Detalhes bibliográficos
Ano de defesa: |
2016 |
Autor(a) principal: |
Horácio, Elvira Cynthia Alves |
Orientador(a): |
Ruiz, Jeronimo Conceição,
Resende, Daniela de Melo |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Não Informado pela instituição
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Link de acesso: |
https://www.arca.fiocruz.br/handle/icict/22997
|
Resumo: |
A biologia de sistemas procura modelar sistemas complexos, usufruindo de conteúdos interdisciplinares e possibilitando a integração da informação biológica disponível sobre determinado organismo. Nesse contexto, uma das abordagens integradas é a de redes, que pode ser definida como um conjunto de entidades ou nós que se conectam e que viabilizam a integração de dados. Um exemplo são as redes de interação proteína-proteína (PPI). Os organismos modelos utilizados neste estudo pertencem ao gênero Cryptococcus spp. Aproximadamente um milhão de casos de Criptococose ocorrem no mundo e estima-se a ocorrência de 400 mil mortes anualmente. O presente trabalho teve como objetivo o emprego dessa metodologia em espécies do gênero Cryptococcus spp. depositadas em bancos de dados de domínio público, visando à análise comparativa de redes associadas à patogenia e à virulência desses organismos.Um fator crucial nas análises genômicas comparativas é a anotação funcional dos genomas estudados. Por isso, este trabalho inclui também uma etapa inicial de reanotação e anotação desses genomas. Nosso recurso básico para a geração de redes PPI são os genes preditos e nesse contexto utilizamos 12 genomas de Cryptococcus spp. Dentre as técnicas computacionais para a predição de PPI utilizamos a abordagem de coevolução. Aplicamos duas estratégias distintas que envolvem a referida abordagem. Na primeira estratégia, realiza-se o alinhamento múltiplo global das proteínas a serem comparadas e avalia-se o valor de PI. Na segunda estratégia, realiza-se uma análise combinatória de sequências par-a-par oriundas do agrupamento original. Essa etapa é seguida pela execução de um novo alinhamento múltiplo global e a posterior avaliação do valor de PI. A partir daí, torna-se possível inferir as interações proteínaproteína do organismo em estudo. Como resultado, obtiveram-se 24 redes. Calculamos as estatísticas associadas às redes, além da localização dos principais hubs. O menor e o maior número de nós obtidos das redes do grupo utilizando o agrupamento variaram de 63 a 118 e as conexões (arestas) correspondentes foram de 393 a 476. No grupo de pares do agrupamento a variação foi de 149 a 2.465 e as conexões correspondentes variaram de 1.516 a 46.468. Construímos um banco relacional em MySQL com proteínas associadas à virulência e à patogenicidade de onde foram identificadas 226.065 proteínas associadas aos termos de busca. Na primeira estratégia utilizando o valor PI do agrupamento, encontramos poucas proteínas à virulência e à patogenicidade, mas na segunda estratégia, obtivemos de nem uma proteína associadas à virulência e à patogenicidade em um organismo que não atinge humanos a 91 proteínas. Dentre elas proteínas de heat shock e proteína de resistência a múltiplas drogas 1 (MDR1). |