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
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
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://www.teses.usp.br/teses/disponiveis/55/55134/tde-13082025-150930/. Acesso em: 01 jan. 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://www.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 jan. 01 ] Available from: https://www.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 jan. 01 ] Available from: https://www.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 o DOI: 10.11606/T.55.2025.tde-13082025-150930 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
