• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Tese de Doutorado
DOI
https://doi.org/10.11606/T.11.2021.tde-11112021-115913
Documento
Autor
Nome completo
Francisco José de Novais
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
Piracicaba, 2021
Orientador
Banca examinadora
Coutinho, Luiz Lehmann (Presidente)
Fukumasu, Heidge
Margarido, Gabriel Rodrigues Alves
Regitano, Luciana Correia de Almeida
Título em português
Integração de dados multi-ômicos para estudo de característica de produção, carcaça e qualidade da carne em gado Nelore
Palavras-chave em português
Bioinformática
Biologia de sistemas
Bovino
Rede Bayesiana
Resumo em português
Características complexas, como a qualidade da carne, são reguladas por diversas moléculas, tornando difícil sua compreensão. A integração de dados ômicos vêm sendo utilizada para entender essas características. Porém, ao usar uma abordagem de análise hierárquica, baseada no dogma central, ou concatenar apenas o enriquecimento de vias comuns perde-se informação por não considerar relações não convencionais que existem entre os dados ômicos e fenótipos. Nesse trabalho, fenótipos de produção, qualidade de carcaça e carne, dados transcriptômicos, de miRNA e proteômicos de 102 animais Nelore foram utilizados em abordagem utilizando análise de fatores e redes bayesianas, integrando diferentes dados ômicos e características complexas de relevância econômica. Um total de 14 variáveis latentes foram identificadas: 5 para dados de fenótipo, 3 para miRNA, 4 para proteína e 2 para dados de genes. Uma rede com 14 variáveis latentes e 17 conexões direcionadas entre elas foi gerada. As relações têm direção: das variáveis latentes de Carcass, Meat Quality, prot2 e prot4 para REA (força 100%, 100%, 99,8% e 86,10%, respectivamente); das variáveis latentes de Meat Quality, REA, mirna2 e blue para Fat Content (força 99,8%, 89,3%, 89% e 86,4%, respectivamente); de prot1 e mirna2 para prot5 (força 100% e 91,9%, respectivamente); de prot5 e Carcass para prot2 (força 99,2% e 93,1%, respectivamente). As variáveis latentes de proteínas sugerem novas hipóteses do impacto dessas na área de olho de lombo e musculosidade. A rede demonstra uma relação entre miRNAs e isoformas da proteína nebulina que não seriam encontrados em estudos utilizando um dado ômico único ou estratégias multi-níveis. A área de olho de lombo aparece como um nó central na rede, sendo influenciado pela Carcass, prot2, prot4 e Meat Quality, sugerindo essa como uma característica a ser utilizada como parâmetro de mesuração para qualidade da carne em frigoríficos, devido sua facilidade de mensuração. Assim, a análise de fatores aplicada foi capaz de identificar variáveis latentes, diminuindo a dimensionalidade e a complexidade dos dados. A rede bayesiana gerou relações entre variáveis latentes de diferentes tipos de dados, permitindo integrar dados ômicos e fenótipos complexos, idenficar a independência condicional e determinar como esses fatores se relacionam, o que permitiria seu uso para gerar novas hipóteses em estudos moleculares na área da qualidade de carne. Utilizando o uso conjunto da abordagem EFA, BCFA e BN com diferentes tipos de dados, foi possível integrar e fornecer novas hipóteses para estudos de características complexas permitindo explorar relações não convencionais.
Título em inglês
Multi-omics data integration for the study of production, carcass and meat quality traits in Nellore cattle
Palavras-chave em inglês
Bayesian network
Bioinformatics
Bovine
Systems biology
Resumo em inglês
Complex traits are regulated by different molecular levels, that dificults its comprehension. Multi-omics data integration has been applied to understand these traits. Therefore, omics data integration using a hierarchical analysis approach, based on central dogma, or considering just the common pathways enrichment may not recognize non-obvious relationships that exist among omics data. Here we applied an approach using Factor Analysis and Bayesian Network to integrate different omics data and complex traits (production phenotypes and meat quality parametres). A total of 14 latent variables were identified: 5 for phenotype data, 3 for miRNA, 4 for protein, and 2 for gene data. A network conteining 14 latent variables and 17 directed connexion was generated. The children nodes with more parents had direction: from Carcass, meat Quality, prot2 and prot4 latent variables to REA (strength 100%,100%, 99,8% and 86.10%, respectively); from Meat Quality, REA, mirna2 and blue latent variables to Fat Content (strength 99.8%, 89.3%, 89% and 86,4%, respectively); from prot1 and mirna2 to prot5 (strength 100% and 91.9%, respectively); from prot5 and Carcass to prot2 (strength 99.2% and 93.1%, respectively). Here, protein latent variables suggest hypotheses for the impact of these proteins on ribeye area. The network also shows a relationship among miRNAs and nebulin protein isoforms. Moreover, the ribeye area seems to be a contral node on network, with influences of Carcass, prot2, prot4 e Meat Quality, suggesting this trait as a feasible phenotype for meat quality, due the facility to measure it. The factor analysis identified latent variables, decreasing the dimensionality and complexity of data. The Bayesian network was capable to generate a net of relationships among latent variables from different types of data, allowing to integrate omics data and complex traits, identifying the conditional independences and how these factors relate. The approach EFA, BCFA and BN could be used to generate new hypotheses on molecular research in the meat quality area, by integration from different types of data, exploring non-conventional relations.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2021-11-12
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2024. Todos os direitos reservados.