Modeling the Human Genome Maintenance network

Simão, Éder Maiquel; Cabral, Heleno B.; Castro, Mauro A. A.; Sinigaglia, Marialva; Mombach, José C. M.; Librelotto, Giovani Rubert

doi:10.1016/j.physa.2010.05.051

Cited by 10 publications

(6 citation statements)

References 18 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Supported database : pathDIP integrates ASCN2 [ 40 ], BioCarta [ 41 ], EHMN [ 42 ], HumanCyc [ 10 ], INOH [ 43 ], IPAVS [ 44 ], KEGG [ 11 ], NetPath [ 33 ], OntoCancro [ 45 ], Panther[ 13 ], PharmGKB [ 46 ], PID [ 34 ], RB-pathways [ 47 ], Reactome [ 12 ], Signalink2.0 [ 48 ], SIGNOR2.0 [ 49 ], SMPDB [ 50 ], SPIKE [ 51 ], STKE [ 9 ], System-biology.org [ 52 ], UniProt Pathways ( https://www.uniprot.org/help/pathway ) and WikiPathways [ 15 ].…”

Section: Toolsmentioning

confidence: 99%

Comprehensive pathway enrichment analysis workflows: COVID-19 case study

Agapito

Pastrello

Jurišica

2020

Briefings in Bioinformatics

View full text Add to dashboard Cite

The coronavirus disease 2019 (COVID-19) outbreak due to the novel coronavirus named severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) has been classified as a pandemic disease by the World Health Organization on the 12th March 2020. This world-wide crisis created an urgent need to identify effective countermeasures against SARS-CoV-2. In silico methods, artificial intelligence and bioinformatics analysis pipelines provide effective and useful infrastructure for comprehensive interrogation and interpretation of available data, helping to find biomarkers, explainable models and eventually cures. One class of such tools, pathway enrichment analysis (PEA) methods, helps researchers to find possible key targets present in biological pathways of host cells that are targeted by SARS-CoV-2. Since many software tools are available, it is not easy for non-computational users to choose the best one for their needs. In this paper, we highlight how to choose the most suitable PEA method based on the type of COVID-19 data to analyze. We aim to provide a comprehensive overview of PEA techniques and the tools that implement them.

show abstract

Section: Toolsmentioning

confidence: 99%

Comprehensive pathway enrichment analysis workflows: COVID-19 case study

Agapito

Pastrello

Jurišica

2020

Briefings in Bioinformatics

View full text Add to dashboard Cite

show abstract

“…As redes de interação para cada via foram obtidas mantendo-se alguns critérios, tais como: a busca por interações de co-expressão, bancos de dados e experimentos. Foi escolhido a pontuação de confidência de 0,700 [16].…”

Section: Vias Mmgunclassified

“…As plataformas gênicas escolhidas foram a GPL570 com aproximadamente 33.000 genes, e a GPL96 com aproximadamente 20.000 genes. Todas as amostras foram normalizadas segundo o protocolo de normalização das médias robustas para múltiplos chips (RMA), que utiliza o logaritmo na base dois como meio normalizador [16].…”

Section: Amostras De Microarranjosunclassified

Análise da interação proteica na evolução do câncer

Rodrigues¹,

Bugs²,

Simão³

2015

Sci. Plena

View full text Add to dashboard Cite

A ativação das vias dos mecanismos de manutenção do genoma (MMG), tais como: ciclo celular (CC), resposta ao dano no DNA (RDD) e apoptose (APO), contribuem significativamente para o desenvolvimento tumoral. Em estudos anteriores, foram verificados em processos pré-cancerosos há ativação de uma barreira anti-câncer, que é responsável pela prevenção da progressão tumoral. A identificação dos genes expressos durante a ativação da barreira anti-câncer, associadas com as interações nas vias MMG, tornam-se uma complementariedade ao estudo da evolução do câncer. Neste trabalho, o objetivo foi investigar a ativação dos genes das vias MMG em pré-câncer da glândula adrenal, cólon, pâncreas e folículos da tireoide, usando redes de interação entre proteínas. Para descrever este estudo foi proposta a modelagem das redes de interação entre as proteínas das vias MMG usando o software Cytoscape. Os resultados obtidos com os genes destacados em expressão e quantidade de interações foram comparados com os resultados de publicações anteriores e reconfirmaram a relevância dos genes CDKN1A, CHEK1, ATR, TP53, MRE11A e XRCC4. A análise por vias permitiu a identificação de outros genes complementares aos trabalhos anteriores, como os genes SKP2, CCNO, FADD, RAD50, NBN, BIRC3, CDK2 e XRCC6. Estes genes estão associados e complementam os estudos sobre a ativação da barreira anti-câncer. Estas considerações realçam a importância de observar todo o contexto biológico sistêmico e imersivo.

show abstract

“…Na primeira etapa, chamada de Ontocancro 1.0, foi realizada uma pesquisa para centralizar dados a fim de permitir uma análise consistente de informações extraídas de bancos de dados públicos referentes ao estudo de genes humanos potenciais ao câncer, buscando a padronização dos dados encontrados através de uma ontologia [Simão et al 2010].…”

Section: Ontocancrounclassified

“…Para filtrar esses dados com vocabulários controlados que restringem as palavras, alguns bancos foram criados a partir de repositórios públicos utilizando ontologias, que são especificações explicitas de uma conceitualização [Gruber 1993], ou seja, elas permitem uma "especificação formal de termos e seus relacionamentos" [Simão et al 2010]. Esses bancos buscam informações mais especificas de determinado grupo de informações, como é o exemplo da Ontocancro [Librelotto et al 2009] [Nascimento et al 2009], que traz dados de quatro tipos de Câncer, bem como outros elementos que os acompanham, como genes, vias e amostras, além de outras informações relevantes para seu estudo.…”

Section: Introductionunclassified