Aufgrund ihres Hintergrunds in Informatik und ihrer fundierten Erfahrung in den Bereichen Machine Learning (ML) und nicht-kodierende RNAs (ncRNAs) forschte Mirele an der Leistungsfähigkeit von ML-Methoden zur Vorhersage von ncRNAs unter Verwendung von in silico generierten Daten. Im Rahmen ihrer Promotion vertieft sie diesen Forschungsansatz mit einer vergleichenden Studie zur Leistungsfähigkeit von Transfer-Learning-Modellen (TL) im Vergleich zu BLAST bei der Vorhersage von ncRNAs, wobei sie taxonomische Distanzen in die Analyse einbezieht.

Während ihres Aufenthalts in Leipzig führte sie Experimente durch, um homologiebasierte Suchmethoden (wie BLAST) und ML-Methoden (wie Graph Convolutional Networks) mit und ohne TL beim Klassifizieren von ncRNA-Sequenzen mit flankierenden Regionen quantitativ zu vergleichen. Die Experimente stützten sich auf drei Datensätze mit geringen, mittleren und hohen taxonomischen Distanzen. Die Studie untersuchte zudem, wie sich diese Regionen auf die Modellleistung auswirken, da die Identifizierung von ncRNAs in einem genomischen Kontext, in dem unbekannte Regionen die Sequenz von Interesse flankieren, wesentlich komplexer ist.

Mirele berichtet: „Die Unterstützung durch SECAI war für diese Erfahrung von entscheidender Bedeutung; ohne das Stipendium wäre es nicht möglich gewesen, diesen Forschungsaufenthalt in Deutschland zu absolvieren. Diese Gelegenheit hat meinen Lebensweg als Wissenschaftlerin geprägt und meinen Horizont als Forscherin erweitert.“ Mireles Aufenthalt über SECAI stellt einen bedeutenden Schritt zur Festigung der wissenschaftlichen Zusammenarbeit zwischen Brasilien und Deutschland auf dem Gebiet der Bioinformatik und der künstlichen Intelligenz dar. Der Austausch stärkt nicht nur die akademische Zusammenarbeit, sondern trägt auch zur Ausbildung qualifizierter Forscher:innen bei.