Predição de interações de redes regulatórias transcricionais em klebsiella pneumoniae produtora de carbapenemase (kpc) usando sistemas de aprendizagem automatizado aplicados a dados de expressão de rna-seq

• Ano de defesa: 2016
• Autor(a) principal: Quispe Saji, Guadalupe Del Rosario
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Laboratório Nacional de Computação Científica; Serviço de Análise e Apoio a Formação de Recursos Humanos; Brasil; LNCC; Programa de Pós-Graduação em Modelagem Computacional
• Palavras-chave em Português: Bioinformática; Redes de regula ção transcricional; Bioinformatics; CNPQ::CIENCIAS BIOLOGICAS; CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::ANALISE DE ALGORITMOS E COMPLEXIDADE DE COMPUTACAO
• Link de acesso: https://tede.lncc.br/handle/tede/227

Este trabalho, apresenta uma estratégia integrativa de redes de regulação transcricional (TRN: do inglês transcriptional regulatory network) e sistemas de aprendizagem automatizado Veiga et al. (2008), a qual é considerada inovadora para aplicação em dados de RNA-seq (sequenciamento de cDNA). Nosso intuito é o predizer novas interações regulatórias a serem incorporadas em uma dada TRN de procarioto. O modelo em andamento vem sendo aplicado na bactéria gram-negativa Kleb- siella pneumoniae subsp. pneumoniae KP13 (ap_os KP13), trata-se de um patógeno oportunista da espécie Klebsiella Pneumoniae, onde a maioria dos isolados estariam associadas a infecções nosocomiais do trato respiratório e urinário. Assim trata-se de uma bactéria de grande importância clínica principalmente pela produção de lactamases de amplo espectro (ESBLs), as quais lhe conferem resistência até aos antibióticos mais modernos, entrando no quadro de bactérias multirresistentes. Sua aparição data desde o ano 2006, mas o surto hospitalar causado por esta bactéria foi relatado no ano 2009 como descrito em Custodio F. (2015); Ramos (2012). Inicialmente, são descritos dois procedimentos: i) O tratamento e exploração de dados de RNA-seq; e ii) a reconstrução da rede referência de KP13 que integra informações da rede conhecida de K. pneumoniae subsp. pneumoniae MGH 78578, bancos de dados de regulons de procariotos (RegPrecise, Prodonet e Uniprot), e interações regulatórias curadas manualmente. A seguir, descreve-se a decomposição da TRN de KP13 base em dois tipos de motivos: feed-forward (FF) e bi-fan (BF), devido a que estes motivos aparecem como clusters entre fatores de transcrição (FTs) e genes alvo Veiga et al. (2008); Ramos et al. (2016). Após é descrita a transformação dos dados de expressão em termos estatísticos associados aos motivos FF, e a construção do classificador dos mesmos usando uma rede neural artificial (ANN) perceptron multicamada e Máquinas de Vetores de Suporte (SVM). Portanto, com a predição e análise dos motivos FF obtidos pelas duas metodologias, se permitiria inferir novas interações regulatórias que enriqueçam a TRN, em especial interações entre genes relacionados com a resistência a antibióticos.