BioNetStat: uma ferramenta para análise diferencial de redes biológicas (2018)
- Authors:
- Autor USP: CARVALHO, VINÍCIUS JARDIM - Interunidades em Bioinformática
- Unidade: Interunidades em Bioinformática
- Subjects: BIOINFORMÁTICA; REDES E COMUNICAÇÃO DE DADOS
- Keywords: Análise de redes; Análise diferencial de redes; Biologia de sistemas; Coexpression network; Correlation network; Differential network analysis; Network analysis; Networks theory; Redes de co-expressão; Redes de correlação; Systems biology; Teoria de redes
- Agências de fomento:
- Language: Português
- Abstract: A diversidade de interações que ocorre dentro de sistemas biológicos, considerando desde as organelas de uma célula até toda a biosfera, pode ser modelada por meio da teoria de redes. A dinâmica das interações entre os elementos é uma propriedade intrínseca desses sistemas. Diversas ferramentas foram propostas para comparar redes, que representam os muitos estados assumidos por um sistema. Porém, nenhuma delas é capaz de comparar características estruturais de mais de duas redes simultaneamente. Devido à grande quantidade de estados que um sistema pode assumir, construímos uma ferramenta estatística para comparar duas ou mais redes e indicar variáveis chave no processo estudado. A principal proposta deste trabalho foi comparar redes de correlação usando medidas baseadas nos espectros dos grafos (conjunto de autovalores das matrizes de adjacência), como a distribuição espectral. Essa medida está associada a diversas características estruturais das redes como o número de caminhos, diâmetro e cliques. Além da distribuição espectral, também comparamos as redes por entropia espectral, distribuição dos graus e pelas centralidades dos nós. Usamos dois diferentes conjuntos de dados biológicos (expressão gênica de células tumorais e metabolismo vegetal) para realizar os testes de desempenho da ferramenta e para os estudos de caso. O método proposto está implementado em um pacote do programa R, chamado BioNetStat, com interface gráfica para o usuário leigo em programação. Constatamosque os testes são eficientes em diferenciar mais de duas redes. Além disso, o aumento do número de redes comparadas e a queda dos números de unidades amostrais, diminui o poder estatístico do teste. Mostramos ainda que ocorre uma economia de tempo significativa ao realizarmos uma única análise para comparar muitas redes ao invés de compará-las par-a-par. Além disto, o método apontou grupos de variáveis com papel central nos sistemas biológicos estudados que não foram encontrados nas análises onde apenas a expressão ou concentração dos elementos foi estudada. Foi possível assim diferenciar células de tipos cancerígenos ou órgãos de organismos vegetais através das centralidades das redes. As variáveis levantadas possibilitam ao usuário gerar hipóteses sobre seus papeis nos processos em estudo. O BioNetStat pode assim ajudar a detectar possíveis novas descobertas associadas a mecanismos de funcionamento de sistemas
- Imprenta:
- Data da defesa: 08.02.2018
-
ABNT
CARVALHO, Vinícius Jardim. BioNetStat: uma ferramenta para análise diferencial de redes biológicas. 2018. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2018. Disponível em: http://www.teses.usp.br/teses/disponiveis/95/95131/tde-29042019-113152/. Acesso em: 30 dez. 2025. -
APA
Carvalho, V. J. (2018). BioNetStat: uma ferramenta para análise diferencial de redes biológicas (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de http://www.teses.usp.br/teses/disponiveis/95/95131/tde-29042019-113152/ -
NLM
Carvalho VJ. BioNetStat: uma ferramenta para análise diferencial de redes biológicas [Internet]. 2018 ;[citado 2025 dez. 30 ] Available from: http://www.teses.usp.br/teses/disponiveis/95/95131/tde-29042019-113152/ -
Vancouver
Carvalho VJ. BioNetStat: uma ferramenta para análise diferencial de redes biológicas [Internet]. 2018 ;[citado 2025 dez. 30 ] Available from: http://www.teses.usp.br/teses/disponiveis/95/95131/tde-29042019-113152/ - A expressão de Epirregulina e o papel dual dos macrófagos pró-inflamátorios no microambiente tumoral de Carcinoma Pulmonar de Células Não Pequenas
- OA02.02 development of machine learning model to estimate overall survival in patients with advanced NSCLC and ECOG-PS > 1
- Predicting survival in metastatic non‐small cell lung cancer patients with poor ECOG‐PS: a single‐arm prospective study
- Computational tools for comparing gene coexpression networks
- Impact of systemic inflammation, intramuscular adipose tissue content, and EORTC-QLQ-CAX24 symptom scale on the prognosis of patients with advanced non-small-cell lung cancer
- Deletion and low expression of NFKBIA are associated with poor prognosis in lower-grade glioma patients
- BioNetStat: a tool for biological networks differential analysis
- Melatonin-Index as a biomarker for predicting the distribution of presymptomatic and asymptomatic SARS-CoV-2 carriers
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
