Abordagem Computacional para Identificar Novos SNVs em Bases de Dados de ESTs

• Ano de defesa: 2012
• Autor(a) principal: Sousa, Rodrigo Guarischi Mattos Amaral de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Abordagem computacional em EST; Computational approach in ESTs; Mutação de ponto; Point mutations; Polimorfismo; Polymorphism
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/17/17135/tde-23042013-082406/

Indivíduos não relacionados apresentam apenas 1% de diferenças entre seus genomas. Estas variações ocorrem na forma de substituições, inserções, deleções, rearranjos complexos ou até estruturais. Dentre essas variações, aquelas que apresentam uma frequência populacional acima de 1% são denominadas de polimorfismos. Tais variações são responsáveis por diferenças que vão desde a resposta imunológica até o tratamento com drogas, incluindo sensitividade das células tumorais, níveis de plasma, efeitos colaterais e toxicidade. A forma mais comum de polimorfismo genético entre humanos são os polimorfismo de base única ou Single Nucleotide Polymorphisms (SNPs), sendo mais de 47 milhões descritos no dbSNP, um banco de dados de pequenos polimorfismos do NCBI. No presente estudo, foi estabelecida uma abordagem computacional, com etapas de exclusão de regiões parálogas ou de baixa qualidade, com o objetivo de identificar variantes genéticas em sequências expressas gerados pelo método de Open Reading Frame ESTs (ORESTES) durante o Projeto Genoma Humano do Câncer. Diferentemente de outros softwares de detecção de polimorfismos, a abordagem computacional descrita neste estudo leva em consideração a informação a priori do número de bibliotecas distintas que reportaram a mesma variação. Foram identificadas 1900 mutações (853 sinônimas e 1047 não-sinônimas) presentes em duas ou mais bibliotecas distintas, que foram validados in-silico contra o dbSNP v130. O resultado da análise identificou 901 mutações já descritas no dbSNP (47,42%). Para confirmação da análise, foram selecionadas 10 mutações (6 novas e 4 já presentes no dbSNP) para validação pelo método de High Resolution Melt (HRM), seguido da caracterização por sequenciamento de DNA. Nesse caso, o resultado foi a validação de 50% das mutações selecionadas. A análise de interação protéica, Protein-Protein Interaction (PPI), realizada com as mutações não-sinônimas localizadas em domínios funcionais, revelou redes gênicas mais complexas em tecidos tumorais do que nos tecidos normais. Esta observação ratificou a literatura a respeito da transformação tumorigênica ser desencadeada pela combinação de mutações que ativam uma série de processos biológicos, para isso, afetando genes, vias gênicas e networks de vias gênicas relacionados. Em resumo, o presente estudo descreve uma abordagem computacional eficiente para identificação de mutações em dados de sequências expressas, além de avaliar o papel das mutações na tumorigênese.