Novas inferências estatísticas explorando mudanças causais em redes biológicas

• Processo: 13/06223-1
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de julho de 2013
• Data de Término da vigência: 07 de maio de 2016
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Probabilidade e Estatística Aplicadas
• Pesquisador responsável: Anatoli Iambartsev
• Beneficiário: Lina Dornelas Thomas
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Bolsa(s) vinculada(s): 13/14722-8 - Estudo de mudanças nas redes de coexpressão gênica, BE.EP.DR
• Assunto(s): Redes complexas Expressão gênica
• Palavra(s)-Chave do Pesquisador: Correlacao parcial | microarray | Redes Complexas | systems biology | Redes Complexas, Systems Biology

Resumo

Muitas pesquisas atuais almejam compreender as causas das transições de estado de um sistema biológico. Diferenças nos padrões de expressão gênica entre diferentes estados podem apontar para transições que dependem desses estados. Uma mudança nos padrões de expressão gênica indica que uma relação entre os genes foi perdida, criada, rompida, ou intensificada. Duas maneiras de medir essa mudança e que utilizaremos bastante nesse trabalho é a diferença de média (Genes Diferencialmente Expressos - Differentially Expressed Genes - DEGs) e de correlação (Pares Diferencialmente Associados - Differentially Associated Pairs - DAPs). O principal objetivo desse trabalho é encontrar relações estatísticas entre DEGs e DAPs. Queremos descobrir se é possível explicar a transição de um sistema de um estado para outro levando em conta tanto os DEGs quanto a informação sobre os DAPs. Pretendemos também encontrar as ligações estatísticas entre os DEGs e pesquisar as relações dos DAPs com as redes construídas com os DEGs. (AU)

Publicações científicas

(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)

DONG, XIAOXI; YAMBARTSEV, ANATOLY; RAMSEY, STEPHEN A.; THOMAS, LINA D.; SHULZHENKO, NATALIA; MORGUN, ANDREY. Reverse enGENEering of Regulatory Networks from Big Data: A Road map for Biologists. BIOINFORMATICS AND BIOLOGY INSIGHTS, v. 9, p. 61-74, 2015. (13/06223-1, 13/14722-8)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

THOMAS, Lina Dornelas. Analysis of state transition in complex systems: statistical procedures in biological networks. 2017. Tese de Doutorado - Universidade de São Paulo (USP). Instituto de Matemática e Estatística (IME/SBI) São Paulo.