Mariana Recamonde Mendoza
Universidade Federal do Rio Grande do SulDepartamento de Informática Aplicada
Associated researcher
Information extracted from Lattes platform
Last update: 2021/04/30
Degrees
Ph.D. Computação na Universidade Federal do Rio Grande do Sul em 2014B.Sc. Engenharia de Computação na Universidade Federal do Rio Grande em 2010
Current projects
| 2020 a Atual | CIDIA-19 - CIência de Dados e Inteligência Artificial para combater a COVID-19 A aplicação da Ciência de Dados na área da saúde tem se tornado cada vez mais frequente, dado o seu potencial de gerar insights que auxiliam na tomada de decisão, melhoram as condições de saúde dos pacientes e otimizam as operações hospitalares. No contexto da COVID-19, a rapidez com que a doença se disseminou pelo mundo, acometendo mais de 1,5 milhões de pessoas e causando mais de 100 mil óbitos, demanda soluções ágeis para acelerar o diagnóstico de pacientes com sintomas suspeitos e estimar a evolução da doença. Diante das limitações associadas à aplicação de exames laboratoriais e do acentuado aumento na demanda por serviços de saúde em um cenário de pandemia, é imprescindível o desenvolvimento de estratégias para alavancar a análise de dados clínicos, histórico epidemiológico, e exames por imagem, a fim de mais rapidamente diagnosticar COVID-19 entre casos suspeitos, principalmente em estágios iniciais da doença. Desta maneira, o objetivo desse projeto é aplicar técnicas do estado-da-arte de aprendizado de máquina para o auxílio ao diagnóstico e à melhoria da compreensão acerca da COVID-19. Integrantes: João Luiz Dihl Comba (coordenador), Mariana Recamonde Mendoza, Viviane Pereira Moreira, Cláudio Jung, Roger Eliandro Menezes, Ana Paula Zanardo, Rafael Domingos Grando, Gisele Nader Bastos, Luiz Antônio Nassi, Vitor Tadeu Ferreira, Tiago Severo Garcia, Mateus Samuel Tonetto, Carlo Sasso Faccin, Cauã Oliveira Rocha. |
| 2020 a Atual | Diagnóstico e predição clínica em oncologia: análise integrativa de dados ômicos através de modelos complexos de aprendizado de máquina A identificação de biomarcadores indicativos da predisposição, desenvolvimento ou prognóstico de doenças, ou ainda da resposta à atividade farmacológica, é um dos mais importantes objetivos da pesquisa biomédica atualmente. Do ponto de vista da prática clínica, biomarcadores possuem um tremendo impacto no screening, diagnóstico e tratamento de doenças complexas como o câncer (CA), responsável por um sexto da mortalidade global e com previsão de aumento de até 70% no número de casos nas próximas duas décadas. A medicina de precisão, novo paradigma para uma medicina mais preventiva e individualizada, busca otimizar as decisões sobre diagnóstico ou tratamento clínico de acordo com características individuais do paciente a fim de reduzir o impacto social e econômico destas doenças, o que depende muito do conhecimento acerca de biomarcadores. No entanto, é extremamente desafiador identificar biomarcadores efetivos. Isto se deve, em parte, pela complexidade de doenças como câncer, a qual é induzida por alterações em múltiplas camadas de atividades moleculares, como genoma, transcriptoma e epigenoma, resultando em uma grande heterogeneidade dos tumores. Como consequência, em muitos casos as assinaturas de diagnóstico e prognóstico identificadas em uma população não funcionam em outra população. Assim, enquanto a estabilidade de biomarcadores é uma qualidade imprescindível como um método de auxílio na tomada de decisão clínica, é algo difícil de ser alcançado na prática. Complementar a este desafio está a dificuldade em se apontar novos candidatos a biomarcadores, tendo em vista o grande número de características genéticas e genômicas (por exemplo, milhares de genes e milhões de proteínas) que podem influenciar no desenvolvimento e progressão de doenças, e, portanto, atuar como marcadores biológicos. O presente projeto propõe abordar o problema de identificação de biomarcadores a partir de dados genômicos explorando o conceito de ensemble learning (i.e., aprendizado a partir da combinação de múltiplos algoritmos a fim de melhorar o desempenho preditivo) em conjunto com metodos de seleção de atributos e