Anti-tumoral effect of the non-nucleoside DNMT inhibitor RG108 in human prostate cancer cells

Background: Current therapeutic strategies for advanced prostate cancer (PCa) are largely ineffective. Because aberrant DNA methylation associated with inappropriate gene-silencing is a common feature of PCa, DNA methylation inhibitors might constitute an alternative therapy. In this study we aimed to evaluate the anti-cancer properties of RG108, a novel non-nucleoside inhibitor of DNA methyltransferases (DNMT), in PCa cell lines. Methods: The anti-tumoral impact of RG108 in LNCaP, 22Rv1, DU145 and PC-3 cell lines was assessed through standard cell viability, apoptosis and cell cycle assays. Likewise, DNMT activity, DNMT1 expression and global levels of DNA methylation were evaluated in the same cell lines. The effectiveness of DNA demethylation was further assessed through the determination of promoter methylation and transcript levels of GSTP1, APC and RAR-β2, by quantitative methylation-specific PCR and RT-PCR, respectively. Results: RG108 led to a significant dose and time dependent growth inhibition and apoptosis induction in LNCaP, 22Rv1 and DU145. LNCaP and 22Rv1 also displayed decreased DNMT activity, DNMT1 expression and global DNA methylation. Interestingly, chronic treatment with RG108 significantly decreased GSTP1, APC and RAR-β2 promoter hypermethylation levels, although mRNA re-expression was only attained GSTP1 and APC. Conclusions: RG108 is an effective tumor growth suppressor in most PCa cell lines tested. This effect is likely mediated by reversion of aberrant DNA methylation affecting cancer related-genes epigenetically silenced in PCa. However, additional mechanism might underlie the anti-tumor effects of RG108. In vivo studies are now mandatory to confirm these promising results and evaluate the potential of this compound for PCa therapy.

Hand gesture recognition system based in computer vision and machine learning : applications on human-machine interaction

Sendo uma forma natural de interação homem-máquina, o reconhecimento de gestos implica uma forte componente de investigação em áreas como a visão por computador e a aprendizagem computacional. O reconhecimento gestual é uma área com aplicações muito diversas, fornecendo aos utilizadores uma forma mais natural e mais simples de comunicar com sistemas baseados em computador, sem a necessidade de utilização de dispositivos extras. Assim, o objectivo principal da investigação na área de reconhecimento de gestos aplicada à interacção homemmáquina é o da criação de sistemas, que possam identificar gestos específicos e usálos para transmitir informações ou para controlar dispositivos. Para isso as interfaces baseados em visão para o reconhecimento de gestos, necessitam de detectar a mão de forma rápida e robusta e de serem capazes de efetuar o reconhecimento de gestos em tempo real. Hoje em dia, os sistemas de reconhecimento de gestos baseados em visão são capazes de trabalhar com soluções específicas, construídos para resolver um determinado problema e configurados para trabalhar de uma forma particular. Este projeto de investigação estudou e implementou soluções, suficientemente genéricas, com o recurso a algoritmos de aprendizagem computacional, permitindo a sua aplicação num conjunto alargado de sistemas de interface homem-máquina, para reconhecimento de gestos em tempo real. A solução proposta, Gesture Learning Module Architecture (GeLMA), permite de forma simples definir um conjunto de comandos que pode ser baseado em gestos estáticos e dinâmicos e que pode ser facilmente integrado e configurado para ser utilizado numa série de aplicações. É um sistema de baixo custo e fácil de treinar e usar, e uma vez que é construído unicamente com bibliotecas de código. As experiências realizadas permitiram mostrar que o sistema atingiu uma precisão de 99,2% em termos de reconhecimento de gestos estáticos e uma precisão média de 93,7% em termos de reconhecimento de gestos dinâmicos. Para validar a solução proposta, foram implementados dois sistemas completos. O primeiro é um sistema em tempo real capaz de ajudar um árbitro a arbitrar um jogo de futebol robótico. A solução proposta combina um sistema de reconhecimento de gestos baseada em visão com a definição de uma linguagem formal, o CommLang Referee, à qual demos a designação de Referee Command Language Interface System (ReCLIS). O sistema identifica os comandos baseados num conjunto de gestos estáticos e dinâmicos executados pelo árbitro, sendo este posteriormente enviado para um interface de computador que transmite a respectiva informação para os robôs. O segundo é um sistema em tempo real capaz de interpretar um subconjunto da Linguagem Gestual Portuguesa. As experiências demonstraram que o sistema foi capaz de reconhecer as vogais em tempo real de forma fiável. Embora a solução implementada apenas tenha sido treinada para reconhecer as cinco vogais, o sistema é facilmente extensível para reconhecer o resto do alfabeto. As experiências também permitiram mostrar que a base dos sistemas de interação baseados em visão pode ser a mesma para todas as aplicações e, deste modo facilitar a sua implementação. A solução proposta tem ainda a vantagem de ser suficientemente genérica e uma base sólida para o desenvolvimento de sistemas baseados em reconhecimento gestual que podem ser facilmente integrados com qualquer aplicação de interface homem-máquina. A linguagem formal de definição da interface pode ser redefinida e o sistema pode ser facilmente configurado e treinado com um conjunto de gestos diferentes de forma a serem integrados na solução final.