Defesa de Dissertação de Mestrado: Abordagem Computacional para Detecção e Análise de Recombinação em Genomas de Vírus da Dengue

Orientadores:
Kary Ann del Carmen Ocaña Gautherot - Laboratório Nacional de Computação Científica - LNCC
Denis Jacob Machado - University of North Carolina - UNC Charlotte

Banca Examinadora:
Kary Ann del Carmen Ocaña Gautherot - Laboratório Nacional de Computação Científica - LNCC (presidente)
Luciane Prioli Ciapina - Laboratório Nacional de Computação Científica - LNCC
Carlos Eduardo Guerra Schrago - Universidade Federal do Rio de Janeiro - UFRJ
Gabriel da Luz Wallau - Fundação Oswaldo Cruz - FIOCRUZ

Suplentes:
Marcelo Trindade dos Santos - Laboratório Nacional de Computação Científica - LNCC
Dennis Maletich Junqueira - Universidade Federal de Santa Maria - UFSM

Resumo:

Compreender os eventos de recombinação em sequências genômicas torna-se importante para elucidar a dinâmica não linear da biologia evolutiva, especialmente diante da crescente prevalência e endemicidade de patógenos como o vírus da dengue (DENV). O DENV é dividido em quatro sorotipos (DENV-1, DENV-2, DENV-3 e DENV-4) e cada um apresenta variações genéticas distintas, totalizando 21 genótipos. Eventos de recombinação no DENV já foram relatados em investigações prévias. No entanto, a extensão e a frequência desses eventos ainda são subestimadas, o que desafia a nossa compreensão da evolução genômica viral. A nossa análise computacional para a identificação de eventos de recombinação em DENV foi acoplada ao workflow conceitual desenvolvido nesta dissertação. O workflow aplica diversas técnicas de genômica comparativa e filogenética na análise de eventos de recombinação. Realizamos também uma análise comparativa entre o software estado-da-arte (RDP5) e a nova ferramenta baseada em aprendizado de máquina (Recosim). Foram analisados 6.905 genomas completos de DENV obtidos até 2025 e identificamos 66 eventos de recombinação em 53 sequências recombinantes, sendo que 39 deles são relatados aqui pela primeira vez. Os eventos de recombinação foram detectados em todos os genes do DENV (M, E, NS1, NS2A, NS2B, NS3, NS4A, NS4B e NS5) exceto no gene C. Nos testes estatísticos realizados na árvore filogenômica do DENV, i) a correlação positiva identificada entre a proporção de terminais recombinantes por clado e comprimento dos ramos e ii) a distribuição dos terminais recombinantes filogeneticamente próximos de seus pais maiores, permitem explicar o posicionamento artificial dos recombinantes na árvore. O desempenho do Recosim na detecção de recombinação, avaliado em um teste piloto de 160 alinhamentos com recombinação, demonstrou melhor resultado usando recosim_regularClusters.py com os parâmetros: overlap_threshold = 35, identity_threshold = 0.95, epsilon = 30 e minsamples = 3. Finalmente o Recosim mostrou maior precisão quando comparado ao RDP5 e o RDP5 maior sensibilidade.