MENU

Projetos de Pesquisa

 

Filtrar Limpar Filtros
Foto de perfil

Alberto Martín Rivera Dávila

Ciências Biológicas

Biologia Geral
E-mail Currículo
  • evolução e filogenômica de genes de resistência à colistina: uma abordagem de sáude única
  • A alta incidência de genes bacterianos que conferem resistência a antibióticos de último recurso, como a colistina, causada por genes de resistência à colistina mobilizada (mcr), representa uma ameaça sem precedentes à saúde humana. Compreender a propagação, evolução e distribuição de tais genes entre isolados de origem humana, animal e ambiental ajudará no desenvolvimento de estratégias para diminuir sua ocorrência bem como entender melhor a dinâmica de propogação desses genes no contexto da sáude única. Para resolver esse problema, propomos dar continuidade e expandir os nossos estudos preliminares sobre a distribuição e a prevalência de potenciais genes mcr no microbioma ambiental (Cuadrat et al 2020) e no microbioma intestinal humano (Andrade et al 2021) e onde foram usadas um conjunto de ferramentas de bioinformática para rastrear a presença, sintenia e filogenia de genes mcr putativos, e genes de resistência a antibióticos co-localizados (Andrade et al 2021). No estudo ambiental (Cuadrat et al 2020) identificamos ARGs conferindo resistência a alguns dos antibióticos clínicos mais relevantes, revelando a presença de 15 ARGs semelhantes a genes de resistência à colistina mobilizados (mcr) com alta abundância em biomas polares. No estudo previo em humanos (Andrade et al 2021) demonstramos a distribuição cosmopolita desses genes em indivíduos em todo o mundo e a co-presença de outros genes de resistência a antibióticos, incluindo Beta-Lactamases de espectro estendido (ESBL). Além disso, descrevemos genes semelhantes a mcr fundidos a um domínio semelhante a PAP2 em S. wadsworthensis. O presente projeto visa o estudo da evolução e filogenômica de genes de resistência à colistina por meio do sequenciamento shotgun dos genomas de isolados de microrganismos de origem humana, animal e ambiental que sejam comprovadamente resistentes à colistina.
  • Fundação Oswaldo Cruz - RJ - Brasil
  • 05/12/2023-31/12/2026
Foto de perfil

Alberto Masayoshi Faria Ohashi

Ciências Exatas e da Terra

Probabilidade e Estatística
E-mail Currículo
  • análise estocástica para processos gaussianos e tópicos relacionados
  • O projeto tem como objetivo estudar questões fundamentais na análise de processos Gaussianos e aplicações a equações diferenciais estocásticas (SDEs). O projeto de pesquisa de 3 anos irá explorar 4 conjuntos de problemas: (1) desenvolvimento de uma teoria de integração estocástica e SDEs para uma classe de processos gaussianos com estrutura de covariância singular. (2) Estimativas quantitativas para vetores aleatórios via a versão de Nourdin-Peccati da matriz de Malliavin. (3) Teorema de Hormander para SPDEs. (4) Algoritmos estocásticos de aprendizado de máquina (ML) sequencial. Em (1), o objetivo é a obtenção de condições de regularidade mais fracas do que as advindas da teoria clássica de Rough Paths para a resolução de SDEs no sentido de Stratonovich. Isso será possível via técnicas de projeção recentemente desenvolvidas pelos integrantes do projeto em recentes trabalhos em conjunto. Em (2), estudaremos a fórmula de Nourdin-Viens num contexto multivariado, questão fundamental na teoria de cálculo de Malliavin. Isso será possível via um estudo aprofundado de Airault, Malliavin e Viens (JFA). Em (3), estudaremos a suavidade das leis de soluções de SPDEs via técnicas desenvolvidas pelos proponentes do projeto em Ohashi, Russo, Shamarova (2021) e outros. Em (4) iremos desenvolver algoritmos numéricos de ML para reconhecimento de padrões e previsão em problemas sequenciais (séries temporais) via medidas Gaussianas em espaços de Wiener abstratos. O tema (1) é um ponto fundamental na teoria de Rough Paths. Nossa abordagem é inovadora e tem forte potencial no resolução de SDEs somente com condições clássicas de regularidade Lipschitz. O tema (4) tem grande importância nos fundamentos matemáticos de algoritmos de ML sequenciais. Nossa metodologia não requer que os dados sejam IID, uma das hipóteses clássicas em ML. Sistemas estocásticos Gaussianos hipoelípticos são pouco compreendidos na literatura. Os ítens (2) e (3) são fundamentais em aplicações.
  • Universidade de Brasília - DF - Brasil
  • 22/01/2024-31/01/2027
Página 50 de 2.626
2 Itens por página
Mostrando 99 - 100 de 5.251 resultados.