FenixEdu™

Dissertação

{en=Visual analysis of regulatory networks} {} EVALUATED

Detalhes: {pt=A quantidade de dados biológicos obtida através de tecnologias de alto débito cresce a um ritmo exponencial, o que conduz à identificação de redes de regulação de grande dimensão. Neste contexto, a análise e interpretação das relações nessas redes torna-se um problema de difícil resolução em biologia computacional. Embora existam já muitas ferramentas para analisar redes biológicas, estas apresentam limitações ao lidar com grandes quantidades de dados, particularmente no que diz respeito à sua análise visual. Neste contexto, o objectivo deste trabalho foi desenvolver uma ferramenta de visualização para redes biológicas que seja capaz de representar e analisar redes de regulação, tendo por base a capacidade de percepção e análise visual de um indivíduo. Nesta ferramenta, utiliza-se como caso de estudo a rede da YEASTRACT, uma base de dados de interações genéticas em Saccharomyces cerevisiae. Para além desta ferramenta, analisou-se ainda a estrutura da mesma rede utilizando várias técnicas de extração de informação de grafos baseados na procura de conjuntos ou "clusters", neste caso, comunidades de factores de transcrição que estejam fortemente ligadas entre si, mas esparsamente ligadas a outras comunidades. A procura destes grupos é muito importante em biologia molecular, na possibilidade de estes partilharem funções comuns na estrutura celular. Porém, deste estudo resultou que é impossível encontrar clusters bem definidos na rede de factores de transcrição devido à sua estrutura e complexidade. Contudo, verificou-se que é possível filtrar listas de factores de transcrição a partir das quais é possível obter melhores resultados ao analisar as suas funções celulares. , en=The amount of biological data obtained by high-throughput technologies is growing exponentially, leading to the identification of huge regulatory networks. In this context, the analysis and interpretation of the relationships in these networks is becoming a major bottleneck in computational biology. Although some tools are already available to process and analyze biological networks, several difficulties arise when dealing with large regulatory networks involving thousands of protein interactions. One severe bottleneck is their visual analysis and interpretation. In this context, the aim of this work was to develop a new visualization tool for biological networks which is able to represent and analyze large gene transcription networks, in a visual perspective. In this thesis, we used as a case study, the regulatory network on Saccharomyces cerevisiae, provided by YEASTRACT. Furthermore, we analyzed the same network in a graph mining point of view by studying its structure and by trying to find clusters of transcription factors: communities of genes that are strongly connected within each other, though sparsely connected among others. The search for communities within graphs representing regulatory networks, became a hot topic in molecular biology, based on the assumption that they may have the same functional roles within the cell. However, in our analysis, it was found that it is impossible to find clusters within the transcription factor subnetwork, due to its complexity and structure. Although, we observed that it was possible to filter sets of transcription factors that could provide better results when we try to adress their cellular roles. }
Keywords: {pt=Análise Visual, Levedura, Ferramenta de Visualização, Teoria de Grafos, Redes Reguladoras, Comunidades em Redes, en=Visual Analysis, Yeast, Visualization Framework, Graph Mining, Community Finding, Regulatory Networks}

Discussão: novembro 24, 2010, 11:26