Busca avançada
Ano de início
Entree

Anotação de RNAs longos não-codificantes e identificação de potenciais alvos terapêuticos em Schistosoma mansoni

Processo: 18/19591-2
Linha de fomento:Bolsas no Brasil - Mestrado
Vigência (Início): 01 de março de 2019
Vigência (Término): 29 de fevereiro de 2020
Área do conhecimento:Ciências Biológicas - Parasitologia - Helmintologia de Parasitos
Pesquisador responsável:Sergio Verjovski Almeida
Beneficiário:Lucas Ferreira Maciel
Instituição-sede: Instituto Butantan. Secretaria da Saúde (São Paulo - Estado). São Paulo , SP, Brasil
Assunto(s):Biologia computacional   Esquistossomose   Análise de sequência de RNA   Schistosoma mansoni

Resumo

Esquistossomose é uma doença tropical negligenciada, causada por vermes do gênero Schistosoma, com estimativas de mais de 250 milhões de pessoas infectadas no mundo. Praziquantel é a única droga eficaz no tratamento da esquistossomose, e por isso novos alvos terapêuticos e drogas, que possam afetar negativamente sua biologia reprodutiva, têm sido estudados. Contudo, as pesquisas até agora não exploram o potencial dos RNAs longos não-codificantes (lncRNA). Os lncRNAs de S. mansoni foram identificados em três estudos recentes, porém como cada trabalho utilizou ferramentas e definições diferentes, uma parte dos lncRNAs é redundante, além de terem sido anotados contra uma versão obsoleta do transcriptoma codificante de proteínas. Ademais, os trabalhos foram realizados com parasitas inteiros; por outro lado, já foi demonstrado que lncRNAs possuem expressão tecido- e célula-específica. Assim, nosso objetivo é identificar um conjunto de lncRNAs mais robusto e completo, em concordância com o atual transcriptoma, e reanalisar datasets de RNA-Seq até agora não anotados para a presença destes lncRNAs a fim de entender o papel dos lncRNAs na biologia do organismo e identificar potenciais novos alvos terapêuticos. Para isso, todos lncRNAs até agora identificados serão comparados com os genes das novas proteínas para remoção de pre-mRNAs, e sua propensão a serem lncRNAs re-avaliada com a ferramenta FEELnc que usa o algoritmo Random Forest. Novos lncRNAs em datasets de RNA-seq de células tronco únicas e de gônadas serão identificados por pipeline envolvendo o mapeamento de reads e reconstrução em transcritos, classificação com FEELnc e filtragem de potenciais mRNAs. Baseados nesse conjunto final de lncRNAs, faremos uma reanalise quantitativa dos dados públicos de RNA-Seq para identificar genes diferencialmente expressos em diferentes contextos, fisiológicos ou de tratamento com drogas, com foco em lncRNAs. (AU)