Estudo de inverted repeats em genomas de mamíferos e plantas

Resumo

As sequências repetitivas (SR), complementares ou não, equivalem, aproximadamente, a 50% do genoma em mamíferos, podendo chegar até a 90% nas plantas. Em estudos voltados para a identificação de genes, tais sequências são previamente mascaradas e removidas para evitar vieses nas análises estatísticas. Contudo, ultimamente, as SR têm sido, elas próprias, objeto de pesquisa, visto que há evidências científicas de seu papel na regulação gênica, como, por exemplo, RNAi, que é uma SR (inverted repeat) quimicamente complementar, exata ou parcial, de uma molécula de mRNA, desativando ou reprimindo parcialmente a tradução. Uma dificuldade inerente ao estudo de SR é a complexidade do problema de identificá-las, uma vez que tal problema é NP-difícil. Há na literatura alguns algoritmos eficientes que usam a estrutura de dados Suffix Array para tal tarefa. O objetivo deste trabalho é, primeiramente, aprimorar os algoritmos de Suffix Array para identificar as classes mais comuns de SR, possibilitando a caracterização estatística de tais sequências, e, posteriormente, aproveitando essa caracterização e o banco de dados criados, estudar possíveis implicações biológicas, particularmente, para as inverted repeats que são objeto principal desse estudo. (AU)