algoritmos de aprendizado supervisionado. Trabalhos anteriores atestam a melhoria na estabilidade de atributos selecionados ao se combinar resultados obtidos de dados ligeiramente diferentes, como por exemplo, diferentes amostras de um mesmo transcriptoma. No entanto, considerando a ampla disponibilidade de dados ômicos atualmente, melhores resultados poderiam ser obtidos ao se combinar dados gerados por diferentes estudos de forma a melhor modelar a variabilidade fenotípica do câncer, bem como diferentes tipos de dados ômicos de forma a capturar a interação entre alterações moleculares em níveis distintos (e.g., metilação e expressão de genes) ? abordagens ainda pouco exploradas na literatura. Como estudo de caso, nossa proposta abordará a busca por novos biomarcadores de diagnóstico e prognóstico em câncer de mama e câncer de tireoide, visando a criação de uma ferramenta de alta acurácia e baixo custo para auxiliar na tomada de decisão clínica, e contribuir com a redução da incidência e mortalidade por estes tipos de tumores. Integrantes: Mariana Recamonde Mendoza (coordenador), Raquel Calloni, Rodrigo Haas Bueno, GOEMANN, IURI M., MARCZYK, VICENTE R., MAIA, ANA LUIZA, Bernardo Trevizan, Carla Vaz Ferreira Vargas, Patricia Pacheco Viola, Felipe Colombelli. |
| 2018 a Atual | Busca de novos biomarcadores de progressão da doença renal do diabetes através do estudo do mirNoma urinário A DRD afeta de 25-40% dos pacientes com DM1 e está associada com elevada morbidade e mortalidade em indivíduos jovens em idade produtiva (75). A dosagem de albumina na urina (EUA) tem sido utilizada como um biomarcador para predizer essa complicação; entretanto, estudos recentes mostram que há pacientes que desenvolvem a DRD antes que um aumento na albuminúria seja detectado. Além disso, as equações atualmente recomendadas para estimativa da TFG subestimam a TFGe em pacientes diabéticos e não permitem avaliar com precisão o declínio da função renal. Dessa forma, a identificação de novos biomarcadores poderá auxiliar no diagnóstico precoce desta complicação crônica do DM, bem como na avaliação da sua progressão, fornecendo estratégias para modificar o curso e prognóstico da DRD nas suas diferentes fases evolutivas. Os miRNAs são pequenas moléculas de RNAs não-codificantes pequenos que regulam negativamente a expressão gênica. Mudanças na expressão de miRNAs foram observadas em diversas situações patológicas, incluindo no DM1, DM2 ou suas complicações crônicas. Os estudos que relacionaram mudanças na expressão de miRNAs com o desenvolvimento da DRD em humanos ou modelos animais sugerem que um perfil de miRNAs parece se alterar nas diferentes fases dessa complicação crônica. Entretanto, os resultados desses estudos ainda não são conclusivos, isto é, não apontam um perfil único de expressão de miRNAs circulantes no plasma/soro ou de miRNAs urinários que possa ser usado como biomarcador das diferentes fases da DRD. Sendo assim, muitos estudos ainda são necessários para identificar um perfil alterado de expressão de miRNAs em pacientes com DRD. Os miRNAs circulantes e urinários são de especial interesse como potenciais biomarcadores, pois podem ser coletados facilmente, são estáveis sob diferentes condições de estocagem e podem ser medidos usando-se técnicas específicas (como qPCR). Considerando que a coleta de urina aleatória é fácil de ser realizada por ser um processo não invasivo, bem como não necessita jejum e pode ser realizada a qualquer momento do dia, ela pode ser um importante líquido biológico para análise de miRNAs envolvidos na DRD. Além disso, miRNAs urinários não são eliminados durante o processo de hemodiálise, não sofrem filtração glomerular e podem refletir mais diretamente alterações renais ao contrário de miRNAs circulantes no plasma ou soro, os quais podem estar marcando alterações em diversos outros tecidos. Dessa forma, a análise do miRNoma urinário (análise de todos os miRNAs conhecidos) em pacientes com DRD (progressores para declínio rápido na TFGe vs. não-progressores) e em pacientes sem essa complicação poderá contribuir a identificação de possíveis biomarcadores para o desenvolvimento e progressão dessa doença. Integrantes: Daisy Crispim (coordenador), Mariana Recamonde Mendoza, Tais Silveira Assmann, Marcia Puñales, Balduino Tschiedel, Andrea C Bauer, Cristine Dieter, Denise Taurino Ramos, Ketlen da Silveira Moraes. |
