Please use this identifier to cite or link to this item:
https://hdl.handle.net/10216/106161| Author(s): | João Alexandre Ribeiro de Almeida |
| Title: | Redes de co-expressão entre genes codificantes de proteínas mitocondriais e todos os restantes genes nos vários tecidos humanos |
| Issue Date: | 2017-07-14 |
| Abstract: | Recent advances in genome sequencing allow the study, at different contexts, of all identified human gene activities (⇡ 22.000 protein encoding genes). However, current knowledge on gene interactions lags behind, especially when one of the elements is a mitochondrial protein encoding gene (⇡ 1500). Mitochondrial proteins are encoded either by mitochondrial DNA (mtDNA; 13 proteins) or by nuclear DNA (nDNA; the remaining), which implies a coordinated communication between the two genomes. Since mitochondria coordinate several life-critical cellular activities, namely energy production and cell death, deregulation of this communication is implicated in many complex diseases such as neurodegenerative diseases, cancer and diabetes. Thus, this work aimed to identify high co-expression groups between mitochondrial genes- all genes, and associated protein networks in human tissues. Gene expression data for tissues were collected from the Genotype-Tissue Expression database (https://www.gtexportal.org/home/) counting 49 tissues (a total of 8527 samples, an average of 174 per tissue). The data was filtered to include only protein-encoding and physically non-overlapping genes (only one of the overlapping genes was maintained). Pearson's correlation values were calculated on all pairs of mitochondrial genes-all protein encoding genes, and outliers in the range [x 4SD, x+4SD] or [y 4SD, y+4SD] (SD stands for standard deviation) were excluded. Gene pairs with a correlation higher than 0.9 and 0.8, corresponding to big datasets, were represented in graph structures and analyzed by Data Mining clustering techniques in order to help extracting important information. Cytoscape soft- ware was used for graph analysis, allowing to evaluate complex network parameters and identify connection properties on the biological networks. The networks were enriched with functional data (pathways) from two different biological databases: Kyoto Encyclopedia of Genes and Ge- nomes (https://www.genome.kp/kegg) and Gene Ontology (http://www.geneontology.org). This network enrichment helped to infer biological functions of the correlated genes. Functional data comparison between tissues was conducted through hierarchical clustering techniques, by building binary matrices, similarity matrices using Jaccard index and applying agglomeration methods such as UPGMA (Unweighted Pair Group Method with Arithmetic Mean) and NJ (Neighbor Joining). A web platform was built to interactively visualize and analyze the trees resulting from these methods. Biologically, we confirmed the existence of highly correlated pairs of mitochondrial-all pro- tein encoding genes, which are included in pathways of functional importance such as energy production and metabolite synthesis. Brain tissues have the largest and most dense networks, while kidney cortex, whole blood and fibroblasts had large but sparser networks. Generally, the strongest correlation between mitochondrial genes encoded by mtDNA belong to genes encoded by this genome, while mitochondrial genes encoded by nDNA are significantly correlated with other genes (mitochondrial or not) encoded by nDNA. This proves that correlation among genes encoded by the same genome is more efficient. The pipeline and the web tree viewer developed in this work will be available at GitHub under open source distribution along with installation documentation. This will make it possible to use and adapt the tools to the analyses of datasets being released to the public, in the context of diseases or other species. |
