Tema da Tese: A computational framework for studying genome-scale regulatory models that combines gene expression data and optimization approaches.
Autor : Orlando Ricardo Nunes Rocha
Programa Doutoral: Programa Doutoral em Informática (PDinf)
Orientador (s): Rui Manuel Ribeiro de Castro Mendes e Sónia Madalena Azevedo Carneiro
Data de Defesa: 14/12/2018

Resumo:
Os avanços tecnológicos realizados na sequenciação, análise de genomas e técnicas de expressão de genes, permitiram a reconstrução de modelos metabólicos à escala genómica de vários organismos. Porém, um dos principais desafios na era pós-genómica é entender como os processos regulatórios ocorrem dentro das células e como afetam o seu metabolismo. Vários esforços têm vindo a ser realizados na reconstrução de modelos regulatórios, devido à complexidade dos sistemas biológicos, utilizando para isso, diferentes abordagens computacionais. Propostas recentes utilizam dados transcriptómicos de modo a descobrir informação regulatória, combinando esse conhecimento com modelos metabólicos, com o objetivo de os melhorar.
Devido às inúmeras interações entre genes, fatores de transcrição e condições ambientais, torna-se difícil criar modelos regulatórios que caracterizem vários estados ambientais. Apesar de já existirem inúmeras interações regulatórias desvendadas por métodos de inferência de redes, apenas algumas têm algum efeito funcional nas distribuições de  fluxo e nas reações do modelo metabólico.

Este trabalho centrou-se no desenvolvimento de algoritmos computacionais para avaliar e integrar informação regulatória relevante em modelos metabólicos existentes, com o objetivo de melhorá-los a prever fenótipos.
Foram criadas ferramentas “open-source” para reconstrução de modelos metabólicos-regulatórios consistentes, e para extrair eventuais interações regulatórias de dados experimentais. Essas ferramentas incluem métodos para simulação de fénotipos e otimização de estirpes, utilizando modelos integrados, e também métodos de biclustering para extração de interações entre genes em determinadas condições ambientais. Além disso, e apresentada uma nova estratégia baseada em evolução gramatical para reconstrução de modelos regulatórios. Foram também implementadas interfaces gráficas cas intuitivas, e todas as funcionalidades desenvolvidas foram analisadas e validadas com vários casos de estudo.