Avaliação meta-classificatória de ferramentas de predição de alvos de microRNAs e análise de enriquecimento funcional de alvos utilizando Homo sapiens como modelo biológico

• Ano de defesa: 2017
• Autor(a) principal: Oliveira, Arthur Casulli de [UNESP]
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Bioinformática; Genética humana; RNAs não-codificadores; Regulação gênica
• Link de acesso: http://hdl.handle.net/11449/150225

MicroRNAs (miRNAs) são pequenos RNAs não codificadores que regulam uma ampla gama de vias biológicas. Esta regulação ocorre através do pareamento complementar entre o miRNA e seu RNA mensageiro (mRNA) alvo, gelramente na região 3’UTR, inibindo a síntese proteica. Diversos trabalhos têm buscado determinar as funções biológicas desempenhadas pelos miRNAs por meio da identificação de seus alvos e posterior análise de enriquecimento funcional. Entretanto, as ferramentas de predição de alvos in silico disponíveis atualmente apresentam resultados pouco robustos e não há um consenso sobre a melhor ferramenta e estratégia para análise dos dados. Adicionalmente, a metodologia de enriquecimento funcional atual não leva em conta diversos fatores fundamentais atuantes na regulação dos alvos dos miRNAs, retornando resultados inconsistentes que culminam em experimentos de validação desnecessários e pouco específicos, com consequente desperdício de tempo e recursos. Desta maneira, o presente trabalho tem como objetivos (i) elaborar metodologia de predição de alvos com alta eficiência utilizando as ferramentas de bioiformática disponíveis e (ii) avaliar a regulação dos processos biológicos controlados pelos miRNAs através da análise de enriquecimento funcional, considerando o foldchange de seus mRNA alvo. Para tal, comparou-se as performances das três ferramentas de predição de alvos atualmente mais utilizadas (TargetScan, miRanda-mirSVR, e Pita), assim como testou-se todas as possibilidades de combinação dos dados gerados por cada ferramenta (uniões e/ou intersecções). A metodologia de união das ferramentas TargetScan + miRanda-mirSVR resultou na melhor performance, com o melhor balanço entre sensibilidade e especificidade. Posteriormente, dados de expressão de genes alvos obtidos por microarray após a superexpressão de onze miRNAs foram utilizados para as análises de enriquecimento funcional. Os alvos dos miRNAs foram agrupados manualmente em cinco clusters de acordo com seu fold-change. Os clusters foram então submetidos à análise de enriquecimento funcional. Os processos biológicos enriquecidos por esta análise foram distintos em cada cluster, sugerindo que os miRNAs regulam com intensidade semelhante genes associados a uma mesma função biológica, mas funções biológicas distintas são reguladas com intensidades diferentes. Os resultados obtidos neste projeto aprimoram significativamente a qualidade das análises in silico de predição de alvos, o que permitirá aos pesquisadores obterem resultados mais robustos durante a identificação de alvos dos miRNAs. Adicionalmente, a análise de enriquecimento funcional realizada sugere uma nova complexidade dos miRNAs, podendo justificar o fato de um único miRNA ser capaz de regular processos biológicos distintos com a especificidade demandanda para cada processo dentro de um contexto celular.