ANÁLISE DE GENES DIFERENCIALMENTE EXPRESSOS EM AMOSTRAS DE CÂNCER DE MAMA DO SEQUENCE READ ARCHIVE (SRA)
DOI:
https://doi.org/10.47820/recima21.v5i3.4955Palavras-chave:
Perfilação da Expressão Gênica, Biologia Computacional, Neoplasias da Mama, RNA-seqResumo
O câncer/neoplasias de mama (CM) é uma doença altamente incidente em mulheres com milhões de novos casos a cada ano. Dentre os avanços tecnológicos destaca-se a tecnologia de RNA-seq que permitiu compreender melhor a expressão gênica, possibilitando desvendar as interações proteicas entre tumores de mama em estágio inicial e recorrente (pós-mastectomia). Novas ferramentas baseadas em bioinformática surgiram para acompanhar o avanço dos sequenciamentos, e tem-se como principais exemplos as plataformas online de análise Galaxy e WebGestalt. Além disso, foi estabelecido o Sequence Read Archive (SRA) como um repositório público para os dados de sequência de nova geração, assim como foi estabelecido o uso do repositório de dados genômicos funcionais o Gene Expression Omnibus (GEO). Neste trabalho, utilizando análise de sequenciamento de RNA total, foi possível demonstrar comparações generalizadas do CM em um estágio inicial com CM recorrente. Além disso, utilizou-se Ontologia Genética (GO), KEGG e Reactome para avaliar as relações funcionais e vias aprimoradas entre CM em um estágio inicial e CM recorrente pós-mastectomia. Em conclusão, através do desenvolvimento deste estudo foi possível descobrir novos biomarcadores que poderão ser utilizados como futuros alvos terapêuticos, possibilitando um melhor diagnóstico e prognóstico no CM visando à melhoria da sobrevida global das pacientes.
Downloads
Referências
AFGAN, Enis et al. The Galaxy platform for accessible, reproducible and collaborative biomedical analyses: 2018 update. Nucleic Acids Research, v. 46, n. W1, p. W537–W544, 2018. DOI: https://doi.org/10.1093/nar/gky379
CAMPÊLO DE SOUSA, Maisa; CAMPÊLO DE SOUSA, Camila. Diagnóstico de câncer de mama por exames genéticos: uma revisão de literatura (Diagnosis of breast cancer by genetic exams: a literature review). Brazilian Journal of health Review Braz. J. Hea. Rev, Teresina & Codó, n. 2, p. 1786–1797, 2020. DOI: https://doi.org/10.34119/bjhrv3n2-039
CHEN, Jiarui et al. KEGG-expressed genes and pathways in triple negative breast cancer. Medicine (Baltimore), v. 99, n. 18, e19986, 2020. Doi: 10.1097 / MD.0000000000019986. PMCID: PMC7440132. PMID: 32358373. DOI: https://doi.org/10.1097/MD.0000000000019986
COSTA-SILVA, Juliana; DOMINGUES, Douglas; LOPES, Fabricio Martins. RNA-Seq differential expression analysis: An extended review and a software tool. PLoS ONE, New Jersey (EUA), 21 dec. 2017. DOI: https://doi.org/10.1371/journal.pone.0190152
KEENE, Kimberly S. et al. Molecular determinants of post-mastectomy breast cancer recurrence. NPJ Breast Cancer, v. 4, n. 34, 2018. Doi: 10.1038 / s41523-018-0089-z. PMCID: PMC6185974. PMID: 30345349.
