streptococcus pneumoniae, com foco na caracterização genômica e análise filogenética.

Pesquisadores envolvidos:

• Milton Yutaka Nishiyama Junior

• Enéas de Carvalho

Este tema abrange projetos relacionados à descoberta, análise funcional e potencial terapêutico de compostos bioativos derivados de organismos venenosos, com aplicações em descobertas de fármacos e biotecnologia.

• Métodos computacionais para predição e classificação de peptídeos bioativos: esta linha desenvolve modelos para prever e classificar peptídeos antimicrobianos (AMPs) e outras moléculas bioativas encontradas em organismos venenosos, integrando dados de transcriptoma e proteoma para melhorar a precisão da predição.

• Avaliação genômica ampla do efeito de venenos em bactérias: o objetivo é estudar a resposta das bactérias de interesse médico e veterinário Pseudomonas aeruginosa, Providencia rettgeri e Proteus sp ao veneno de Bothrops alternatus. Essas bactérias são normalmente encontradas em serpentes saudáveis e podem causar infecções em répteis.

Pesquisadores envolvidos:

• Milton Yutaka Nishiyama Junior

• Enéas de Carvalho

Com foco no desenvolvimento de antivenenos e imunoterapia, este tema inclui projetos sobre predição de epítopos, engenharia de anticorpos sintéticos e métodos computacionais para aumentar a segurança e a eficácia de tratamentos para acidentes com serpentes.

• Abordagens computacionais para caracterização e descoberta de epítopos e engenharia de anticorpos em toxinas de cobra: este projeto aborda o problema global de saúde causado pelo envenenamento por serpentes, reconhecido pela OMS como uma doença tropical negligenciada. A produção tradicional de antiveneno é cara e pode causar reações adversas, o que leva à pesquisa de alternativas. Esta linha propõe métodos computacionais para prever epítopos de toxinas de veneno e estudar estruturas de anticorpos que podem servir como modelos para anticorpos sintéticos, visando aumentar a capacidade de ligação e a redução dos efeitos colaterais.

• Design de vacinas multi-epítopos: uma vacina pode estimular vários aspectos da resposta imune. Para aumentar e maximizar essa capacidade, o NBBC identifica partes específicas de uma proteína (os epítopos) que têm propriedades imunológicas únicas e alta probabilidade de desencadear resposta imune. Ao combinar esses epítopos direcionados em um único antígeno, é criada uma vacina multi-epítopo, que envolve múltiplas facetas da resposta imune, intensificando seu efeito e aumentando as chances de sucesso do imunizante.

Pesquisadores envolvidos:

• Milton Yutaka Nishiyama Junior

• Enéas de Carvalho

Com inteligência artificial (IA) e predição estrutural, este tema apoia projetos focados na modelagem de estruturas de proteínas, padrões de glicosilação e modificações pós-traducional para entender as funções de proteínas e design de biomoléculas.

• Evolução e caracterização funcional de famílias de genes em venenos de aracnídeos: com o objetivo de entender a evolução e os mecanismos moleculares dos genes de venenos, são estudadas a duplicação de genes, as junções alternativas e as modificações. O projeto visa revelar como esses fatores impulsionam a diversidade de venenos e descobrir potenciais aplicações biotecnológicas por meio do desenvolvimento de Redes Regulatórias de Genes, modelos de IA e Redes Adversas Generativas.

• Modelos de IA para descrever a estrutura de toxinas glicosiladas de serpentes Bothrops: a glicolisação, uma modificação pós-traducional essencial, é crítica para a estabilidade e função das toxinas de serpentes. Esta pesquisa usa modelos de IA e métodos analíticos para prever a estrutura de toxinas glicosiladas, com foco em glicopeptídeos em venenos de Bothrops. Ao integrar abordagens de aprendizado físico e machine learning, este projeto avança na compreensão do papel da glicosilação na estrutura da proteína, contribuindo potencialmente para o design de biomoléculas e vacinas.

• Avaliação dos principais fatores relacionados a falhas na produção industrial de imunobiológicos: a produção industrial de imunobiológicos envolve muitos processos, e falhas em qualquer uma dessas etapas podem interromper toda a cadeia de produção, levando ao aumento de custos e a potenciais perdas de produtos. Para identificar e avaliar sistematicamente esses pontos de falha e sua criticidade, o NBBC conduz uma análise de dados aprofundada a partir de técnicas de machine learning. Este projeto visa melhorar a identificação de fatores de risco, permitindo medidas preventivas mais robustas em toda a cadeia de produção imunológica.

Pesquisadores envolvidos:

• Milton Yutaka Nishiyama Junior

• Enéas de Carvalho