Analisando a determinação sexual de vertebrados com base em redes de interação entre proteínas

Abstract

Atualmente os sistemas biológicos vem sendo abordados por diversas áreas de pesquisas, dentre elas a biologia de sistemas. Essa área tem centrado esforços para descrever e compreender as relações entre os componentes bióticos e abióticos desses sistemas, utilizando para isso a teoria de grafos. Uma forma de estudar esses sistemas, é avaliar as interações entre proteínas, que são as interações biomoleculares mais abundantes nas células. Nesse contexto, a presente tese focou no desenvolvimento de um algoritmo computacional capaz de predizer interações entre proteínas de qualquer espécie ou conjunto protéico. Para isso, foram utilizadas técnicas de aprendizado de máquina (sub-área da inteligência artificial) para a construção e aplicação desse preditor, o qual mostrou-se eficaz em predizer interações entre proteínas de mais de 80 espécies diferentes, incluindo interações entre proteínas de parasita e hospedeiro. Esse novo preditor foi aplicado no proteoma de zebrafish (Danio rerio) e humanos (Homo sapiens), gerando assim redes de interações proteicas para ambas as espécies. As interações obtidas foram avaliadas em um contexto geral e o foco das análises foi direcionado para a sub-rede relacionada com as vias de determinação e diferenciação sexual em vertebrados. Os resultados demonstraram uma relativa baixa conservação desses grafos ao longo da evolução dos vertebrados, tanto do ponto de vista global quanto da sub-rede relacionada com a determinação e diferenciação sexual em vertebrados. Além disso, foi possível observar ao menos um hub conservado entre as duas sub-redes, o qual representa um novo alvo a ser avaliado por pesquisas experimentais. Contudo, os dados demonstram que o preditor gerado possui um grande potencial para diversas áreas de estudos e é bastante útil para predição de interações em larga-escala. Além disso, os aspectos evolutivos aqui...

Nowadays the biological systems have been analyzed under several research foci, including the system biology. This area focus to describe and understand the relationship between biotic and abiotic factors using the graph theory. The protein interactions are target interactions to the system biology because they are the most abundant biomolecular interactions within a cell. Thus, this thesis reported the development of a computational algorithm to predict proteinprotein interactions for all species or protein sets. The machine learning technique (sub-area of artificial intelligence) were used to develop and apply this method, giving effective results to predict protein-protein interaction for more than 80 different species, including parasitehost associations. This new predictor was applied to the proteome set of zebrafish (Danio rerio) and humans (Homo sapiens), generating the protein-protein interactions for both species. Evolutionary aspects of the protein interactions were studied in a broad context and the focus was directed to the sub-network involved in the vertebrate sex determination and differentiation. The results reported a low conservation of those graphs across the evolution in a general view or for the sub-network related to the vertebrate sex determination and differentiation. Moreover, it was reported at least one conserved hub between both subnetworks, to be further evaluated by experimental procedures. Anyway, the data showed that the predictor here reported may be very useful for several research areas and it is desirable for large-scale prediction procedures. Furthermore, the evolutionary aspects discussed in this thesis open new perspectives concerning system biology and evolutionary pathways of vertebrate sex determination and differentiation