Metodologias estatísticas para análise de níveis de expressão genética

• Autor(a) principal: Roque, Sara Leitão
• Data de Publicação: 2010
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10773/10553
• topic: Matemática aplicada; Expressão genética; Micromatrizes de ADNA - nálise de dados; Métodos estatísticos

A tecnologia de microarrays de DNA permite monitorizar a expressão de milhares de genes em simultâneo, constituindo um instrumento de grande apoia a investigação de grandes questões nas áreas da Biologia Molecular, Genética, Medicina, entre outras. O uso de ferramentas estatisticas que permitam a deteção de genes diferencialmente expressos torna-se imprescindível no sentido de fornecer ao biólogo a identificação de diferenças entre as várias amostras comparadas durante a experiencia de microarrays. Nesta dissertação serão abordadas diferentes metodologias estatísticas com vista a deteção de genes que evidenciam diferenças significativas nos níveis de expressão sob duas condições distintas. Concretamente, estuda-se o procedimento estatístico de Analise de Significância de Mi- croarrays (SAM) e vários métodos de Bayes empíricos. A metodologia SAM permite estabelecer a partir do valor observado de uma estatística de teste para cada gene, usando o método das permutações e controlando a taxa de falsas descobertas, quais os genes com níveis de expressão ao significativamente diferentes. Os métodos de Bayes empíricos assumem o ajustamento dos níveis de expressão genética a um dado modelo probabilístico teórico o qual, por sua vez, depende de uma distribuição a priori para o modelo dos parâmetros, sendo que os parâmetros da distribuição a priori são estimados com base nos dados observados. No presente trabalho serão abordadas quatro metodologias inseridas nos métodos de Bayes empíricos: um modelo linear e os modelos Gamma-Gamma, Log-Normal-Normal e Log-Normal-Normal com Variância Modificada. Com o auxílio de packages do R obtidos do Bioconductor (nomeadamente, limma e EBarrays) e do package do R samr, aplicaram-se as metodologias referidas a duas bases de dados reais designadas por ApoAI e Fermentation. A ApoAI visa o estudo de ratos cujo gene ApoAI não esta funcional e a forma como a de ciência deste gene afeta o desempenho dos outros genes no fígado. A base de dados Fermentation resulta de uma experiencia de duas cores de microar- rays de DNA recentemente realizada no Laboratório de Microarrays da Universidade de Aveiro. A análise destes dados visa comparar os níveis de expressão genética de cinco leveduras vínicas e duas leveduras não vínicas e identificar genes que permitam distinguir estirpes com uma boa resistência ao stress imposto pelo processo de fermentação. Os resultados obtidos com cada uma das metodologias foram analisados e comparados obtendo-se uma lista de genes comuns identificados por todas as metodologias.