Autores

7376
3208,163
7377
3208,163

Informações:

Publicações do PESC

Título
Characterizing Conditional Independence in Gene Co-Expression Networks
Linha de pesquisa
Inteligência Artificial
Tipo de publicação
Dissertação de Mestrado
Número de registro
Data da defesa
25/8/2023
Resumo

Apresentamos, nesta tese, um estudo, por métodos computacionais e estatísticos, de dados biológicos do transcriptoma do organismo Saccharomyces cerevisiae. Esse estudo de biologia está relacionado a avanços recentes no entendimento acerca de como os genes de um organismo interagem para produzir fenótipos complexos, onde passamos a atribuir uma maior importância à rede regulatória de genes como um todo, em vez de somente atribuir fenótipos a uma quantidade pequena de genes.  O nosso trabalho se dá por uma ótica de otimização, modelos gráficos probabilísticos e redes complexas, com o objetivo de ilustrar o potencial dessa mudança de perspectiva ao corroboramos parcialmente a Hipótese Omnigênica.

Abstract

In this work, we present a computational and statistical study of transcriptomic data, in the context of the model organism Saccharomyces cerevisiae. This study is related to recent advances in the understanding of how genes interact in a cell to produce complex phenotypes, where we start to give higher importance to the Gene Regulatory Network as a whole, instead of attributing phenotypic variation to mutations in a small group of genes. Hopefully, our work brings a fresh perspective, combining optimization, probabilistic graphical models, and complex networks, with the objective of showcasing the promise of this shift in understanding, by partially supporting the Omnigenic Hypothesis.

Arquivo
Topo