Utilização de aprendizado de máquina em redes biológicas para previsão e determinação de regras para emergência de fenótipos de interesse

• Processo: 10/20684-3
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Vigência (Início): 01 de abril de 2011
• Vigência (Término): 28 de fevereiro de 2014
• Área do conhecimento: Ciências Biológicas - Biofísica - Biofísica de Processos e Sistemas
• Pesquisador responsável: Ney Lemke
• Beneficiário: Marcio Luis Acencio
• Instituição Sede: Instituto de Biociências (IBB). Universidade Estadual Paulista (UNESP). Campus de Botucatu. Botucatu , SP, Brasil
• Assunto(s): Aprendizado computacional Redes biológicas Transdução de sinais
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | essencialidade | Fenótipos de crescimento | Redes Biológicas | vias de sinalização | Inteligência artificial e redes biológicas

Resumo

O método reducionista tem ajudado no esclarecimento do funcionamento de muitos processos biológicos. Porém, tais processos são extremamente complexos e possuem propriedades emergentes que não podem ser explicadas ou mesmo previstas através do reducionismo. Para suplantar esses limites, pesquisadores têm usado um conjunto de métodos conhecido como biologia sistêmica, nova área da biologia cujo objetivo é a compreensão das interações não-lineares entre os múltiplos componentes dos processos biológicos. Essas interações podem ser representadas por um objeto matemático chamadografo ou rede, onde os elementos interagentes são representados por nodos e as interações por arcosque conectam pares de nodos. Com base nos princípios da biologia sistêmica, propomos, neste projeto, (i) a construção da rede integrada de interações gênicas do fungo Saccharomyces cerevisiae contendo, simultaneamente, interações físicas entre proteínas, interações metabólicas e interações de regulação transcricional, (ii) a determinação das medidas de centralidade dessa rede e (iii) a utilização dessas medidas de centralidade para a predição e descrição, através da utilização de técnicas de aprendizado de máquina, da essencialidade de cada gene ou de cada interação gênica do organismo em diferentes condições de crescimento e da associação de cada interação gênica com certos fenótipos ou processos biológicos de interesse. Ainda, propomos também o desenvolvimento de um método baseado em aprendizado de máquina e medidas de centralidade da rede para a construção da rede de vias de sinalização envolvida com algum processo biológico de interesse em S. cerevisiae.

Publicações científicas

(7)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

ACENCIO, MARCIO LUIS; BOVOLENTA, LUIZ AUGUSTO; CAMILO, ESTHER; LEMKE, NEY. Prediction of Oncogenic Interactions and Cancer-Related Signaling Networks Based on Network Topology. PLoS One, v. 8, n. 10, OCT 25 2013. (13/02018-4, 12/00741-8, 10/20684-3, 12/13450-1)

POLLO-OLIVEIRA, LETICIA; POST, HARM; ACENCIO, MARCIO LUIS; LEMKE, NEY; VAN DEN TOORN, HENK; TRAGANTE, VINICIUS; HECK, ALBERT J. R.; ALTELAAR, A. F. MAARTEN; YATSUDA, ANA PATRICIA. Unravelling the Neospora caninum secretome through the secreted fraction (ESA) and quantification of the discharged tachyzoite using high-resolution mass spectrometry-based proteomics. PARASITES & VECTORS, v. 6, NOV 23 2013. (13/02018-4, 10/20684-3, 05/53785-9)

COSTA, PEDRO RAFAEL; ACENCIO, MARCIO LUIS; LEMKE, NEY. Cooperative RNA Polymerase Molecules Behavior on a Stochastic Sequence-Dependent Model for Transcription Elongation. PLoS One, v. 8, n. 2, FEB 21 2013. (09/10382-2, 10/20684-3, 10/03338-4)

BOVOLENTA‚ L.; ACENCIO‚ M.; LEMKE‚ N.. The development of an open-access database for human transcriptional regulation interactions. BMC Bioinformatics, v. 12, n. Suppl 11, p. A10, 2011. (09/10382-2, 10/20684-3)

BOVOLENTA, LUIZ AUGUSTO; PINHAL, DANILLO; ACENCIO, MARCIO LUIS; DE OLIVEIRA, ARTHUR CASULLI; MOXON, SIMON; MARTINS, CESAR; LEMKE, NEY. miRTil: An Extensive Repository for Nile Tilapia microRNA Next Generation Sequencing Data. CELLS, v. 9, n. 8, AUG 2020. (10/20684-3, 12/13450-1, 12/15589-7, 14/08420-1, 15/19176-7, 11/06465-0, 13/03644-6)

CAMILO, ESTHER; BOVOLENTA, LUIZ A.; ACENCIO, MARCIO L.; RYBARCZYK-FILHO, JOSE L.; CASTRO, MAURO A. A.; MOREIRA, JOSE C. F.; LEMKE, NEY. GALANT: a Cytoscape plugin for visualizing data as functional landscapes projected onto biological networks. Bioinformatics, v. 29, n. 19, p. 2505-2506, OCT 1 2013. (13/02018-4, 12/00741-8, 10/20684-3, 12/13450-1)

BOVOLENTA, LUIZ A.; ACENCIO, MARCIO L.; LEMKE, NEY. HTRIdb: an open-access database for experimentally verified human transcriptional regulation interactions. BMC Genomics, v. 13, AUG 17 2012. (09/10382-2, 10/20684-3)