Introdução: O câncer é um conjunto de doenças que tem em comum o crescimento desordenado de células. Há diversos fatores que podem provocar essa má formação celular, sendo esses hereditários ou ambientais. De acordo com o Instituto Nacional do Câncer, 80% dos casos da doença estão associados a fatores ambientais. Com a evolução da tecnologia, houve a criação de equipamentos capazes de realizar o mapeamento genético de dados que auxiliam no estudo das neoplasias. Com essa grande massa de dados de genes mapeados, associados a técnicas computacionais, pode-se identificar ou propor possíveis biomarcadores cancerígenos que antes eram desconhecidos. Objetivo: Tem-se como objetivo deste projeto construir uma base de conhecimento sobre o câncer, realizando a integração de diferentes repositórios de dados existentes e caracterizando as informações coletadas, permitindo, assim, a aplicação de técnicas computacionais, capazes de extrair informações para a realização de uma análise temporal e geográfica do estudo da doença. Também faz parte deste projeto a criação de um modelo que permitirá estender essas análises para diferentes doenças contemporâneas e genéticas. Metodologia: Os dados das neoplasias para a caracterização foram coletados do PubMed que é uma base pública de citações das literaturas biomédicas usando a linguagem de programação Python e o banco de dados MongoDB. Dados do UniProt (Universal Protein Resource) também serão coletados e integrados, com os dados das publicações científicas. Isso permitirá que tenham mais dados integrados possibilitando novas analises, tais como outras doenças correlacionadas, fármacos disponíveis. Resultados esperados: Espera-se como resultado um ambiente web de fácil visualização dos dados, possibilitando a identificação de qual tipo de câncer está sendo mais estudado em cada país.