Aplicação de modelos estatísticos e desenvolvimento de algoritmos para estudo genético de doenças neuro-psiquiátricas

Detalhes bibliográficos
Autor(a) principal: Secolin, Rodrigo, 1978-
Data de Publicação: 2011
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1614150
Resumo: Orientador: Iscia Teresinha Lopes Cendes
id UNICAMP-30_a4993b125a948f83a1fe89e57a641350
oai_identifier_str oai::784055
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Aplicação de modelos estatísticos e desenvolvimento de algoritmos para estudo genético de doenças neuro-psiquiátricasStatistical models application and algorithm development for genetic studies in neuropsychiatric diseasesBioinformáticaGenética médicaNeurogenéticaBioinformaticsHuman geneticsNeurogeneticsOrientador: Iscia Teresinha Lopes CendesTese (doutorado) - Universidade Estadual de Campinas, Faculdade de Ciências MédicasResumo: Fatores genéticos têm sido descritos para diversas doenças do sistema nervoso central. Uma etapa importante na identificação de genes responsáveis por estas doenças são os estudos de mapeamento genético. Além disso, devido às novas tecnologias de aquisição de dados de genótipos dos indivíduos, é necessário o estudo e desenvolvimento de programas de processamento de grande quantidade de dados para as análises estatísticas. Os objetivos deste trabalho foram: 1) criar uma interface entre os equipamentos de aquisição de dados de genótipos e os programas estatísticos, por meio de programas de processamento de dados; 2) aplicar e avaliar os modelos estatísticos em amostras de famílias segregando três doenças neuro-psiquiátricas: epilepsia do lobo temporal mesial (ELTM), polimicrogiria perisylviana bilateral congênita (PPBC) e transtorno afetivo bipolar (TAB). A interface foi desenvolvida a partir de um algoritmo lógico, o qual adiciona a matriz dos dados dos genótipos provenientes dos equipamentos em uma matriz representativa dos dados das famílias. Este algoritmo, denominado JINGLEFIX, foi programado em linguagem de computador PERL e ambiente R e utilizado posteriormente nos estudos de mapeamento genético da ELTM, PPBC e TAB. Análise de segregação foi realizada em 148 famílias nucleares com ELTM, com um total de 698 indivíduos, visto que esta síndrome não possui padrão de herança conhecido. Uma família, segregando PPBC com um total de 15 indivíduos e um padrão conhecido de herança ligada ao X dominante, foi submetida à análise paramétrica de ligação por meio do pacote de programas LINKAGE, utilizando 18 marcadores microssátelites na região candidata Xq27-Xq28. Análise não paramétrica de ligação realizada em uma amostra de 74 famílias segregando TAB, totalizando 411 indivíduos, por meio do teste de transmissão de desequilíbrio de ligação (TDT), utilizando 21 single nucleotide polymosphisms (SNPs) para 21 regiões candidatas. A análise de segregação revelou a presença de um gene de maior efeito com um padrão autossômico dominante, além da presença de genes de menor efeito influenciando no fenótipo da ELTM. O posterior mapeamento genômico da ELTM, utilizando os parâmetros definidos na análise de segregação, revelou ligação genética na região 18p11. A análise paramétrica de ligação genética levou ao mapeamento da região Xq27 para a família com PPBC, diferente da região candidata previamente descrita. Esta diferença pode ser explicada pelo tipo de amostra familiar utilizada pelos dois estudos. Em relação ao TAB, a análise não paramétrica identificou a região candidata 3p22. Posterior estudo de refinamento da região 3p21-3p22 utilizando 94 SNPs adicionais e estudo de expressão gênica identificou o gene ITGA9 como possível gene de susceptibilidade para o TAB. Comparando o poder estatístico entre as análises, foi observado maior poder estatístico na análise paramétrica utilizando uma ou poucas famílias, com um número grande de indivíduos por família; enquanto que o poder estatístico foi maior nas análises não paramétricas utilizando múltiplas famílias de tamanhos moderados e estruturas variadas. Conclui-se que o algoritmo de processamento de dados e a adequada aplicação dos modelos estatísticos são fundamentais para sucesso do mapeamento genético das regiões e dos genes responsáveis pelas doenças neuro-psiquiátricas estudadasAbstract: Genetic factors have been described for several central nervous system diseases. A main step for disease gene identification is genetic mapping study. In addition, due new genotype acquire technology, the development of genotype processing data software is required. The objectives of this work were: 1) to generate interface between genotype equipment and statistical software by processing data algorithm; 2) to apply and evaluate statistical models in family sample segregating three neurological diseases: mesial temporal lobe epilepsy (MTLE), bilateral perysilvian polymicrogyria (BPP) and bipolar affective disorder (BPAD). Data interface was developed from a logic algorithm, which adds a genotype matrix data from equipment to a family data matrix. This algorithm, called JINGLEFIX, was implemented in PERL computer language and R environment. In addition, this software was used in genetic mapping study for MTLE, BPP and BPAD. Segregation analysis was performed in 148 nuclear MTLE pedigrees, with a total of 698 individuals, since this syndrome has not known inheritance pattern. One BPP pedigree with known X-linked dominant pattern of inheritance, with a total of 15 individuals, was submitted to parametric