Descrição: As redes de regulação gênica (GRN) são fundamentais para o controle genômico do desenvolvimento em animais e plantas. O estudo de GRNs requer insights de vários campos de pesquisa, incluindo biologia de sistemas, biologia evolutiva e desenvolvimento, bem como genômica funcional, e fornece uma abordagem integrativa para questões fundamentais de pesquisa em biologia. Desta forma, o curso foi organizado em duas partes, permitindo uma ampla compreensão sobre as GRNs. A primeira parte do curso enfatizará a teoria de redes complexas (grafos) e técnicas de construção dessas redes, bem como suas aplicações na resolução de problemas em áreas amplas como Matemática, Saúde Coletiva e Biologia. Serão utilizadas diferentes visualizações e análises de redes e plataformas, linguagens de programação e algoritmos de construção de redes, incluindo, mas não restritas a: Gephi e Cytoscape, Python, bibliotecas NetworkX e R iGraph. Na segunda parte, serão introduzidos os conceitos básicos de GRN e apresentados os métodos experimentais e computacionais atuais utilizados para estudá-las. O curso abrangerá uma ampla gama de tópicos de GRNs e, ao final do curso, espera-se que os alunos saibam como gerar modelos GRN baseados em dados extraídos da literatura, bem como modelos computacionais para analisar o comportamento do circuito dinâmico.
Objetivo Geral: Gerar modelos de redes de regulação gênica (GRN) baseados em dados extraídos da literatura; Gerar modelos computacionais para analisar o comportamento de circuitos dinâmicos; Aplicar as abordagens ensinadas no curso às suas próprias questões de pesquisa.
Justificativa: Adequadas para modelagem e simulação de nível qualitativo e quantitativo e, portanto, adotadas por biólogos e cientistas computacionais, as redes de regulação gênica (GRN) têm o potencial de elucidar o efeito da natureza e da topologia das interações nas propriedades sistêmicas dos organismos. Interações regulatórias entre genes podem ser estudadas em grande escala, permitindo, por exemplo, entender as cascatas de regulação gênica, ou elucidar a conexão entre regulação gênica e fenótipo. Em contextos quantitativos, eles podem ser usados para simular vários cenários e até prever o comportamento futuro do sistema. Como tal, eles podem servir como ferramentas de teste gerando hipóteses in silico com o potencial de realizar muitas experiências em um curto espaço de tempo. Além disso, conhecer os componentes que interagem entre si pode ajudar na identificação de alvos moleculares para drogas específicas ou drogas para alvos específicos. Apesar do uso generalizado de GRNs na pesquisa biomédica atual, ainda há alguma confusão sobre seu significado básico e de como utilizá-las. Além disso, existe uma lacuna relacionada a todas as possíveis áreas de aplicação. Diante desses desafios, este curso, através da união de especialistas do Brasil e do Reino Unido, pretende apresentar diferentes usos de ferramentas computacionais para extrair informações relevantes sobre a topologia de uma complexa rede de interesse e produzir representações gráficas das mesmas. Traz o estado da arte das abordagens computacionais disponíveis para a construção de GRNs, aproximando a pesquisa pós-genômica computacional, que envolve a análise da dinâmica de regulação gênica, de estudantes e pesquisadores da Fiocruz.
Fornecer uma visão geral da teoria e aplicações de redes complexas, associadas à identificação de redes de regulação gênica a partir de dados de expressão gênica, a fim de tornar seu uso mais popular entre os pesquisadores e estudantes da Fiocruz.
