Implementação de abordagens computacionais para identificação de RNAs longos não codificadores envolvidos na diferenciação neural

• Autor(a) principal: Zaniboni, Gabriel Francisco
• Data de Publicação: 2015
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: http://www.teses.usp.br/teses/disponiveis/95/95131/tde-02022016-150323/
• topic: Bioinformática; Bioinformatics; Diferenciação neural; Gene ontology; Long noncoding RNA; Microarranjo; Microarray; Neural differentiation; Ontologia gênica; RNA longo não codificador

Cada vez mais, RNAs longos não codificadores (lncRNAs) surgem como importantes reguladores da biologia celular, principalmente em processos de diferenciação durante o desenvolvimento. O interesse no estudo das funções e mecanismos de atuação dessa classe de transcritos durante esses processos é crescente, e mostra-se bastante relevante no processo de diferenciação neural, pelo qual são gerados neurônios e células da glia. A linhagem celular P19, uma célula pluripotente advinda de um tipo de carcinoma embrionário murino, é bem consolidada como modelo in vitro de diferenciação neural. Após tratamento com ácido retinóico, ela é capaz de se diferenciar em neurônios e células da glia (astrócitos e oligodendrócitos). Em busca de evidências que indiquem a atuação de lncRNAs durante o processo de diferenciação neural, nosso grupo realizou experimentos utilizando microarranjos para averiguar os níveis de expressão gênica de lncRNAs e genes codificadores de proteínas (mRNAs) durante a diferenciação de células P19 em neurônios (predominância após 10 dias de diferenciação) e glia (predominância em 14 dias de diferenciação). Em um primeiro momento foi realizada a reanotação das sondas referentes a esses lncRNAs da plataforma de microarranjo, visto que as informações presentes nos arquivos de anotação da mesma eram muito escassas e desatualizadas. Registros de lncRNAs e mRNAs foram obtidos a partir de bancos de dados públicos para esse fim, e ao final dessa etapa aproximadamente 25,0% das sondas que não tinham uma anotação foram reanotadas com identificadores advindos desses bancos de dados. A partir dos dados de expressão, foram identificados todos os lncRNAs e mRNAs que apresentaram expressão diferencial entre as diferentes condições estudadas. As informações dos mRNAs diferencialmente expressos foram então utilizadas para a realização de análises de enriquecimento de categorias gênicas do Gene Ontology, nas ontologias de processo biológico e função molecular. A partir das sondas reanotadas, foram realizadas análises de coexpressão entre lncRNAs e mRNAs. A partir do cruzamento das informações obtidas, foram selecionados lncRNAs que através dos princípios de guilt by association se mostraram propensos a desempenharem um papel regulatório na diferenciação neural. Assim, as informações geradas nesse trabalho servirão como base para estudos futuros de validação funcional desses lncRNAs.