PPG-ciencia-da-computacao

David Corrêa Martins Junior

Possui Bacharelado (2001), Mestrado (2004) e Doutorado com menção honrosa pela CAPES (2008) em Ciência da Computação pelo Instituto de Matemática e Estatística - Universidade de São Paulo (IME-USP), tendo feito em 2007 um estágio de doutorado (sandwich) de 1 ano no Genomic Signal Processing Laboratory - Texas A&M University - EUA. Tem experiência na área de Ciência da Computação, com ênfase em Metodologia e Técnicas da Computação, atuando principalmente em reconhecimento de padrões com foco em aplicações de visão computacional, redes complexas e biologia sistêmica, incluindo modelagem, identificação e simulação de redes de interação gênica. Atualmente é professor associado do Centro de Matemática, Computação e Cognição da Universidade Federal do ABC. (Texto informado pelo autor)

  • http://lattes.cnpq.br/1228255861618623 (07/11/2024)
  • Rótulo/Grupo: PERMANENTE
  • Bolsa CNPq:
  • Período de análise:
  • Endereço: Universidade Federal do ABC, Centro de Matemática, Computação e Cognição. Rua Arcturus, 03 Jardim Antares 09606070 - São Bernardo do Campo, SP - Brasil Telefone: (11) 23206279
  • Grande área: Ciências Exatas e da Terra
  • Área: Ciência da Computação
  • Citações: Google Acadêmico

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

Prêmios e títulos

Participação em eventos

Organização de eventos

Lista de colaborações

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

  • Total de projetos de pesquisa (2)
    1. 2022-Atual. Uso de deep learning e grafos para a predição da interação entre alvos de vias celulares relacionadas a células cancerosas
      Descrição: O câncer é uma doença complexa com grande número de incidências na população mundial, no Brasil, por exemplo, é esperado que surjam 625 mil casos novos por ano. Existem diversos estudos com o objetivo de novas descobertas que possam colaborar para o desenvolvimento de novos tratamentos para diversos tipos de câncer. Pesquisas relacionadas sobre vias de sinalização celular e inibição de proteínas podem ser muito promissoras para novos avanços na pesquisa de futuros novos tratamentos. Nas vias de sinalização, temos a interação entre diversos complexos de proteínas e mudanças pós-traducionais. Elucidar as interações entre diferentes complexos proteina-proteina na via podem ser muito importantes para possíveis estudos para ativar ou inativar vias, podendo ser alvos para tratamentos em diversos tipos de câncer. Para os casos de inibição de proteínas, podemos procurar moléculas que, após a interação com determinado sítio, alterem a estrutura tridimensional da proteína podendo inibir algum efeito não desejado. Com modelos de deep learning e usos de análises de expressão gênica iremos definir alvos de interações entre proteínas em vias que podem tanto serem alvo de estudo sobre a interação entre proteínas, como alvos para a inibição com ligante. Para os casos de interação proteína-proteína, nosso grupo desenvolve um método com o uso de grafos e deep learning para predizer a interação entre duas proteínas. Para os casos de interação proteína ligante, usaremos técnicas de virtual screening para o docking de uma grande quantidade de dados, após sendo ranqueados novamente com o uso de redes neurais. Todos os resultados relevantes serão submetidos a uma validação por dinâmica molecular. Esperamos, ao final, chegar a resultados que possam elucidar novos conhecimentos sobre diversos tipos de câncer relacionados a via de sinalização celular e realizarmos parcerias para testes experimentais dos nossos resultados.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: David Corrêa Martins Junior - Integrante / Ronaldo Fumio Hashimoto - Coordenador / MARCHI, FABIO ALBUQUERQUE - Integrante / Marcos Freitas Parra - Integrante / Carlos Reynaldo Portocarrero Tovar - Integrante / Simone Queiroz Pantaleão - Integrante / Maria Claudia Negret Lopez - Integrante / Daniella Bizinelli - Integrante / Rodrigo Cesar Bonini - Integrante / Caio Isaias da Silva Braga - Integrante / Aarão Melo Lopes - Integrante / Dennis José da Silva - Integrante / Gabriel Pinheiro Strini Piedade - Integrante / Lyang Higa Cano - Integrante / Irina Yuri Kawashima - Integrante / Salvador Sánchez Vinces - Integrante / Shantanu Gupta - Integrante.
      Membro: David Corrêa Martins Junior.
    2. 2020-2022. Determinação de inibidores para as proteínas não estruturais de SARS-CoV-2 com o uso de técnicas computacionais e modelagem molecular (covdock)
      Descrição: No dia 11 de março de 2020 foi caracterizada pela Organização Mundial da Saúde (OMS) a COVID-19 como uma pandemia. De acordo com a OMS, até o dia 19 de maio, temos mais de 4,7 milhões de casos confirmados no mundo com mais de 300 mil mortes confirmadas, com casos confirmados em 216 países, no Brasil, temos mais de 270 mil casos e um número próximo a 20 mil mortes. Os casos de COVID-19 são causados pelo virion SARS-CoV-2, e os primeiros casos foram relatados em dezembro de 2019. O virion SARS-CoV-2 pertence a família Coronaviridae juntamente com as espécies SARS-CoV e MERS-CoV, também causadoras de epidemias. As três espécies pertencem ao gênero Betacoronavirus, onde o virion é composto por um capsídeo com as proteínas estruturais E, M e S. Internamente, seu genoma é uma RNA de fita positiva que é traduzido em duas poliproteínas ORF1a e ORF1b. Dentre as proteínas não estruturais, estamos interessados inicialmente nas proteínas PL polimerase e RNA dependente de polimerase RNA (RdRp). Em razão da severidade dessa doença, existe uma necessidade de novos compostos antivirais que possam ser utilizados para a intervenção profilática ou terapêutica no combate aos seus agentes patogênicos. Os estudos demonstram que os alvos na proteína viral são o principal foco no desenvolvimento de novas terapias antivirais. Atualmente, muitas técnicas de modelagem molecular têm sido utilizadas a fim de realizar uma triagem (virtual screening) de possíveis compostos inibidores, principalmente, considerando a flexibilidade das proteínas virais, uma vez que movimentos conformacionais de alta amplitude normalmente estão associados a mecanismos de regulação alostérica. Assim, para este projeto determinaremos variantes conformacionais das proteínas PL protease e RNA dependente de polimerase RNA utilizando a metodologia de análise de modos normais e, assim, após a seleção dos tipos conformacionais mais prováveis a partir de critérios energéticos (entropia conformacional - densidade de estados), realizaremos um virtual screening com um banco de dados de compostos e um novo ranqueamento com o uso de redes neurais. Com a determinação dos compostos candidatos, realizaremos simulações de dinâmica molecular longas para a validação dos resultados. Ao final, com essas análises, esperamos determinar moléculas líderes que poderão ser desenvolvidas como inibidores efetivos para as referidas proteínas virais. Também esperamos que este projeto possa ter um futuro impacto social e de saúde pública, uma vez que os resultados obtidos poderão fornecer uma base conceitual para o desenvolvimento de novas estratégias para o combate às infecções causadas por espécies do gênero Betacoronavirus.. Situação: Concluído; Natureza: Pesquisa. Integrantes: David Corrêa Martins Junior - Coordenador / MARCHI, FABIO ALBUQUERQUE - Integrante / Antonio Sergio Kimus Braz - Integrante / Zofia Agnieszka Wicik - Integrante.
      Membro: David Corrêa Martins Junior.

