Difusão em redes dirigidas para o estudo do câncer de mama triplo-negativo

Resumo

O alto número de mortes decorrentes de câncer de mama evidencia a importância dos estudos realizados na área. Dentre os subtipos moleculares de câncer de mama, o triplo-negativo está associado à forma mais agressiva e, por não ter tratamentos específicos, apresenta os piores prognósticos. Dada a importância dos estudos em câncer, bancos de dados multi-ômicas disponibilizam uma grade quantidade de dados, os quais requerem ferramentas capazes de realizar seu processamento e sua análise. Uma teoria muito utilizada na análise de dados em larga escala é a abordagem de redes (grafos). A teoria de redes permite modelar as interações (arestas da rede) entre os elementos (nós) agregando uma visão sistêmica ao objeto de estudo e simplificando a análise de dados complexos. Para que possamos, ainda, considerar que os nós da rede possuem características próprias como a expressão do gene que ele representa, lançamos mão da teoria de Processamento de sinais em grafos (GSP). Essa área promissora tem se mostrado uma ferramenta poderosa na análise de dados, porém, ainda com poucas aplicações em dados de expressão gênica. Levando em consideração que tecidos tumorais são formados a partir de células saudáveis estimuladas por mudanças nos padrões de expressão de poucos genes, propomos desenvolver um modelo de difusão para redes dirigidas (redes de regulação gênica) e com dados não temporais (doentes e saudáveis). Assim, esperamos contribuir para a compreensão do câncer de mama do subtipo triplo-negativo por meio da identificação de genes chave no desenvolvimento desta doença, que auxiliarão na melhora do prognóstico, já que os tratamentos utilizados atualmente são não específicos e possuem diversos efeitos colaterais.