Caracterização funcional de potenciais genes de resistência a antibióticos identificados por um algoritmo de Deep learning (2023)
- Authors:
- Autor USP: SILVA, EDSON ALEXANDRE DO NASCIMENTO - FMRP
- Unidade: FMRP
- Sigla do Departamento: RBP
- DOI: 10.11606/D.17.2023.tde-05062023-105043
- Subjects: BACTÉRIAS; AGENTES ANTIMICROBIANOS; INFECÇÃO HOSPITALAR; GENÉTICA
- Keywords: Antimicrobial resistance; Antimicrobial resistance genes; Aprendizado profundo; Deep learning; Genes de resistência antimicrobiana; Resistência antimicrobiana
- Agências de fomento:
- Language: Português
- Abstract: 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
- Imprenta:
- Publisher place: Ribeirão Preto
- Date published: 2023
- Data da defesa: 09.03.2023
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
SILVA, Edson Alexandre do Nascimento. Caracterização funcional de potenciais genes de resistência a antibióticos identificados por um algoritmo de Deep learning. 2023. Dissertação (Mestrado) – Universidade de São Paulo, Ribeirão Preto, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/17/17136/tde-05062023-105043/. Acesso em: 04 ago. 2025. -
APA
Silva, E. A. do N. (2023). Caracterização funcional de potenciais genes de resistência a antibióticos identificados por um algoritmo de Deep learning (Dissertação (Mestrado). Universidade de São Paulo, Ribeirão Preto. Recuperado de https://www.teses.usp.br/teses/disponiveis/17/17136/tde-05062023-105043/ -
NLM
Silva EA do N. Caracterização funcional de potenciais genes de resistência a antibióticos identificados por um algoritmo de Deep learning [Internet]. 2023 ;[citado 2025 ago. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/17/17136/tde-05062023-105043/ -
Vancouver
Silva EA do N. Caracterização funcional de potenciais genes de resistência a antibióticos identificados por um algoritmo de Deep learning [Internet]. 2023 ;[citado 2025 ago. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/17/17136/tde-05062023-105043/
Informações sobre o DOI: 10.11606/D.17.2023.tde-05062023-105043 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
