Avaliação e desenvolvimento de ferramentas computacionais para a análise estatística de dados de proteômica

• Processo: 14/21445-3
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de dezembro de 2014
• Data de Término da vigência: 30 de novembro de 2015
• Área de conhecimento: Ciências Biológicas - Biologia Geral
• Pesquisador responsável: Adriana Franco Paes Leme
• Beneficiário: Daniel Germano Travieso
• Instituição Sede: Centro Nacional de Pesquisa em Energia e Materiais (CNPEM). Ministério da Ciência, Tecnologia e Inovação (Brasil). Campinas , SP, Brasil
• Assunto(s): Biologia computacional Proteômica Fenômenos biológicos Modelagem computacional Análise estatística de dados Métodos de análise
• Palavra(s)-Chave do Pesquisador: Análise estatística de dados proteomicos | Statistical analysis of proteomic data | Bioinformática

Resumo

Com o desenvolvimento da proteômica quantitativa baseada na espectrometria de massas, a identificação de proteínas e a classificação de dados proteômicos aparecem como temas extremamente relacionados e necessários para a interpretação dos fenômenos biológicos. Entretanto, o avanço tecnológico na quantificação de proteínas não foi diretamente seguido por avanços nas análises de dados. Atualmente, poucos grupos de investigação que exploram informações do proteoma possuem as ferramentas e habilidades necessárias para executar todas as etapas da análise de dados, o que limita a interpretação dos fenômenos estudados. Neste contexto, objetivamos o desenvolvimento e implantação de ferramentas para a interpretação e análise de dados proteômicos a fim de ampliar o ganho de informações e qualidade nas respectivas análises atualmente realizadas. Análises estatísticas univariadas, multivariadas, normalizações de dados e validações de dados exemplificam pontos da análise estatística que necessitam ser desenvolvidos de forma preferencialmente automatizada para melhorar o desempenho e qualidade de todo o processo de análise de dados. Sendo assim, o desenvolvimento de scripts e funções integradas em fluxos de trabalhos (pipelines) automatizados e padronizados para a análise estatística de dados proteômicos torna-se indispensável, uma vez que a demanda por este tipo de análise é crescente e poucos trabalhos têm sido reportados tratando sobre a aplicação de diferentes métodos de análises estatísticas dos dados proteômicos.