| 2017 a Atual | Caracterização genômica e epigenômica dos tumores de pâncreas e efeitos da inibição da via de Hedgehog Entre os grandes desafios das pesquisas em câncer está a elucidação das alterações genéticas responsáveis pela iniciação e progressão tumoral de cada tipo de câncer e o desenvolvimento de terapias específicas para cada uma dessas etapas. Assim, a medicina personalizada baseia-se no conhecimento profundo e individualizado da biologia tumoral de cada paciente e requer uma combinação de estratégias para determinar corretamente o perfil do paciente, possibilitando não só o diagnóstico seguro e de preferência precoce, como também fornecendo informações essenciais à conduta clínica, como prognóstico e resposta ao tratamento. Nesse contexto, a genômica tem contribuído para a identificação de biomarcadores que possam auxiliar na compreensão dos mecanismos envolvidos na carcinogênese e de alvos moleculares potenciais. Uma barreira para o desenvolvimento da medicina personalidada é a heterogeneidade genética intratumoral, que consiste na existência de diferentes subpopulações de células, com diferentes genótipos e fenótipos, dentro de um mesmo tumor. Como consequência, tais subgrupos celulares apresentam comportamentos diferentes, seja dentro de um mesmo tumor, ou entre o tumor e suas metástases. No presente estudo, propõem-se realizar análises genéticas e epigenéticas no CAV e ADP a fim de identificar alterações específicas desses dois tumores e gerar informações que possam contribuir para, futuramente, definir um modelo de progressão genética e epigenética para o desenvolvimento deste tumor. Este estudo propõe uma abordagem de múltiplos aspectos dos tumores pancreáticos, desde um melhor entendimento da biologia tumoral até novos tratamentos. Nossos resultados irão, em última análise, fornecer uma base para o desenvolvimento de uma nova abordagem diagnóstica, levando em consideração a heterogeneidade do tumor e sua evolução policlonal; elucidar os efeitos da inibição da via de Hedgehog através de uma nova combinação terapêutica, nunca antes avaliada; e melhor caracterizar um raro tumor periampular, avaliando de forma abrangente o perfil de metilação e alterações no número de cópias do DNA de amostras de pacientes com lesões pancreáticas e verificando se os níveis de metilação estão particularmente associados a algum aspecto clínico da doença (auxiliando na previsão do comportamento tumoral). Finalmente, será possível avaliar a capacidade deste perfil molecular na distinção de amostras de diferentes origens, o que facilitaria o diagnóstico diferencial dos tumores pancreáticos. Integrantes: Alessandro Bersch Osvaldt (coordenador), Mariana Recamonde Mendoza, Cleandra Gregório, Barbara Alemar, Raquel C. Rivero, Simone M. S. Machado, Patricia Ashton-Prolla, Patrícia Luciana da Costa Lopez, Ivaine Taís Sauthier Sartor, Luis Felipe Ribeiro Pinto, Eduardo Cheuiche Antonio, Sheila Coelho Soares Lima. |
| 2017 a Atual | Análise de ensaios experimentais de exposição à talidomida e seus análogos depositados no banco de dados Gene Expression Omnibus (GEO) A talidomida tem sido foco de muitas pesquisas, porém a maioria dos ensaios são clínicos e visam o entendimento de suas propriedades para o usoterapêutico no tratamento de diferentes condições, especialmente doenças autoimunes e diferentes tipos de câncer. Ensaios que buscam acompreensão da teratogênese são mais escassos. A busca por um análogo mais seguro é contínua, porém muito prejudicada pela falta deconhecimento dos mecanismos moleculares de teratogênese.A talidomida potencialmente afeta a expressão de diferentes genes durante odesenvolvimento, tanto estimulando quanto inibindo-os, influenciando em todo um mecanismo de regulação de transcrição. Ensaios em larga escala (tais como transcriptomas) têm investigado a expressão diferencial de genes-alvo da talidomida após à sua exposição ou a de seus análogos.Porém, novos alvos continuam surgindo e tais ensaios