Análise de normalização e significância em experimentos baseados em Proteômica

• Ano de defesa: 2021
• Autor(a) principal: Cruz, Ana Carolina da
• 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: Componentes principais; Decomposição de matrizes; Heterocedastic mixed model; Matrix decomposition; Modelo misto heterocedástico; Modelos gráficos probabilísticos; Principal components; Probabilistic graph models; Proteômica; Proteomics
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-20082021-110817/

A análise de dados ômicos vem se expandindo nos últimos anos e com isso tornou-se necessário desenvolver técnicas estatísticas para análise desse tipo de dados. Pensando nos estudos proteômicos, baseados na análise de espectrometria de massas, nota-se que com a grande quantidade de informação coletada a utilização de técnicas de normalização e significância são fundamentais para comparação e identificação de variáveis com comportamento diferencial, podendo auxiliar no desenvolvimento de novos tratamentos. Este trabalho teve como objetivo propor novas técnicas de normalização e significância que levem em consideração a estrutura em que os dados foram coletados para comparar diferentes métodos de preparação de amostras (os quais serão então analisadas para quantificação das proteínas e peptídeos) em busca do mais preciso, além de interpretar as diferentes fontes de variação impostas pelo delineamento do experimento. Como resultados do estudo observou-se que as técnicas propostas neste trabalho foram eficazes na normalização dos dados e na identificação de variáveis significantes, observando ainda diferenças entre os resultados obtidos pelas técnicas propostas com os resultados baseados na metodologia de normalização TIC. Além disso, notou-se que o método IGD (em gel) no geral apresentou as menores quantificações e o método ISD (em solução) se mostrou o mais preciso.