Utilizing Structural Features from Protein Interaction Sub-Networks to Analyze Cancer Genes (2025)
- Authors:
- Autor USP: RAMOS, RODRIGO HENRIQUE - ICMC
- Unidade: ICMC
- Sigla do Departamento: SSC
- DOI: 10.11606/T.55.2025.tde-13082025-150930
- Subjects: NEOPLASIAS; ANÁLISE DE DADOS; TECNOLOGIA DA INFORMAÇÃO; TOPOLOGIA EM COMPUTAÇÃO; APRENDIZADO COMPUTACIONAL
- Keywords: Análise topológica; Cancer drivers genes; Cancer genomics; Ciência de redes; Genes drivers do câncer; Genômica do câncer; Network science; Protein networks; Redes de proteínas; Topological analysis
- Agências de fomento:
- Language: Inglês
- Abstract: O câncer é uma doença complexa causada por mutações genéticas que impactam nos processos celulares normais. Identificar genes-chave que promovem a progressão do câncer, seja por meio de mutações ou superexpressão, é essencial para compreender melhor a doença e para o desenvolvimento de terapias direcionadas. A ciência da computação é crucial na análise de dados genômicos de larga escala e no desenvolvimento de métodos para encontrar genes-chave no câncer. Esses métodos geralmente incluem dados de mutação ou expressão gênica, juntamente com redes de interação de proteínas. Esta tese explora a hipótese de que os genes do câncer dentro de sub-redes biológicas específicas possuem características topológicas distintas que os diferenciam de outros genes. Uma abordagem computacional que caracteriza tais genes expande o papel da ciência da computação na genômica do câncer e permite a identificação de genes-chave e potenciais alvos terapêuticos. Atingimos o objetivo desenvolvendo um pipeline que permite o estudo topológico de dados genômicos por meio do uso de sub-redes. Analisamos o papel topológico dos genes do câncer usando medidas de redes complexas e ataques, também usamos a homologia persistente para explorar características de alta dimensão. Nossas descobertas mostram que os genes condutores do câncer têm uma influência topológica mais significativa e complexa do que outros genes, sugerindo que eles são vitais para manter a integridade das redes celulares. Essa percepçãooferece novos caminhos para a descoberta de alvos terapêuticos ao identificar genes que desempenham papéis cruciais na progressão do câncer e na estabilidade da rede. Em conclusão, esta tese fornece uma abordagem para a caracterização topológica de genes do câncer, abrindo caminho para futuras pesquisas que aproveitem a ciência de redes e a homologia persistente na identificação de novos alvos terapêuticos.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2025
- Data da defesa: 17.04.2025
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
RAMOS, Rodrigo Henrique e FERREIRA, Cynthia de Oliveira Lage. Utilizing Structural Features from Protein Interaction Sub-Networks to Analyze Cancer Genes. 2025. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2025. Disponível em: https://teses.usp.br/teses/disponiveis/55/55134/tde-13082025-150930/. Acesso em: 07 maio 2026. -
APA
Ramos, R. H., & Ferreira, C. de O. L. (2025). Utilizing Structural Features from Protein Interaction Sub-Networks to Analyze Cancer Genes (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://teses.usp.br/teses/disponiveis/55/55134/tde-13082025-150930/ -
NLM
Ramos RH, Ferreira C de OL. Utilizing Structural Features from Protein Interaction Sub-Networks to Analyze Cancer Genes [Internet]. 2025 ;[citado 2026 maio 07 ] Available from: https://teses.usp.br/teses/disponiveis/55/55134/tde-13082025-150930/ -
Vancouver
Ramos RH, Ferreira C de OL. Utilizing Structural Features from Protein Interaction Sub-Networks to Analyze Cancer Genes [Internet]. 2025 ;[citado 2026 maio 07 ] Available from: https://teses.usp.br/teses/disponiveis/55/55134/tde-13082025-150930/ - Causal model discovery in cancer guided by cellular pathways
- Human protein-protein interaction networks: a topological comparison review
- Identifying key genes in cancer networks using persistent homology
- Topological characterization of cancer driver genes using reactome super pathways networks
- Combining mutation and gene network data in a machine learning approach for false-positive cancer driver gene discovery
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