não são reavaliados, apesar de conter muitas informações que poderiam ser de grandeinteresse para a comunidade científica. Estimamos que muitas informações relevantes podem estar contidas nos arquivos do GEO, sem ter sidoavaliadas, incluindo dados de exposição à talidomida em diferentes espécies que não foram correlacionados. A avaliação de dados secundáriospermitiria uma abordagem mais ampla, com diferentes hipóteses, com o objetivo de explorar os potenciais aspectos da teratogênese que nãopoderiam ser entendidos quando olhando separadamente para esses dados. O uso de dados secundários a partir de repositórios públicos, tais como o GEO, têm sido cada vez mais utilizadas como uma alternativa de baixo custo, para a avaliação de ensaios de expressão gênica. Além da economia de recursos, tal abordagem é também eticamente adequada uma vez que evita o uso de modelos animais para obtenção de dadossimilares a outros grupos de pesquisa. Integrantes: Fernanda Sales Luiz Vianna (coordenador), Mariana Recamonde Mendoza, Thayne Woycinck Kowalski, Lucas Rosa Fraga, Julia A Gomes, LAVÍNIA SCHULER-FACCINI, Mariléa Furtado Feira, Perpetua do Socorro Silva Costa. |
| 2016 a Atual | Aprendizagem de Máquina Decentralizada: Uma Abordagem Baseada em Funções de Escolha Social Uma suposição comumente adotada em tarefas de Aprendizado de Máquina (AM), notadamente as de classificação de padrões, é a de que o repositório de dados esteja todo ele centralizado e disponível quando da etapa de indução do modelo de estimação (classificador). Contudo, em muitas situações, tal suposição se mostra impraticável, haja vista a existência de restrições relativas à privacidade dos dados e aos altos custos de armazenamento, transmissão e processamento dos mesmos. Para lidar com esse cenário mais desafiador, novos sistemas de AM descentralizados vêm sendo desenvolvidos nos últimos anos, em que estimadores locais, encapsulados em agentes autônomos, passam a ser inferidos separadamente e combinados posteriormente em um modelo de consenso global. Nesse contexto específico, o presente projeto almeja investigar novas extensões de uma abordagem de classificação descentralizada recém-criada pelo nosso grupo, a qual se baseia na agregação das decisões dos agentes-classificadores via funções de escolha social. Mais precisamente, pretende-se estudar mais detalhadamente as propriedades de diferentes funções de escolha/bem-estar social existentes na literatura e analisar o impacto prático da sua adoção quando da combinação das saídas dos classificadores (heterogêneos) descentralizados. Ademais, pretende-se investigar novos esquemas hierárquicos de agregação, em que as funções de escolha/bem-estar social são usadas em camadas. Em vez de focar exclusivamente na tarefa de classificação binária, como feito originalmente, variantes mais complexas serão consideradas ao longo deste projeto, abarcando a classificação com múltiplas classes, a classificação multirrótulo e a classificação semi-supervisionada. Finalmente, será analisado o impacto da existência de ruído corrompendo os rankings gerados pelos classificadores sobre o desempenho da abordagem Integrantes: Ana L. C. Bazzan (coordenador), Mariana Recamonde Mendoza. |
| 2014 a Atual | Aplicação de Ferramentas de bioinformática e biologia de sistemas para investigar os mecanismos de regulação de microRNAs e sua relação com adiposidade em pacientes com insuficiência cardíaca crônica Este projeto tem como objetivo avaliar e comparar os padrões de expressão de microRNAs para pacientes que apresentam associação entre IC e obesidade em comparação com pacientes diagniostidos para IC somente, e investigar os alvos e mecanismos de regulação desses microRNAs através de uma análise abrangente baseada em bioinformática e biologia de sistemas. Integrantes: Andreia Biolo (coordenador), Mariana Recamonde Mendoza. |