Prêmios e títulos

  • Total de prêmios e títulos (2)
    1. Best Paper Award - Multi-GPU Approach for Large-Scale Multiple Sequence Alignment, 21st International Conference on Computational Science and Applications (ICCSA).. 2021.
      Membro: David Corrêa Martins Junior.
    2. Honorable Mention Award - A multi-omic integrative approach to explore vulnerabilities in drug-resistant colon tumors and hit oncogenic signaling modulators, XMeeting XPerience.. 2021.
      Membro: David Corrêa Martins Junior.

Participação em eventos

  • Total de participação em eventos (3)
    1. Seminários do grupo DATAS.Análise, inferência e simulação de redes biológicas na medicina (Network Medicine). 2022. (Seminário).
    2. Workshop DATAS.Análise, inferência e simulação de redes biológicas na medicina (Network Medicine). 2022. (Oficina).
    3. Forum da Pós-Graduação em Ciência da Computação - CSBC. 2020. (Encontro).

Organização de eventos

  • Total de organização de eventos (5)
    1. MARTINS-JR, DAVID CORREA. Brazil-China Workshop of Computational Modeling and Simulation. 2017. (Congresso).. . 0.
    2. MARTINS-JR, DAVID CORREA. III Congresso de Matemática Aplicada do Sudeste (CMAC-SE). 2015. (Congresso).. . 0.
    3. MARTINS-JR, DAVID CORREA. 10th IEEE International Conference on e-Science. 2014. (Congresso).. . 0.
    4. MARTINS JR, David Corrêa. 15th Iberoamerican Congress on Pattern Recognition (CIARP). 2010. (Congresso).. . 0.
    5. MARTINS JR, David Corrêa. ICoBiCoBi - International Conference on Bioinformatics and Computational Biology. 2003. (Congresso).. . 0.

Lista de colaborações

  • Colaborações endôgenas (1)
    • David Corrêa Martins Junior ⇔ Luiz Carlos da Silva Rozante (1.0)
      1. TOVAR, CARLOS R. P. ; MARTINS, DAVID C. ; ROZANTE, LUIZ C. S. ; ARAUJO, ELOI. A Method for Computing Attractor Fields in Coupled Boolean Networks. Em: 2022 IEEE 22nd International Conference on Bioinformatics and Bioengineering (BIBE), p. 315, 2022.




Data de processamento: 16/11/2024 16:25:13