Metodologia computacional para estudo de genes com vizinhaça conectada : análise do cluster nif

Abstract

Resumo: A atividade da nitrogenase é vital para a manutenção da vida terrestre e fonte de conhecimento para diversos campos científicos. Mineração de dados é uma técnica que quando bem executada possuí poder natural poder de interpretação de resultados e aplicada aos estudos moleculares facilitam a identificação de padrões em arranjos genômicos, como os óperons. O presente trabalho apresenta uma metodologia para identificação de genes em vizinhança conectada, que possuem funções correlacionadas, através de um estudo de caso do cluster nif. Neste trabalho, foi criada uma matriz de ocorrência organismo-cluster e aplicado técnicas de mineração de dados não supervisionada, identificando padrões no comportamento funcional dos genes nif. Também apresentamos as ferramentas RAFTS3GROUPS, para agrupamento de sequencias ortólogas e GASUPERCORR, para visualização de coordenadas bi-dimensional de uma matriz multidimensional. Os agrupamentos criados neste trabalho, identificaram grupos de genes com comportamento funcional similar aos confirmados por análises in vitro e acrescentam insights úteis para re-utilização desse tipo de abordagem na caracterização de função de proteínas com base na correlação de genes. Para validação da metodologia, apresentamos um estudo de caso dos genes nifT e nifZ sugerindo a função desses genes com envolvimento em estágios iniciais à mobilização de Fe-S, necessários para a formação do FeMo-co. Também foi realizado um estudo de caso para três proteínas hipotéticas que apresentaram maior número de ocorrência e inferida sua função em atividade de ferredoxinas, envolvidas em estágios intermediários à incorporação do FeMo-co. As ferramentas desenvolvidas neste trabalho podem ser re-aplicadas em estudos análogos, para compreensão do comportamento de dados multidimensionais, quanto à organização da informação biológica. Palavras chave: mineração de dados; fixação biológica do nitrogênio; biologia de sistemas.

Abstract: Nitrogenase activity is vitally important to maintenance life on earth and knowledge source for many scientific fields. Data mining is powerful technique for results interpretation and when applied through molecular studies provides genomics patterns identification, like operons function structures. This works describes a methodology to identification of function through neighborhood connected gene analysis using cluster as nif study of case. In this works, we built a organism-cluster occurrence matrix and applied unsupervised data mining techniques to identify functional patterns of nif genes. We present RAFTS3GROUPS, a clustering orthologous sequences tool and GASUPERCORR function, an bi-dimensional coordinates visualization from high dimensional matrix. Clustering results identify functional activity gene groups with similar in vitro analysis and provides insights to infeer protein function by correlated genes. Metodology validation was conducted from a genetic analysis study case among nifT and nifZ genes and we suggest function into preliminary stages of Fe-S captation to FeMo-co formation. Also, we analysed three hypotetical protein and suggested like ferredoxin activity putative involved on intermediated stages of FeMo-co incorporation. Tools developed in this works could be re-applied on highdimensional data matrix from other kind of studies, also to understand the genetic information of neighbourhood connected genes. Keywords: data mining, biological nitrogen fixation; system biology