linkage analysis by LINKAGE package, using 18 microsatellite markers on candidate region Xq27-Xq28. Non-parametric linkage analysis was performed from 74 BPAD families, with a total of 411 individuals, by transmission disequilibrium test (TDT) and using 21 single nucleotide polymorphisms (SNPs) for 21 candidate regions. Segregation analysis revealed a major effect gene with an autosomal dominant pattern of inheritance and minor gene effect, which could influence MTLE phenotype. Further whole genome analysis mapped the putative MTLE major gene on 18p11. Parametric linkage analysis mapped Xq27 locus for BPP, a different region compared to the Xq28 previous described. This difference could be explained to sample type used by the two studies. Non-parametric linkage for BPAD identified the candidate region on 3p22. Further studies using 94 additional SNPs on 3p21-3p22 and gene expression analysis identified ITGA9 as susceptibility gene for BPAD. A comparison of statistical power between statistical analyses showed a high statistical power for parametric linkage analysis from one or a few large families; whereas a high statistical power was observed for non-parametric linkage analysis using several moderate size families. The conclusion of this study is that data processing algorithm and adequate statistical model applying are fundamental tools for successful of genetic mapping of complex diseasesDoutoradoNeurociênciasDoutor em Ciências[s.n.]Lopes-Cendes, Íscia Teresinha, 1964-Lopes-Cendes, Íscia Teresinha, 1964-Sartorato, Edi LúciaMelo, Mônica Barbosa deSimões, Aguinaldo LuizGodard, Ana Lúcia BrunialtiUniversidade Estadual de Campinas (UNICAMP). Faculdade de Ciências MédicasPrograma de Pós-Graduação em Fisiopatologia MédicaUNIVERSIDADE ESTADUAL DE CAMPINASSecolin, Rodrigo, 1978-20112011-08-02T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdf136 p.https://hdl.handle.net/20.500.12733/1614150SECOLIN, Rodrigo. Aplicação de modelos estatísticos e desenvolvimento de algoritmos para estudo genético de doenças neuro-psiquiátricas. 2011. 136 p. Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Ciências Médicas, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1614150. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/784055porreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2017-02-18T06:08:59Zoai::784055Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2017-02-18T06:08:59Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Aplicação de modelos estatísticos e desenvolvimento de algoritmos para estudo genético de doenças neuro-psiquiátricas
Statistical models application and algorithm development for genetic studies in neuropsychiatric diseases
title Aplicação de modelos estatísticos e desenvolvimento de algoritmos para estudo genético de doenças neuro-psiquiátricas
spellingShingle Aplicação de modelos estatísticos e desenvolvimento de algoritmos para estudo genético de doenças neuro-psiquiátricas
Secolin, Rodrigo, 1978-
Bioinformática
Genética médica
Neurogenética
Bioinformatics
Human genetics
Neurogenetics
title_short Aplicação de modelos estatísticos e desenvolvimento de algoritmos para estudo genético de doenças neuro-psiquiátricas
title_full Aplicação de modelos estatísticos e desenvolvimento de algoritmos para estudo genético de doenças neuro-psiquiátricas
title_fullStr Aplicação de modelos estatísticos e desenvolvimento de algoritmos para estudo genético de doenças neuro-psiquiátricas
title_full_unstemmed Aplicação de modelos estatísticos e desenvolvimento de algoritmos para estudo genético de doenças neuro-psiquiátricas
title_sort Aplicação de modelos estatísticos e desenvolvimento de algoritmos para estudo genético de doenças neuro-psiquiátricas
author Secolin, Rodrigo, 1978-
author_facet Secolin, Rodrigo, 1978-
author_role author
dc.contributor.none.fl_str_mv Lopes-Cendes, Íscia Teresinha, 1964-
Lopes-Cendes, Íscia Teresinha, 1964-
Sartorato, Edi Lúcia
Melo, Mônica Barbosa de
Simões, Aguinaldo Luiz
Godard, Ana Lúcia Brunialti
Universidade Estadual de Campinas (UNICAMP). Faculdade de Ciências Médicas
Programa de Pós-Graduação em Fisiopatologia Médica
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Secolin, Rodrigo, 1978-
dc.subject.por.fl_str_mv Bioinformática
Genética médica
Neurogenética
Bioinformatics
Human genetics
Neurogenetics
topic Bioinformática
Genética médica
Neurogenética
Bioinformatics
Human genetics
Neurogenetics
description Orientador: Iscia Teresinha Lopes Cendes
publishDate 2011
dc.date.none.fl_str_mv 2011
2011-08-02T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/1614150
SECOLIN, Rodrigo. Aplicação de modelos estatísticos e desenvolvimento de algoritmos para estudo genético de doenças neuro-psiquiátricas. 2011. 136 p. Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Ciências Médicas, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1614150. Acesso em: 3 set. 2024.
url https://hdl.handle.net/20.500.12733/1614150
identifier_str_mv SECOLIN, Rodrigo. Aplicação de modelos estatísticos e desenvolvimento de algoritmos para estudo genético de doenças neuro-psiquiátricas. 2011. 136 p. Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Ciências Médicas, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1614150. Acesso em: 3 set. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/784055
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
136 p.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1809189046722756608

Registros relacionados