Método estatístico analisa transcriptoma

A bioinformática e a biologia computacional vêm sendo cada vez mais desafiada pelo crescente número de dados gerados de pesquisas, nas mais diferentes áreas da saúde e ciências biológicas, principalmente as ciências “ômicas”, tais como a genômica, proteômica e transcriptômica.

Dentre as diferentes técnicas que vêm sendo amplamente utilizadas para a análise de dados, destacam-se as de agrupamento que, por meio de algoritmos, podem, por exemplo, realizar a análise de expressão gênica, que identifica quais genes são expressos de forma diferente na síntese de proteínas associadas a tecidos normais e doentes.

Em consonância com as necessidades de maior acurácia na análise de dados genômicos e transcriptômicos, um grupo de pesquisadores publicou um artigo na edição de junho do Journal of Molecular Biology, mostrando os resultados de uma pesquisa sobre a visualização de genes específicos de aglomerados celulares, utilizando dados transcriptômicos de uma única célula, por meio de grupos de associação.

Liderados pela pesquisadora do Instituto Max Planck de Genética Molecular (Berlin), Elzbieta Gralinska (PhD), a equipe de cientistas apresentou uma técnica que permite determinar e visualizar conjuntos específicos de genes de determinados grupamentos celulares utilizando dados transcriptômicos, chamada de APL (Association Plot). A APL produz gráficos de associação indicando possíveis desvios que possam ocorrer nos dados presentes nas linhas e colunas, em uma tabela de contingência bidimensional.

Esse método estatístico utiliza um conjunto de dados do sequenciamento de RNA de uma única célula (scRNA-seq - single-cell RNA sequencing) e de agrupamentos de células pré-computados, gerando gráficos de associação (Association Plots). Uma das vantagens da utilização do APL é permitir o acesso de usuários aos gráficos gerados pela associação de dados.

Os APL facilitam a localização de genes marcadores em agrupamentos de células, por meio da comparação entre a atividade dos seus genes, com a de outros grupos celulares, presente em arquivo de dados. Além disso, facilitam a visualização de quais genes são compartilhados com outros conjuntos de células.

Em entrevista dada à revista científica Physis, Gralinska comentou que, além de permitirem a identificação de novos genes marcadores, os gráficos de associação possibilitam a combinação de grupos de identidade desconhecida em um conjunto de dados para tipos de células, com base em uma lista fornecida de genes marcadores.

Ainda para a mesma revista o matemático e pesquisador do Departamento de Biologia Molecular Computacional do Instituto Max Planck, Martin Vingron, esclareceu que o maior interesse do grupo foi o de obter dados de grupos de células semelhantes e que por isso, se comportam de forma muito parecida. Para isso, se faz necessário o agrupamento de células que sejam semelhantes computacionalmente.

Os pesquisadores utilizaram dados sobre leucócitos, disponíveis publicamente, tendo sido utilizados para demostrar a funcionalidade do novo algoritmo. Para isso, as células foram divididas em diferentes tipos, tais como as células T, B ou monócitos, tendo sido agrupados em grupos separados.

As análises permitiram confirmar os genes marcadores conhecidos e mostrar que células aparentadas que estavam próximas, também compartilham grande similaridade em sua atividade genética.

Gralinska, na mesma entrevista pontuou duas vantagens do APL, frente aos demais algoritmos, é a representação gráfica dos resultados e a possibilidade de visualização dos genes, observando as suas atividades, ou seja, como os genes se comportam.

13/07/2022
Arlei Maturano - Equipe Biotec AHG