Modelagem de Redes Regulatórias para a Descoberta de Novos Biomarcadores de Doenças Complexas

Abstract

This study presents a proposal for modeling regulatory networks based on public biological data from three classes of regulatory elements (ncRNAs) such as miRNAs, circRNAs and piRNAs and their relations (regulation and origin) with genes. The integrated networks and its association with clinically relevant biological data allowed the discovery of potential candidate genes related to complex diseases. According to this network's centrality and neighborhood overlap, we identified novel potential genes and ncRNAs that could act as biomarkers of complex diseases considered major public health issues.Resumo. Este estudo apresenta uma proposta de modelagem de redes regulatórias extraindo dados biológicos públicos de três classes de elementos regulatórios (ncRNAs), tais como os miRNAs, circRNAs e piRNAs e suas relações (regulação e origem) com genes. A integração das redes de ncR-NAs e sua associação com dados biológicos de importância clínica permitiu a identificação de genes candidatos que potencialmente atuam no desenvolvimento de doenças complexas. A partir das características de centralidade e sobreposição de ligações desta rede, identificamos novos genes e ncRNAs potenciais biomarcadores de doenças complexas consideradas graves problemas de saúde pública. IntroduçãoOs RNAs não-codificantes (ncRNAs) são uma classe de RNAs estruturais e regulatórios que não são traduzidos em proteínas, e que representam cerca de 70% do genoma humano [Morris and Mattick 2014] [Costa 2010]. Apesar de vários estudos funcionais sugerirem que a desregulação da expressão dos ncRNAs está diretamente associada com o desenvolvimento de doenças complexas (tais como o câncer e a diabetes do tipo 2), a função biológica da maior parte destes ainda permanece pouco conhecida [Esteller 2011]. Em termos numéricos, os RNAs circulares (circRNAs), piwi-interacting RNAs (piRNAs) e microRNAs (miRNAs) estão entre os tipos de ncRNAs regulatórios de maior representatividade em humanos [Bahn et al. 2015]. Supõe-se que tamanha abundância