Integração de dados multi-ômicos para estudo de característica de produção, carcaça e qualidade da carne em gado Nelore

• Autor(a) principal: Novais, Francisco José de
• Data de Publicação: 2021
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: https://www.teses.usp.br/teses/disponiveis/11/11139/tde-11112021-115913/
• topic: Bayesian network; Bioinformática; Bioinformatics; Biologia de sistemas; Bovine; Bovino; Rede Bayesiana; Systems biology

Características complexas, como a qualidade da carne, são reguladas por diversas moléculas, tornando difícil sua compreensão. A integração de dados ômicos vêm sendo utilizada para entender essas características. Porém, ao usar uma abordagem de análise hierárquica, baseada no dogma central, ou concatenar apenas o enriquecimento de vias comuns perde-se informação por não considerar relações não convencionais que existem entre os dados ômicos e fenótipos. Nesse trabalho, fenótipos de produção, qualidade de carcaça e carne, dados transcriptômicos, de miRNA e proteômicos de 102 animais Nelore foram utilizados em abordagem utilizando análise de fatores e redes bayesianas, integrando diferentes dados ômicos e características complexas de relevância econômica. Um total de 14 variáveis latentes foram identificadas: 5 para dados de fenótipo, 3 para miRNA, 4 para proteína e 2 para dados de genes. Uma rede com 14 variáveis latentes e 17 conexões direcionadas entre elas foi gerada. As relações têm direção: das variáveis latentes de Carcass, Meat Quality, prot2 e prot4 para REA (força 100%, 100%, 99,8% e 86,10%, respectivamente); das variáveis latentes de Meat Quality, REA, mirna2 e blue para Fat Content (força 99,8%, 89,3%, 89% e 86,4%, respectivamente); de prot1 e mirna2 para prot5 (força 100% e 91,9%, respectivamente); de prot5 e Carcass para prot2 (força 99,2% e 93,1%, respectivamente). As variáveis latentes de proteínas sugerem novas hipóteses do impacto dessas na área de olho de lombo e musculosidade. A rede demonstra uma relação entre miRNAs e isoformas da proteína nebulina que não seriam encontrados em estudos utilizando um dado ômico único ou estratégias multi-níveis. A área de olho de lombo aparece como um nó central na rede, sendo influenciado pela Carcass, prot2, prot4 e Meat Quality, sugerindo essa como uma característica a ser utilizada como parâmetro de mesuração para qualidade da carne em frigoríficos, devido sua facilidade de mensuração. Assim, a análise de fatores aplicada foi capaz de identificar variáveis latentes, diminuindo a dimensionalidade e a complexidade dos dados. A rede bayesiana gerou relações entre variáveis latentes de diferentes tipos de dados, permitindo integrar dados ômicos e fenótipos complexos, idenficar a independência condicional e determinar como esses fatores se relacionam, o que permitiria seu uso para gerar novas hipóteses em estudos moleculares na área da qualidade de carne. Utilizando o uso conjunto da abordagem EFA, BCFA e BN com diferentes tipos de dados, foi possível integrar e fornecer novas hipóteses para estudos de características complexas permitindo explorar relações não convencionais.