Computational approaches for the discovery of significant genes in cancer

Abstract

O câncer é uma doença complexa provocada por alterações genéticas que se acumulam por toda a vida do indivíduo. A essas alterações dá-se o nome de mutação genética, as quais podem ser divididas em dois grupos: 1) Passenger mutations: mutações que não alteram o comportamento da célula; 2) Driver mutations: mutações significativas para o câncer, ou seja, que provocam a carcinogênese na célula. Células de câncer possuem um elevado número de mutações, das quais a maioria delas são passenger mutations e um pequeno número delas são driver mutations. A identificação de genes significativamente mutados, isto é, genes com mutações significativas, é essencial para a compreensão dos mecanismos de iniciação e progressão do câncer. Essa tarefa é um desafio chave na genômica do câncer, uma vez que estudos mostram que genes significativos podem sofrer mutação em uma frequência muito baixa. Com o sequenciamento de nova geração, uma extensa quantidade de conjuntos de dados genômicos foram gerados, criando o desafio de analisar e interpretar esses dados. Para identificar genes relacionados ao câncer com taxa de mutação baixa, redes de interação gênica combinadas com dados de mutação têm sindo exploradas. Neste contexto, esta pesquisa apresenta abordagens computacionais para a descoberta de genes significativos para o câncer. O genes são priorizados por um método baseado em redes que combina frequência de mutação ponderada e influência de vizinhos na rede, e possíveis falsos positivos são detectados por método baseado em aprendizado de máquina, o qual utiliza-se de dados de mutação e redes de interação gênica para induzir modelos preditivos. Um estudo experimental conduzido com seis tipos de câncer revelou o potencial das abordagens na descoberta de genes já conhecidos e de possíveis novos genes significativos para o câncer.