| 2014 a Atual | Análise de microRNAs relacionados à hipertrofia cardíaca e autofagia durante o desenvolvimento da hipertrofia cardíaca fisiológica em camundongos submetidos a natação. A hipertrofia cardíaca (HC) se caracteriza pelo aumento da massa do coração, devido a um aumento nas dimensões dos cardiomiócitos. Este processo provoca aumento no consumo de oxigênio e nutrientes nos cardiomiócitos e, como consequência, promove mudanças funcionais e bioquímicas nas células. A autofagia é o processo homeostático em que ocorre o englobamento de componentes intracelulares como: lipídeos, proteína, açúcares a serem usados como substratos para lisossomos. A ativação das vias de fluxo autofágico ocorre em duas situações: em baixo nível de fluxo autofágico devido uma baixa energética a fim de manter a sobrevivência celular, já a ativação pronunciada tende a esgotar os elementos celulares culminando em morte. As ações autofágicas tem mecanismos potenciais pró ou anti-sobrevivência, assim a sobrevivência dos cardiomiócitos está relacionada com níveis fisiológicos de autofagia. Portanto, a via autofágica aumentada no coração resulta em hipertrofia, dilatação do ventrículo esquerdo e débito cardíaco reduzido. A miostatina é um regulador negativo do crescimento muscular esquelético. É um fator de crescimento pertencente à superfamília do fator transformador do crescimento beya (TGF-beta). Em condições patológicas como na insuficiência cardíaca, neoplasias, distrofias musculares e desnervação a miostatina (MSTN) é muito estudada e apresenta-se aumentada. Nosso grupo avaliou recentemente o comportamento da MSTN no modelo de hipertrofia cardíaca fisiológica induzido por natação, contudo mais estudos são necessários para entender a relação MSTN com autofágica após exercício. Os microRNAs tem papel importante tanto no processo de hipertrofia fisiológica quanto patológica. O objetivo deste projeto é avaliar níveis gênicos de autofagia e miostatina em músculo cardíaco e esquelético, analisar níveis proteicos de autofagia em músculo cardíaco e esquelético, analisar miR-30a, -208a e -27a em tecido cardíaco de camundongos Balb/c submetidos à natação. Integrantes: Andreia Biolo (coordenador), Mariana Recamonde Mendoza, Nadine Clausell, Michael Everton Andrades, Graziella Hunning Pinto, Carolina Cohen, Santiago Alonso Tobar Leitão. |
| 2013 a Atual | Simulação e Inferência de Modelos Mecanicistas de vias biológicas Um grande desafio em Biologia Computacional é a modelagem das redes regulatórias através de modelos mecanicistas, ou seja por sistemas de equações diferenciais acopladas. Neste caso o número de parâmetros e a necessidade de conhecimento da estrutura da redes tornam o seu uso proibitivo para a maioria dos casos. Porém, com o avanço de métodos de medição de variáveis biológica e poder computacional alguns modelos mecanicistas de pequenas redes regulatórias são desenvolvidas atualmente com grande sucesso. Nesta proposta estamos especificamente interessados na investigação de métodos estatístico e computacionais para a inferência da estrutura e parâmetros de redes regulatórias modeladas por sistemas de equações diferenciais ordinárias (ODEs). Integrantes: Adriano Velasque Werhli (coordenador), Mariana Recamonde Mendoza, Karina dos Santos Machado. |
Current applied research projects
Recent publications
Articles in journals
EPGAT: Gene Essentiality Prediction With Graph Attention Networks2021. IEEE-ACM Transactions on Computational Biology and Bioinformatics.
Detecting Aedes aegypti Mosquitoes through Audio Classification with Convolutional Neural Networks
2021. COMPUTERS IN BIOLOGY AND MEDICINE.
Meta-analysis of Transcriptomic Data Reveals Pathophysiological Modules Involved with Atrial Fibrillation
2020. Molecular Diagnosis & Therapy.
Anticonvulsants and Chromatin-Genes Expression: A Systems Biology Investigation
2020. Frontiers in Neuroscience.
Spectral Alignment of Graphs
2020. IEEE Transactions on Network Science and Engineering.
Decreased expression of the thyroid hormone-inactivating enzyme type 3 deiodinase is associated with lower survival rates in breast cancer
2020. Scientific Reports.
Calcium Signaling Alterations Caused by Epigenetic Mechanisms in Pancreatic Cancer: From Early Markers to Prognostic Impact
2020. Cancers.
A comparative evaluation of aggregation methods for machine learning over vertically partitioned data
2020. EXPERT SYSTEMS WITH APPLICATIONS.
Urinary peptidomics and bioinformatics for the detection of diabetic kidney disease
