FenixEdu™

Dissertação

Implementation of a workflow for the processing and analysis of genome interaction datasets EVALUATED

Detalhes: Os activadores e as suas interações com promotores específicos desempenham um papel importante na transcrição de genes e consequentemente na expressão fenotípica. Recentemente, descobriu-se que a regulação distal de genes por activadores tem um papel em doenças como o cancro, com quase 80% das sequências de variantes associadas à doença localizadas dentro de activadores. O método HiCap combina uma enzima de restrição Hi-C 4-cortadora com a captura de sequência de regiões promotoras, permitindo que as interações de activadores ancorados a um promotor podem ser facilmente identificadas. Tendências inerentes a Hi-C podem ser propagadas no método HiCap, entretanto este comportamento necessita de investigação, uma vez que o HiCap possui uma maior seletividade e resolução. Além disso, as interações estruturais e funcionais não são diferenciadas no resultado do HiCap. Este projeto investiga a presença de tendências no HiCap de uma linhagem de células THP-1 estimuladas com um Lipopolissacarídeo. Algumas ferramentas de aprendizagem automática foram usadas para tentar diferenciar entre as interações estruturais e funcionais nos resultados do HiCap, usando dados de ChIP-seq de estudos sobre activadores como referência. Verificou-se que as tendências em Hi-C não se propagaram para o HiCap. Não obstante, os resultados dos algoritmos de aprendizagem automática sugerem que mais parâmetros de dados podem ser necessários para se distinguir claramente entre interações estruturais e funcionais.
Keywords: Acentuadores, HiCap, Identificação de tendência, Aprendizagem Automática, Classificação de Classe Única, Modelo de Mistura de Gaussianas

Discussão: novembro 29, 2016, 11:0