Análise de abordagens computacionais na interação SNP-SNP e aumento do risco a doenças

Abstract

Após a conclusão do projeto Genoma Humano uma quantidade enorme de informação digital tornou-se disponível para a análise, propiciando novos questionamentos e conjecturas. Alterações específicas em nucleotídeos localizados no DNA genômico foram detectadas e chamadas de polimorfismo de nucleotídeo único (SNP). Até o momento cerca de 3 milhões de SNPs foram detectados no genoma humano dentre os quais 1.42 milhões já foram identificados e depositados em bancos de dados públicos Consortium2007 tornando-se o principal tipo de polimorfismo. A presença dessas pequenas modificações no genoma influencia na susceptibilidade de diversas doenças, como asma, hipertensão, diabetes, desordens neurológicas, alguns tipos de câncer, assim como também provocam alterações na resposta a medicamentos. As informações oriundas dos SNPs são de grande importância e podem ser empregadas nas mais diversas áreas, como medicina forense, antropologia molecular, evolução, definição de marcadores de predisposição a determinadas patologias e de prognóstico a diferentes tratamentos, genética de populações, conservação e manejo de recursos genéticos, farmacogenética e desenvolvimento de vacinas. Devido à sua alta influência sobre a expressão do fenótipo, vários estudos vêm sendo realizados para detectar não só os SNPs presentes no genoma, como também as interações epistáticas entre eles que alteram a predisposição a certas doenças. Nesta dissertação foi desenvolvido um estudo extensivo de diversas abordagens computacionais que avaliam conjuntos de dados com informações de genótipos de pacientes casos e controles, na tentativa de identificar as interações entre os SNPs que mais influenciam na ocorrência de uma doença. Para o estudo foram selecionadas metodologias com mecanismos distintos para identificar as interações existentes. Abordagens exaustivas, gulosas e estocásticas foram analisadas quando executadas em conjuntos de dados com diferentes combinações de parâmetros genéticos. Dentre os resultados obtidos após a análise das abordagens computacionais, constatamos que características genéticas introduzidas no conjunto de dados como a herdabilidade e a frequência do alelo menos frequente na população influenciam de forma significativa sobre o desempenho das diversas ferramentas. A diminuição no valor da herdabilidade causa nas abordagens uma influência negativa reduzindo o desempenho. Outros fatores como o tamanho da população e a quantidade de SNPs analisados também influenciam no desempenho das abordagens, ambas aumentando e reduzindo o número de acertos, respectivamente, e também no tempo de processamento utilizado para avaliar os conjuntos de dados. Ao final apresentamos nossas conclusões e conjecturamos o que poderia levar a uma detecção de interações entre SNPs de melhor qualidade