2020. Scientific Reports.
CRL4-Cereblon complex in Thalidomide Embryopathy: a translational investigation
2020. Scientific Reports.
A comprehensive analysis of core polyadenylation sequences and regulation by microRNAs in a set of cancer predisposition genes
2019. GENE.
How to make more from exposure data? An integrated machine learning pipeline to predict pathogen exposure
2019. JOURNAL OF ANIMAL ECOLOGY.
Identification of Candidate Biomarkers for Transplant Rejection from Transcriptome Data: A Systematic Review
2019. Molecular Diagnosis & Therapy.
Synergistic effects between ADORA2A and DRD2 genes on anxiety disorders in children with ADHD
2019. PROGRESS IN NEURO-PSYCHOPHARMACOLOGY & BIOLOGICAL PSYCHIATRY.
Systems biology approach identifies key regulators and the interplay between miRNAs and transcription factors for pathological cardiac hypertrophy
2019. GENE.
TULP3: A potential biomarker in colorectal cancer?
2019. PLoS One.
Identifying outbreaks of Porcine Epidemic Diarrhea virus through animal movements and spatial neighborhoods
2019. Scientific Reports.
Circulating miRNAs in diabetic kidney disease: case-control study and in silico analyses
2019. ACTA DIABETOLOGICA.
MicroRNAs and diabetic kidney disease: Systematic review and bioinformatic analysis
2018. MOLECULAR AND CELLULAR ENDOCRINOLOGY.
MicroRNA expression profile in plasma from type 1 diabetic patients: Case-control study and bioinformatic analysis
2018. DIABETES RESEARCH AND CLINICAL PRACTICE.
MicroRNA expression profiles and type 1 diabetes mellitus: systematic review and bioinformatics analysis
2017. Endocrine Connections.
Social choice in distributed classification tasks: Dealing with vertically partitioned data
2016. Information Sciences.
RFMirTarget: Predicting Human MicroRNA Target Genes with a Random Forest Classifier
2013. Plos One.
Papers in conferences
Identifying and Fusing Duplicate Features for Data Mining2020. Simpósio Brasileiro de Bancos de Dados (SBBD).
Dynamic Correlation-Based Feature Selection for Feature Drifts in Data Streams
2019. 2019 8th Brazilian Conference on Intelligent Systems (BRACIS).
Adaptive Incremental Gaussian Mixture Network for Non-Stationary Data Stream Classification
2018. 2018 International Joint Conference on Neural Networks (IJCNN).
Social-Training: Ensemble Learning with Voting Aggregation for Semi-supervised Classification Tasks
2017. 2017 Brazilian Conference on Intelligent Systems (BRACIS).
Supporting Self-managed Infrastructures: a Classification-Based Approach using Social Choice Functions
2014. 10th International Workshop on Agents and Data Mining Interaction (ADMI-14) joint with the International Conference on Autonomous Agents and Multiagent Systems (AAMAS-2014). 4
Reverse Engineering of GRNs: an Evolutionary Approach Based on the Tsallis Entropy
2012. 2012 Genetic and Evolutionary Computation Conference (GECCO 2012).
Evolving Random Boolean Networks with Genetic Algorithms for Regulatory Networks Reconstruction
2011. 2011 Genetic and Evolutionary Computation Conference (GECCO 2011).
Inferring Genetic Regulatory Networks with an Hierarchical Bayesian Model and a Parallel Sampling Algorithm
2010. Eleventh Brazilian Symposium on Neural Networks (SBRN'2010).
Extended abstracts in conferences
Functional analysis of microRNA and transcription factor co-regulatory network in pathological cardiac hypertrophy2016. Escola Gaúcha de Bioinformática.
The Wisdom of Crowds in Bioinformatics: What Can We Learn (and Gain) from Ensemble Predictions?
2013. Twenty-Seventh AAAI Conference on Artificial Intelligence (AAAI-13).
Abstracts in conferences
ZNF48 and ZNF84 are potentially involved in the regulation of genes affected by thalidomide2021. 48th Conference of the European Teratology Society (ETS).
Interatoma microrRNA-mRNA em pacientes brasileiros com Doença de Gaucher - ensinamentos de um estudo piloto
2019. 39ª Semana Científica do Hospital de Clínicas de Porto Alegre.
Análises evolutivas comparadas e de cooexpressão gênica no entendimento da variabilidade interespecífica da Embriopatia da Talidomida
2019. 39ª Semana Científica do Hospital de Clínicas de Porto Alegre.
