Integração de dados para construção de modelos estatísticos preditores de neurodesenvolvimento em função da exposição a estressores
Transtornos neuropsiquiátricos e do neurodesenvolvimento contemplam condições heterogêneas com etiologia multifatorial e poligênica. No entanto,evidências sugerem que eventos estressores pré-natais contribuem de diferentes formas na programação fetal, influenciando o desfecho de seu neurodesenvolvimento e atuando na predisposição a essas condições em sua etiologia. Esquizofrenia, Depressão, Paralisia Cerebral, Transtornos do Espectro Autista (TEA) e Transtorno do Déficit de Atenção e Hiperatividade (TDAH) compreendem algumas das condições, discutidas na literatura, em que a programação fetal pode ter contribuição determinante na sua etiologia. Dentro desse cenário, a placenta tem papel fundamental para a manutenção da homeostase do feto, atuando durante a gestação como importante intermediário na relação materno-fetal. O estresse pré-natal também tem influência sobre a programação placentária, provocando alterações em seu metiloma, na expressão de seus genes e por fim na sua função. A caracterização dessas alterações, das alterações maternas e fetais, são fundamentais para a identificação de preditores biológicos para desfechos do neurodesenvolvimento, além de serem essenciais na compreensão de seus mecanismos. Portanto, através de estratégias de aprendizado de máquina combinadas com análises de redes complexas, o presente projeto se propõe a integrar, e analisar, diferentes tipos de dados ômicos e clínicos, de modo a caracterizar as alterações placentárias, maternas e do infante resultantes de estresse pré-natal, viabilizando assim a elaboração de modelos preditores do desfecho do neurodesenvolvimento.