Enumerando histórias metabólicas multidimensionais: modelos e métodos

• Processo: 15/13430-9
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de setembro de 2016
• Data de Término da vigência: 31 de janeiro de 2019
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Roberto Marcondes Cesar Junior
• Beneficiário: Ricardo Luiz de Andrade Abrantes
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 11/50761-2 - Modelos e métodos de e-Science para ciências da vida e agrárias, AP.TEM
• Bolsa(s) vinculada(s): 17/05986-2 - Histórias metabólicas a partir de dados de transcriptômica, BE.EP.PD
• Assunto(s): Simbiose Biologia computacional Big data
• Palavra(s)-Chave do Pesquisador: big data | Biologia Computacional | Desenvolvimento e análise de algoritmos | otimização | Redes Metabólicas | Simbiose | Bioinformática

Resumo

Nos últimos anos, graças aos avanços nas tecnologias de sequenciamento, espectrometria, espectroscopia, entre outros, uma quantidade massiva de dados passou a estar disponível para a análise de fenômenos biológicos. Porém a aquisição destes tem gerado muito mais dados do que os cientistas podem analisar. Tais dados são também complexos, imprecisos e geralmente parciais, ou seja, cobrem apenas alguns aspectos de alguns subsistemas que deseja-se estudar. Portanto, inferir algo a respeito dos mesmos pode ser uma tarefa extremamente complexa. Além disso, muitos dos métodos existentes supõem exatidão nos dados de origem, o que dificulta a aplicabilidade real dos mesmos.Considerando a crescente disponibilidade de dados de ômica, foi proposto recentemente por Acuna et al. [Acuna2012], um método que permite uma melhor compreensão de dados de metabolômica. Tal método pode ser utilizado para compreender como organismos reagem a situações de stress ou mesmo como se estabelecem algumas relações de simbiose entre organismos. O método procura organizar os dados de metabolômica em histórias metabólicas. Uma história corresponde a um possível fluxo de matéria entre os compostos medidos que explique suas variações. Neste projeto, desejamos desenvolver uma extensão do método proposto em [Acuna2012] considerando a estequiometria das reações. Desejamos também considerar dados de fluxômica e proteômica em conjunto com os dados de metabolômica. Dessa forma o problema a ser tratado passa a ser o de identificar histórias metabólicas que expliquem os dados de metabolômica, fluxômica e proteômica conjuntamente. (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)

PUSA, TANELI; FERRARINI, MARIANA GALVAO; ANDRADE, RICARDO; MARY, ARNAUD; MARCHETTI-SPACCAMELA, ALBERTO; STOUGIE, LEEN; SAGOT, MARIE-FRANCE. MOOMIN - Mathematical explOration of 'Omics data on a MetabolIc Network. Bioinformatics, v. 36, n. 2, p. 10-pg., 2020-01-15. (17/05986-2, 15/13430-9)

PUSA, TANELI; FERRARINI, MARIANA GALVAO; ANDRADE, RICARDO; MARY, ARNAUD; MARCHETTI-SPACCAMELA, ALBERTO; STOUGIE, LEEN; SAGOT, MARIE-FRANCE. MOOMIN - Mathematical explOration of `Omics data on a MetabolIc Network. Bioinformatics, v. 36, n. 2, p. 514-523, JAN 15 2020. (15/13430-9, 17/05986-2)

GALVAO FERRARINI, MARIANA; ZISKA, IRENE; ANDRADE, RICARDO; JULIEN-LAFERRIERE, ALICE; DUCHEMIN, LOUIS; CESAR, ROBERTO MARCONDES; MARY, ARNAUD; VINGA, SUSANA; SAGOT, MARIE-FRANCE. Totoro: Identifying Active Reactions During the Transient State for Metabolic Perturbations. FRONTIERS IN GENETICS, v. 13, p. 12-pg., 2022-02-21. (15/22308-2, 15/13430-9)