A Bioinformatics and Systems Biology Approach to Investigate Thalidomide Teratogenesis: New Findings on Beta-Catenin Centralized Rol
2019. EMBO Workshop - Network Inference in Biology and Disease.
Abstract 943: Circulating Mirnome in Obese and Lean Heart Failure Patients: A Case-control Study
2019. American Heart Association's Basic Cardiovascular Sciences 2019 Scientific Sessions.
Abstract 4926: Loss of deiodinase type 3 expression distinguishes patients with poor prognosis in breast cancer
2019. Proceedings: AACR Annual Meeting 2019; March 29April 3, 2019; Atlanta, GA.
An integrative analysis through systems biology tools suggest beta-catenin protein (CTNNB1) interconnecting the main hypotheses of thalidomide teratogenesis
2018. 46th Annual Meeting of the European Teratology Society (ETS 2018).
Talidomida e biologia de sistemas: uma nova ciência que pode auxiliar no desafio do entendimento de um antigo teratógeno
2018. 38ª Semana Científica do HCPA.
MicroRNA expression profiling and functional annotation analysis of their targets in patients with diabetic kidney disease
2018. 20th European Congress of Endocrinology (ECE-2018).
A systems biology approach suggests thalidomide teratogenesis could be driven by different pathways interconnected by beta-catenin protein
2018. Integrating Systems Biology: From Networks to Mechanisms to Models.
Avaliação da integridade de mirnas circulantes extraídos por diferentes técnicas de pacientes com insuficiência cardíaca obesos e eutrófico
2018. 38ª Semana Científica do Hospital de Clínicas de Porto Alegre.
Perfil da expressão de microRNAs e seu papel na retinopatia diabética: uma revisão sistemática
2018. 38ª Semana Científica do Hospital de Clínicas de Porto Alegre.
Análise de transcriptomas para identificação de biomarcadores de rejeição a transplantes: uma revisão sistemática da literatura
2018. 38ª Semana Científica do Hospital de Clínicas de Porto Alegre.
TULP3 como possível biomarcador de prognóstico para o câncer gástrico do tipo difuso
2018. 38ª Semana Científica do Hospital de Clínicas de Porto Alegre.
Perfil de expressão de microRNAs na doença renal do diabetes: um estudo de caso-controle e análise de bioinformática
2018. 38ª Semana Científica do Hospital de Clínicas de Porto Alegre.
Desenvolvimento de uma plataforma visual, flexível e intuitiva para análises de expressão gênica por microarranjo
2018. VIII Feira de Inovação Tecnológica da UFRGS (FINOVA).
Polyadenilation Regulatory Sequences and Frequency of Alternative Polyadenilation Sites in a Comprehensive Set of Cancer Predisposition Genes
2017. Escola Gaúcha de Bioinformática.
Análises in silico apontam superexpressão de EZH2 em adenocarcinoma ductal pancreático
2017. 37ª Semana Científica do HCPA.
Bioinformatics Analysis in Gene Expression Data from Publicly Available Databases
2017. Escola Gaúcha de Bioinformática 2017.
Análise dos padrões de metilação do adenocarcinoma ductal pancreático sugerem desregulação na via de sinalização de cálcio
2017. 37ª Semana Científica do HCPA.
Investigação de um perfil de expressão de microRNAs no plasma de pacientes com diabetes tipo 1: estudo de caso-controle e análise de bioinformática
2017. 37ª Semana Científica do HCPA.
microRNA expression profile in plasma from patients with type 1 diabetes: a case-control study and bioinformatics analysis
2017. 19th European Congress of Endocrinology.
Bioinformatics analysis reveals a possible risk biomarker for developing gastric cancer
2017. 37ª Semana Científica do HCPA.
See all publications in Lattes
Current students
MS
Herwin Pozzobon Silva. (a definir). Início: 2021. Universidade Federal do Rio Grande do Sul (Orientador principal)Emanoel Aurelio Vianna Fabiano. (a definir). Início: 2020. Universidade Federal do Rio Grande do Sul (Orientador principal)
Renan Soares de Andrades. (a definir). Início: 2020. Universidade Federal do Rio Grande do Sul (Orientador principal)
PhD
Jorge Cristhian Chamby Diaz. (a definir). Início: 2018. Universidade Federal do Rio Grande do Sul (Co orientador)See all students in Lattes