KLOET, Frans M. van der; et al. Increased comparability between RNA-Seq and microarray data by utilization of gene sets. PLoS Comput Biol., v. 16, n. 9, e1008295, 2020. Doi: 10.1371 / journal.pcbi.1008295. PMCID: PMC7549825. PMID: 32997685. DOI: https://doi.org/10.1371/journal.pcbi.1008295
LEINONEN, Rasko; SUGAWARA, Hideaki; SHUMWAY, Martin. The sequence read archive. Nucleic Acids Research, v. 39, n. 1, p. 3, 2011. DOI: https://doi.org/10.1093/nar/gkq1019
LIAO, Yuxing et al. WebGestalt 2019: gene set analysis toolkit with revamped UIs and APIs. Nucleic acids research, v. 47, n. W1, p. W199–W205, 2019. DOI: https://doi.org/10.1093/nar/gkz401
OSHLACK, Alicia; ROBINSON, Mark; YOUNG, Matthew. From RNA-seq Reads to Differential. Genome Biology, Parkville, Australia, p. 10, 2010. DOI: https://doi.org/10.1186/gb-2010-11-12-220
PAL, Bhupinder et al. A single-cell RNA expression atlas of normal, preneoplastic and tumorigenic states in the human breast. EMBO J., v. 40, n. 11, e107333, 2021. Doi: 10.15252 / embj.2020107333. PMCID: PMC8167363. PMID: 33950524. DOI: https://doi.org/10.15252/embj.2020107333
PARSONS, Joseph; FRANCAVILLA, Chiara. ‘Omics Approaches to Explore the Breast Cancer Landscape. Front Cell Dev Biol., v. 7, n. 395, 2020. Doi: 10.3389 / fcell.2019.00395. PMCID: PMC6987401. PMID: 32039208. DOI: https://doi.org/10.3389/fcell.2019.00395
RAO, Arunagiri Kuha Deva Magendhra; et al. Identification of lncRNAs associated with early-stage breast cancer and their prognostic implications. Mol Oncol., v 13, n. 6, p. 1342–1355, 2019. Doi: 10.1002 / 1878- 0261.12489. PMCID: PMC6547626. PMID: 30959550. DOI: https://doi.org/10.1002/1878-0261.12489
RODRIGUEZ-ESTEBAN, Raul; JIANG, Xiaoyu. Differential gene expression in disease: a comparison between high-throughput studies and the literature. BMC Medical Genomics, v. 10, n. 59, 2017. DOI: https://doi.org/10.1186/s12920-017-0293-y
SIMPSON, Peter T. et al. Molecular evolution of breast cancer. Journal of Pathology, 2005. DOI: https://doi.org/10.1002/path.1691
STUPNIKOV, A. et al. Robustness of differential gene expression analysis of RNA-seq. Comput Struct Biotechnol J., v. 19, p. 3470–3481, 2021. Doi: 10.1016/j.csbj.2021.05.040. PMCID: PMC8214188. PMID: 34188784. DOI: https://doi.org/10.1016/j.csbj.2021.05.040
THE GENE ONTOLOGY CONSORTIUM. The Gene Ontology resource: enriching a GOld mine. Nucleic Acids Research, v. 49, n. D1, p. D325-D334, 2021. https://doi.org/10.1093/nar/gkaa1113. DOI: https://doi.org/10.1093/nar/gkaa1113
TIAN, Zelin et al. Identification of Important Modules and Biomarkers in Breast Cancer Based on WGCNA. Onco Targets Ther., v. 13, p. 6805–6817, 2020. Doi: 10.2147 / OTT.S258439. PMCID: PMC7367932. PMID: 32764968. DOI: https://doi.org/10.2147/OTT.S258439
WU, Shaocheng et al. Cellular, transcriptomic and isoform heterogeneity of breast cancer cell line revealed by full-length single-cell RNA sequencing. Comput Struct Biotechnol J., v. 18, p. 676–685, 2020. Doi: 10.1016 / j.csbj.2020.03.005. PMCID: PMC7114460. PMID: 32257051. DOI: https://doi.org/10.1016/j.csbj.2020.03.005
ZHANG, Fan et al. Identification of novel alternative splicing biomarkers for breast cancer with LC/MS/MS and RNA-Seq. BMC Bioinformatics, v. 21, n. 541, 2020. Doi: 10.1186 / s12859-020-03824-8. PMCID: PMC7713335. PMID: 33272210.
ZHAO, Yingwen et al. A Literature Review of Gene Function Prediction by Modeling Gene Ontology. Front Genet., v. 11, n. 400, 2020. Doi: 10.3389 / fgene.2020.00400. PMCID: PMC7193026. PMID: 32391061. DOI: https://doi.org/10.3389/fgene.2020.00400
Downloads
Publicado
Licença
Copyright (c) 2024 RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Os direitos autorais dos artigos/resenhas/TCCs publicados pertecem à revista RECIMA21, e seguem o padrão Creative Commons (CC BY 4.0), permitindo a cópia ou reprodução, desde que cite a fonte e respeite os direitos dos autores e contenham menção aos mesmos nos créditos. Toda e qualquer obra publicada na revista, seu conteúdo é de responsabilidade dos autores, cabendo a RECIMA21 apenas ser o veículo de divulgação, seguindo os padrões nacionais e internacionais de publicação.
