Técnica de machine lerarning para estudo de neurotoxicidade em Drosophila expostas às nanopartículas metálicas

Abstract

A neurodegeneração é um fenômeno que ocorre no sistema nervoso central (SNC) através de alterações associadas a perda de estrutura e função neuronal. A etiologia da maioria das doenças neurodegenerativas é multifatorial e consiste em uma interação entre fatores ambientais e predisposição genética. Dentre os fatores ambientais, estudos têm discutido o potencial da exposição a metais como fatores de risco para doenças neurodegenerativas, devido a indução de estresse oxidativo por espécies oxigênio-reativas (ROS) e radicais livres e ativação microglial. Atualmente, têm se explorado novos modelos animais para estudo in vivo da neurotoxicidade em influência a elementos metálicos. Dentre tais modelos, a Drosophila tem sido um grupo animal de grande aplicação para análise de padrões de atividade neural. Entretanto, essa análise é realizada através de uma inspeção visual e manual de marcadores fluorescentes via microscopia confocal, sendo propicia a uma variabilidade inter e intra observadores. Assim, técnicas de machine learning têm sido amplamente utilizadas para análise de imagens, proporcionando uma avaliação quantitativa mais acurada e precisa. Nesse sentido, o principal objetivo dessa pesquisa foi a implementação de machine learning para estudo de neurotoxicidade em Drosophila expostas às nanopartículas metálicas. Assim, avaliaremos computacionalmente se a exposição dos elementos metálicos pode causar alterações nos padrões de atividades encefálicas através das imagens de microscopia confocal, com reconhecimento e contagem automática de células da glia (associadas ao processo de neurotoxicidade), geração de ROS e sinapse nervosa.