Controlled Evolutionary Computation in Cells
Coordenação: Prof. Dr. Alexandre César Muniz de Oliveira
Programa de Pós-Graduação em Ciência da Computação (PPGCC) — UFMA
Programa de Doutorado em Ciência da Computação em Associação UFMA–UFPI

[Lattes](http://lattes.cnpq.br/5225588855422632)
[Google Scholar](https://scholar.google.com.br/citations?user=AptHK9AAAAAJ&hl=en)
[ORCID](https://orcid.org/0000-0002-1499-5307) · alexandre.cesar@ufma.br
Sobre o projeto
O CEC-Cells investiga como algoritmos evolutivos e técnicas de aprendizado de máquina podem ser combinados para projetar e prever o comportamento de circuitos genéticos em bactérias — indo além dos limites do design racional tradicional em biologia sintética.
Um dos maiores desafios atuais da biocomputação é que os mesmos “circuitos lógicos genéticos” se comportam de forma muito diferente dependendo do plasmídeo em que são inseridos e da bactéria hospedeira utilizada. Essa dependência de contexto compromete a reutilização de partes genéticas, encarece a prototipagem e limita a complexidade dos circuitos que podem ser construídos de forma confiável.
O CEC-Cells propõe enfrentar esse problema em duas frentes complementares:
- Treinar modelos de aprendizado de máquina (incluindo processos gaussianos, redes neurais e redes neurais em grafos) capazes de antecipar o desempenho de um circuito em contextos ainda não testados experimentalmente.
- desenvolver algoritmos evolutivos multiobjetivo capazes de otimizar estruturas genéticas para que funcionem bem em mais de um chassi bacteriano ao mesmo tempo;
Objetivo geral
Desenvolver e validar um framework preditivo host-aware (sensível ao hospedeiro), baseado em aprendizado de máquina, capaz de modelar o efeito do backbone plasmidial e do chassi bacteriano sobre circuitos genéticos otimizados — permitindo projetar automaticamente sistemas mais profundos, portáteis e reutilizáveis.
Objetivos específicos
Desenvolver um framework evolutivo multiobjetivo para otimização do desempenho de estruturas gênicas em mais de um chassi bacteriano;
Avaliar modelos não lineares (processos gaussianos, redes neurais, redes neurais em grafos) para prever o desempenho de gates em novos contextos;
Validar experimentalmente os circuitos projetados pelo framework, comparando previsões e resultados reais;
Construir uma biblioteca de gates genéticos em diferentes backbones (alta, média e baixa cópia) e chassis de Proteobacteria;
Desenvolver um algoritmo de compatibilidade para identificar cadeias de gates e estimar a profundidade lógica máxima viável;
Disponibilizar modelos, dados e protocolos em repositório aberto, promovendo padronização e reuso pela comunidade científica.
Uma parceria internacional
Juntos, esses projetos articulam pesquisa em biocomputação, aprendizado de máquina, computação evolutiva e vida artificial, reunindo equipes da UFMA, UFRN e do CNB (Espanha).
O CEC-Cells dialoga diretamente com dois projetos irmãos:
- ECCO (Evolutionary Cellular Computing for Environmental Synthetic Biology*), financiado pelo European Research Council e coordenado pelo Prof. Dr. Angel Goni-Moreno, do Centro Nacional de Biotecnologia (CNB, Madrid);
- O próprio projeto “Computação Evolutiva Controlada em Sistemas Celulares”, aprovado pela FAPEMA em resposta à Chamada Pública de Cooperação Internacional – ERC IA 2024, e pelo CNPq, em resposta ao Edital Universal 2025.


Financiamento :
O projeto conta com apoio de:
- CNPq/MCTI/FNDCT — Processo 420224/2025-4
- FAPEMA — Processo Auxílio Internacional 03183/25
- ECCO (ERC-2021-COG-101044360) e NEWTON (ERC-2025-POC-101248112), União Europeia
- MULTI-SYNBIO (PID2023-152470NB-I00), financiado pelo MICIU/AEI
- CAPES — Código de Financiamento 001
- UFMA e UFRN
Compromisso com o desenvolvimento sustentável
O CEC-Cells contribui para os Objetivos de Desenvolvimento Sustentável (ODS) 2, 6 e 9, ao propor arcabouços computacionais que viabilizam biossensores capazes de otimizar o monitoramento agrícola de solo e patógenos, detectar contaminantes em recursos hídricos em tempo real, e estabelecer uma nova infraestrutura tecnológica de processamento biológico de informação
O projeto também se conecta ao Plano Estratégico Maranhão 2050, posicionando-se como iniciativa transversal para uma economia mais próspera e inclusiva, aliada a um meio ambiente valorizado e resiliente.