| Description: | Avanços na sequenciação de genomas permitem estudar, para diferentes contextos, a activi- dade de todos os genes humanos identificados (cerca de 22.000 genes codificantes de proteínas). Contudo, o conhecimento actual sobre relações entre genes encontra-se longe de estar totalmente adquirido, nomeadamente quando pelo menos um dos elementos é um gene que codifica uma pro- teína mitocondrial (cerca de 1500). As proteínas mitocondriais são codificadas quer pelo DNA mitocondrial (mtDNA; 13 proteínas) quer pelo DNA nuclear (nDNA; as restantes), o que implica uma comunicação controlada entre os dois genomas. Uma vez que as mitocôndrias coordenam várias actividades celulares essenciais à vida, nomeadamente a produção de energia e a morte celular, a desregulação desta comunicação está implicada em muitas doenças complexas como doenças neurodegenerativas, cancro e diabetes. Assim, este trabalho teve como objetivo identificar os grupos de co-expressão elevada (signi- ficativa) entre os pares de genes mitocondrial-todos os genes e as redes proteicas associadas em tecidos humanos. Os dados de expressão de genes em tecidos humanos saudáveis foram recolhidos da base de dados Genotype-Tissue Expression (https://www.gtexportal.org/home/), contabilizando 49 tecidos (um total de 8527 amostras, média de 174 por tecido). Os dados foram curados para inclusão de apenas genes codificantes de proteínas e fisicamente não sobreponíveis (só um dos genes sobreponíveis foi mantido). Os valores de correlação de Pearson foram calculados em to- dos os pares gene mitocondrial-todos os genes proteicos, tendo-se eliminado os outliers que não se incluíam no intervalo [x 4SD, x + 4SD] ou [y 4SD, y + 4SD], em que SD corresponde ao desvio padrão (standard deviation). Todos os pares com valores de correlação acima de 0.9 e 0.8, o que corresponde a elevada quantidade de informação, foram representados em estrutura de grafos e analisados com técnicas de Data Mining, nomeadamente clustering, de modo a ex- trair informação útil. Para a análise das redes foi utilizada a ferramenta Cytoscape, que permitiu avaliar vários parâmetros de extensão e conexão das redes de genes correlacionados nos vários tecidos humanos. Estas redes foram enriquecidas com dados funcionais (pathways) das bases de dados Kyoto Encyclopedia of Genes and Genomes (http://www.genome.jp/kegg/) e Gene On- tology (http://www.geneontology.org/), que permitem inferir acerca da possível função exercida pelos genes correlacionados. De modo a comparar os dados funcionais entre tecidos, procedeu-se à técnica de clustering hierárquico, pela construção de matrizes binárias, matrizes de semelhança pelo método Jaccard e aplicação dos métodos de aglomeração UPGMA (Unweighted Pair Group Method with Arithmetic Mean) e NJ (Neighbor Joining). Foi desenvolvida uma plataforma web para visualizar e analisar, de forma interactiva, as árvores resultantes deste métodos. Em termos biológicos, constatamos que existem pares de genes mitocondrial-todos os genes proteicos altamente correlacionados e que estes estão incluídos em pathways de elevada importân- cia funcional como a produção de energia e síntese de metabolitos. As redes são maiores e mais densas para os tecidos do cérebro, enquanto tecidos como o rim, sangue e fibroblastos apresen- tam também um elevado número de genes correlacionados mas não tão interconetados. Em geral, as elevadas correlações entre genes mitocondriais codificados pelo mtDNA limitam-se a genes i codificados por este genoma, enquanto que genes mitocondriais codificados pelo nDNA se corre- lacionam significativamente com outros genes (mitocondriais ou não) codificados pelo nDNA. O que prova que a correlação entre genes codificados pelo mesmo genoma é mais eficiente. Toda a pipeline desenvolvida neste trabalho bem como a plataforma web será disponibilizada na plataforma GitHub em open source acompanhada da documentação de instalação para que possa ser facilmente utilizada ou adaptada a outras análises semelhantes nos muitos dados que vão sendo publicados, no contexto de doenças ou de outras espécies. |
| Subject: | Engenharia electrotécnica, electrónica e informática Electrical engineering, Electronic engineering, Information engineering |
| Scientific areas: | Ciências da engenharia e tecnologias::Engenharia electrotécnica, electrónica e informática Engineering and technology::Electrical engineering, Electronic engineering, Information engineering |
| DOI: | 10.34626/3t7g-1636 |
| TID identifier: | 201804522 |
| URI: | https://hdl.handle.net/10216/106161 |
| Document Type: | Dissertação |
| Rights: | openAccess |
| Appears in Collections: | FEUP - Dissertação |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 203491.pdf | Redes de co-expressão entre genes codificantes de proteínas mitocondriais e todos os restantes genes nos vários tecidos humanos | 10.99 MB | Adobe PDF | ![]() View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
