Devido ao crescente uso farmacológico de progestógenos ao longo da gravidez para a prevenção do parto prematuro, a relação entre esses hormônios e o diabetes gestacional requer atenção. A morte de células beta-pancreáticas está associada aos diabetes tipo I e tipo II, mas ainda precisa ser melhor compreendida no contexto do diabetes gestacional. Para investigar este problema, experimentos de microarray foram conduzidos com células da linhagem RINm5F submetidas à progesterona em três doses (0,1 M, 1 M e 100 M) e dois tempos (6h e 24h). A análise de agrupamento em dados de expressão gênica é amplamente utilizada para auxiliar no entendimento da função dos genes e tem sido consistentemente aplicada na literatura. No entanto, diante da variedade de técnicas de agrupamento existentes, a escolha daquela mais adequada a determinado problema torna-se um desafio. O estudo desenvolvido por Saelens, Cannoodt e Saeys, em 2018, buscou preencher tal lacuna avaliando, segundo índices de validação externa e com base em módulos conhecidos, vários métodos de agrupamento e propondo uma metodologia para a realização de estudos comparativos que envolvam detecção de módulos em dados de expressão gênica. No entanto, em cenários do mundo real, o pesquisador muitas vezes só tem à sua disposição os índices de validação internos, não dispondo de módulos conhecidos a respeito dos genes, como no caso do presente trabalho. Desta forma, para proceder com a análise de agrupamento dos dados das células beta-pancreáticas submetidas à progesterona, fez-se necessário estender o estudo mencionado para incluir índices de avaliação internos, de modo a selecionar a técnica e os parâmetros adequados ao problema. Ao fim dos experimentos, foram selecionados para a análise de enriquecimento funcional os resultados de agrupamento de acordo com as pontuações baseadas nos índices de validação externos e internos. Do ponto de vista da compreensão do problema, o resultado mais significativo foi aquele obtido por meio de índices internos, revelando que o gene TXNIP é relevante para a compreensão do diabetes gestacional

Due to the increasing pharmacological use of progestins throughout pregnancy for the prevention of preterm birth, the relationship between these hormones and gestational diabetes requires attention. Pancreatic beta cell death is associated with both type I and type II diabetes, but still needs to be better understood in the context of gestational diabetes. To investigate this problem, microarray experiments were conducted with RINm5F cells subjected to progesterone in three doses (0.1 M, 1 M and 100 M) and two times (6h and 24h). Cluster analysis on gene expression data is widely used to help understand the function of genes and has been consistently applied in the literature. However, given the variety of existing clustering techniques, choosing the most appropriate one for a given problem becomes a challenge. The study developed by Saelens, Cannoodt and Saeys, in 2018, sought to fill this gap by evaluating, according to external validation indices and based on known modules, various clustering methods and proposing a methodology for carrying out comparative studies involving the detection of modules in gene expression data. However, in real world scenarios, the researcher often only has at his disposal the internal validation indices, not having known modules about the genes, as in the case of the present work. Thus, in order to proceed with the cluster analysis of data from pancreatic beta cells submitted to progesterone, it was necessary to extend the aforementioned study to include internal evaluation indices, in order to select the technique and parameters appropriate to the problem. At the end of the experiments, grouping results according to scores based on external and internal validation indices were selected for the functional enrichment analysis. From the point of view of understanding the problem, the most significant result was obtained through internal indices, revealing that the TXNIP gene is relevant for understanding gestational diabetes