Glioblastoma; produtos naturais; quimioterapia; microarray; bioinformática;
O Glioblastoma (GBM) são tumores cerebrais altamente agressivos, com um prognóstico ruim e opções de tratamento limitadas. A introdução da temozolamida no tratamento para GBM foi um marco importante, aumentou as taxas de sobrevida global e sobrevida livre de progressão em pacientes com GBM em comparação com condutas que utilizavam apenas a radioterapia, atualmente ela continua sendo utilizada como tratamento padrão. Apesar de seus benefícios, uma grande parte dos pacientes desenvolvem resistência adquirida a esse quimioterápico. Logo, há a uma necessidade urgente pela busca de novas moléculas que auxiliem no desenvolvimento de quimioterápicos mais eficazes para o tratamento de GBM. Os produtos naturais são fontes de moléculas que deram origem a diversos quimioterápicos, na área da oncologia 74,8% das moléculas aprovadas são derivadas de PNs, esse fato demonstra que essas estruturas químicas desempenham um papel muito importante no processo de descoberta e desenvolvimento de medicamentos. Regiões como a floresta amazônica são um reservatório rico de produtos naturais e que ainda não foram investigados. Logo, uma alternativa bastante promissora seria explorar o potencial da floresta amazônica como fonte de compostos bioativos que possam servir para o desenvolvimento de novos fármacos antineoplásicos com possível potencial terapêutico. Neste contexto, o presente estudo tem como objetivo identificar compostos que apresentem atividade antitumoral em linhagens celulares de GBMs, assim como traçar o perfil molecular dos alvos identificados. A seleção será realizada através do ensaio de MTT. Os extratos/frações isoladas que apresentarem atividade antitumoral será realizado o perfil de expressão gênica através da técnica de microarray. O software RStudio será utilizado para processar os dados com base nos pacotes de linguagem R correspondente para identificar genes diferencialmente expressos (DEGs) associados a diferente condições de tratamento das linhagens. Com base nos DEGs, análises funcionais e de enriquecimento de vias serão realizadas utilizando as ferramentas como ferramenta KEGG e Gene Ontology (GO). O banco de dados STRING será utilizado para gerar uma rede de interação proteína-proteína (PPI), e o software Cytoscape para rastrear genes centrais na rede PPI