Cover Image

Aplicação de modelos gráficos em dados genômicos da Doença de Alzheimer

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2021.

Main Author: Lins, Rafael da Silva
Other Authors: Andrade, Joanlise Marco de Leon
Format: Dissertação
Language: Português
Published: 2022
Subjects:
Doença de alzheimer
Expressão gênica
Modelo gráfico probabilístico
Coexpressão diferencial
Online Access: https://repositorio.unb.br/handle/10482/42904
Tags: Add Tag
No Tags, Be the first to tag this record!
id ir-10482-42904
recordtype dspace
spelling ir-10482-429042022-02-15T14:20:45Z Aplicação de modelos gráficos em dados genômicos da Doença de Alzheimer Lins, Rafael da Silva Andrade, Joanlise Marco de Leon Borries, George Freitas von Doença de alzheimer Expressão gênica Modelo gráfico probabilístico Coexpressão diferencial Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2021. A doença de Alzheimer (DA) é uma doença neurodegenerativa e progressiva que muitas vezes causa danos cognitivos e funcionais irreversíveis ao cérebro, envolvendo a perda progressiva de memória, declínio cognitivo e eventual perda de funções corporais. Um caminho para compreender melhor a doença envolve o estudo das relações entre os mecanismos moleculares do cérebro e seus respectivos resultados funcionais a partir do contraste entres os perfis de expressão gênica de cérebros saudáveis e de cérebros doentes. Nesse contexto, diversos estudos já foram realizados para a análise de genes diferencialmente expressos, contudo, tal tipo de análise não considera em si que os genes podem operar em conjunto na presença da DA. Nesse sentido, mais recentemente a análise de redes gênicas também tem sido utilizada para analisar as relações de dependência estatística entre os genes e, a partir daí, compreender melhor a DA e desenvolver novos métodos de diagnóstico ou intervenções na doença. Desse modo, o presente trabalho busca explorar a estrutura de dependência estatística em dados de expressão gênica da DA. Para tanto, identificam-se os padrões alterados entre as redes de duas condições (ou grupos), a saber, amostras de cérebros saudáveis (ditos controles) e de cérebros com a DA. Por fim, estuda-se o potencial dessa abordagem para identificar os grupos de genes relacionalmente afetados pela DA e, portanto, fornecer informações valiosas sobre os mecanismos biológicos alterados na presença da doença Alzheimer’s disease (AD) is a neurodegenerative and progressive disease, which often causes irreversible cognitive and functional damage to the brain, involving progressive memory loss, cognitive decline and eventual loss of bodily functions. One way to better understand the disease involves studying the relationships between the molecular mechanisms of the brain and their respective functional outcomes by contrasting the gene expression profiles of healthy brains and diseased brains. In this context, several studies have been carried out to analyze differentially expressed genes, however, this type of analysis does not consider that genes can operate operate in pathways, or networks, in the presence of AD. In this sense, more recently, gene network analysis has also been used to analyze the statistical dependence relationships between genes and, from there, to better understand AD and develop new diagnostic methods or interventions in the disease. Thus, this work aims to explore the structure of statistical dependence on AD gene expression data. For this purpose, the altered patterns between the networks of two conditions (or groups) are identified, namely, samples of healthy brains (controls) and brains with AD. Finally, we study the potential of this approach to identify groups of genes relationally affected by AD and, therefore, provide valuable information about the altered biological mechanisms in the presence of the disease. 2022-02-15T14:20:44Z 2022-02-15T14:20:44Z 2022-02-15 2021-11-11 Dissertação LINS, Rafael da Silva. Aplicação de modelos gráficos em dados genômicos da Doença de Alzheimer. 2021. 125 f. Dissertação (Mestrado em Estatística)—Universidade de Brasília, Brasília, 2021. https://repositorio.unb.br/handle/10482/42904 Português Acesso Aberto A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. application/pdf
institution REPOSITORIO UNB
collection REPOSITORIO UNB
language Português
topic Doença de alzheimer
Expressão gênica
Modelo gráfico probabilístico
Coexpressão diferencial
spellingShingle Doença de alzheimer
Expressão gênica
Modelo gráfico probabilístico
Coexpressão diferencial
Lins, Rafael da Silva
Aplicação de modelos gráficos em dados genômicos da Doença de Alzheimer
description Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2021.
author2 Andrade, Joanlise Marco de Leon
format Dissertação
author Lins, Rafael da Silva
author_sort Lins, Rafael da Silva
title Aplicação de modelos gráficos em dados genômicos da Doença de Alzheimer
title_short Aplicação de modelos gráficos em dados genômicos da Doença de Alzheimer
title_full Aplicação de modelos gráficos em dados genômicos da Doença de Alzheimer
title_fullStr Aplicação de modelos gráficos em dados genômicos da Doença de Alzheimer
title_full_unstemmed Aplicação de modelos gráficos em dados genômicos da Doença de Alzheimer
title_sort aplicação de modelos gráficos em dados genômicos da doença de alzheimer
publishDate 2022
url https://repositorio.unb.br/handle/10482/42904
_version_ 1725109618926944256
score 13.657419

Similar Items