Banca de DEFESA: RODRIGO DA FONSECA SILVEIRA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : RODRIGO DA FONSECA SILVEIRA
DATA : 26/06/2026
HORA: 09:00
LOCAL: Videoconferência
TÍTULO:

"Desenvolvimento de software para modelagem preditiva de nanopartículas poliméricas de interesse farmacêutico."

PALAVRAS-CHAVES:

nanoprecipitação; nanocápsula polimérica; mineração de dados; ciência de dados; aprendizado de máquina.

PÁGINAS: 129
RESUMO:

A formulação de nanopartículas poliméricas é um processo complexo e multivariado, tradicionalmente guiado por abordagens empíricas de "tentativa e erro" que dificultam o escalonamento industrial. Embora a ciência de dados e o aprendizado de máquina (machine learning - ML) ofereçam alternativas promissoras para a implementação do Quality by Design (QbD), a literatura atual carece de validações robustas, baseando-se predominantemente em pequenos conjuntos de dados e modelos restritos a um único fármaco. Neste contexto, esta tese estruturada em formato multipaper apresenta o desenvolvimento, a consolidação e a implementação tecnológica da plataforma NANO-AI. A pesquisa iniciou com a construção de uma prova de conceito focada no fármaco modelo isoniazida, evoluindo posteriormente para um pipeline otimizado de duas etapas: uma classificação binária para predição da viabilidade de formação das nanopartículas, seguida por modelos de regressão para estimar os atributos críticos de qualidade (tamanho hidrodinâmico, índice de polidispersidade, potencial zeta e eficiência de encapsulação). Utilizando um banco de dados composto por 925 formulações contendo nove princípios ativos físicoquimicamente diversos, o modelo classificador (Extreme Gradient Boosting - XGBoost) foi o responsável pela identificação de sistemas viáveis. Na etapa de regressão, os algoritmos Deep Learning e XGBoost alcançaram coeficientes de determinação (R²) superiores a 0,95 para o tamanho, potencial zeta e eficiência de encapsulação. A eficiência preditiva do framework foi atestada por meio de experimentos interlaboratoriais e pela generalização zero-shot em três fármacos inéditos (cafeína, nifurtimox e itraconazol), e demonstrou satisfatória capacidade de extrapolação preditiva para esses fármacos não utilizados na fase de treinamento dos modelos. Por fim, a plataforma se materializou na implementação de uma arquitetura de software completa, integrando extração automatizada de dados em Python, armazenamento em bancos de dados relacionais PostgreSQL, algoritmos em linguagem R e um simulador de formulações interativo hospedado no Microsoft Power BI, alimentado por mais de 720.000 formulações virtuais simuladas.

MEMBROS DA BANCA:
Externo ao Programa - 1880131 - GUILHERME MARTINS GELFUSO - nullInterno - 1929494 - JOAO PAULO FIGUEIRO LONGO
Presidente - 1634362 - MARCILIO SERGIO SOARES DA CUNHA FILHO
Externa à Instituição - NÁDIA FELIX FELIPE DA SILVA - UFG
Externo à Instituição - SAVIO SALVARINO TELES DE OLIVEIRA - UFG