EVENTO
Predição de interações de redes regulatórias transcricionais (TRNs) usando sistemas de aprendizagem automatizado a partir de dados de expressão de RNA-seq bacteriano.
Tipo de evento: Seminário de Avaliação - Série A
Este trabalho apresenta uma estrategia integrativa de redes regulatórias transcricionais (TRNs: 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), no intuito de predizer novas interações regulatórias a serem incorporadas em uma dada TRN de procarioto. O modelo em andamento vem sendo aplicado na espécie Klebsiella pneumoniae subsp. pneumoniae KP13, uma bactéria causadora de um grande surto hospitalar em 2009 no Brasil [Ramos et al., 2014; Custodio 2015]. Inicialmente são descritos dois procedimentos: i) O tratamento e exploração de dados de dados RNA-seq, que envolve a análise de agrupamentos na identificação preliminar de subgrupos de interesse relacionados com a resistência aos antibióticos; e ii) a reconstrução da rede draft ou TRN base 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. Seguidamente, descreve-se a decomposição da TRN de KP13 base em dois tipos de motifs1: feed-forward (FF) e bi-fan (BF), devido a que estes motifs aparecem como clusters entre fatores de transcrição (FTs) e genes target, e com maior frequência do que as redes aleatórias [Veiga et al., 2008; Edda et al., 2009; Lee et al., 2002]. Logo é descrita a transformação dos dados de expressão em termos estatísticos associados aos motifs, e a construção do classificador dos mesmos usando uma rede neural artificial (ANN) perceptron multicamada. Portanto com a predição desses motifs se permitiria inferir novas interações regulatórias que enriqueçam a TRN incluindo novos regulons bacterianos (coleção de genes regulados pelos mesmos FTs), em especial aqueles relacionados com a resistência a antibióticos. 1. Motifs: Sub-redes típicas que seguem um padrão que não se apresenta aleatoriamenteBibliografia: Ramos PI, Picao RC, Almeida LG, Lima NC, Girardello R, Vivan AC, et al. Comparative analysis of the complete genome of KPC-2-producing Klebsiella pneumoniae Kp13 reveals remarkable genome plasticity and a wide repertoire of virulence and resistance mechanisms. BMC Genomics. 2014;15:54. doi: 10.1186/1471-2164-15-54.Custodio F. Marlon G. Análise bioinformática do perfil de transcritos de Klebsiella pneumoniae através de dados de RNA-seq. Dissertação de mestrado em modelagem computacional 2015 LNCC.Edda Klipp, Wolfram Liebermeister,ChristophWierling, Axel Kowald, Hans Lehrach, Ralf Herwig, Systems Biology. Wiley, 2009.Diogo FT Veiga, Fábio FR Vicente, Marisa F Nicolás, Ana Tereza R Vasconcelos.Predicting transcriptional regulatory interactions with artificial neural networks applied toE. Colimultidrug resistance efflux pumps. BMC Microbiol. 2008 8:101.Lee TI, Rinaldi NJ, Robert F, Odom DT, Bar-Joseph Z, Gerber GK, Hannett NM, Harbison CT, Thompson CM, Simon I, Zeitlinger J, Jennings EG, Murray HL, Gordon DB, Ren B, Wyrick JJ, Tagne JB, Volkert TL, Fraenkel E, Gifford DK, Young RA. Transcriptional Regulatory Networks in Saccharomyces cerevisiae.Science. 2002 298(5594):799-804.
Data Início: 01/12/2015 Hora: 13:30 Data Fim: 01/12/2015 Hora: 17:00
Local: LNCC - Laboratório Nacional de Computação Ciêntifica - Auditorio A
Aluno: Guadalupe Del Rosário Quispe Saji - Laboratório Nacional de Computação Científica - LNCC
Orientador: Elmer A Fernandez - Universidade de Córdoba - Marisa Fabiana Nicolás - Laboratório Nacional de Computação Científica - LNCC
Participante Banca Examinadora: Cláudio Galuppo Diniz - - UFJF Helio José Corrêa Barbosa - Laboratório Nacional de Computação Científica - LNCC/MCTI Marcelo Trindade dos Santos - Laboratório Nacional de Computação Científica - LNCC Marisa Fabiana Nicolás - Laboratório Nacional de Computação Científica - LNCC