Computação Bayesiana Aproximada Monte Carlo Sequencial como ferramenta para a interferência de parâmetros na rede genética circadiana da Arabidopsis Thaliana

• Ano de defesa: 2015
• Autor(a) principal: Negret Lopez, Maria Claudia
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: ABC- SMC; ABC- SysBio; Inferência Bayesiana; Rede regulatória; Relógio biológico; Modelo matemático; Bayesian inference; Regulatory network; Biological clock; Mathematical model
• Link de acesso: http://repositorio.furg.br/handle/1/9044

A modelagem de sistemas complexos é um desafio para os pesquisadores nas diferentes áreas, já que cada vez deseja-se simular a natureza na forma mais precisa possível. Estes modelos, especialmente aqueles que representam sistemas biológicos, precisam de dados experimentais que, na maioria dos casos, são muito difíceis ou impossíveis de medir experimentalmente de forma direta, sendo que outra alternativa de procurá-los é por meio da estimação ou por inferência a partir dos dados observados. Neste contexto, os métodos de Computação Bayesiana Aproximada (ABC), e mais precisamente aqueles que incorporam os métodos Monte Carlo Sequencial (SMC), foram utilizados para aproximar a distribuição posteriori dos dados dadas as vantagens que apresentam estes métodos em relação aos anteriores. O sistema complexo considerado foi o correspondente à rede do ciclo circadiano da Arabidopsis thaliana, uma planta reconhecida pela comunidade científica para a realização de experimentos. Com isto, procurou-se aplicar o algoritmo ABC-SMC em uma rede regulatória biológica complexa, para ajustar a maior quantidade dos valores dos parâmetros relacionados especialmente com as proteínas LHY/CCA1 as quais envolvem os efeitos da luz na planta e que dos quais, segundo a literatura, tem-se menos confiabilidade de seus valores. Depois de ajustar cinco parâmetros, encontraram se algumas limitações da metodologia utilizada com o pacote ABC-SysBio como o tamanho do conjunto de dados a trabalhar. Conclui-se que os valores dos parâmetros observados são confiáveis devido à semelhança que eles têm com aqueles que foram encontrados nas simulações.