cada gene
Recently Published Documents


TOTAL DOCUMENTS

18
(FIVE YEARS 2)

H-INDEX

6
(FIVE YEARS 0)

2021 ◽  
Vol 13 (3) ◽  
pp. 101-108
Author(s):  
Carlos Renan Moreira ◽  
Christina Pacheco ◽  
Marcos Vinícius Pereira Diógenes ◽  
Cicília Raquel Maia Leite

O sequenciamento do genoma humano proporcionou o aprofundamento de diversos tipos de estudos e tecnologias de análise biológica, dentre estas, o microarranjo. A necessidade publicar os dados brutos dessas pesquisas impulsionou a criação de bancos de dados públicos onde essas informações pudessem ser indexadas e resgatadas. Essas bases são uma grande fonte de dados transcriptômicos que infelizmente acabam sendo subutilizadas. O objetivo deste trabalho foi o desenvolvimento de um sistema WEB para mineração de dados em estudos transcriptômicos a partir de microarranjos armazenados no banco de dados biológico Gene Expression Omnibus (GEO), o Mining_RNA. Através de uma usabilidade passo-a-passo juntamente com uma série de filtros o sistema possibilita resgatar dados do GEO, calcular a expressão diferencial entre os genes de um estudo, possibilitando ainda análises estatísticas para cada gene do estudo analisado. O sistema foi validado através da comparação com a avaliação dos mesmos dados com o software GEO2R (eficácia aproximada de 98%) e no estudo original (eficácia maior que 90%). Mining_RNA pode ser um forte aliado dos pesquisadores para a reanálise de estudos transcriptômicos, possibilitando uma nova forma de analisar os dados e gerando resultados tão confiáveis quanto ferramentas já consolidadas.


2021 ◽  
Vol 10 (12) ◽  
pp. e308101220279
Author(s):  
Adriano Ferro Rotondano Filho ◽  
Thais Carolina Alves Cardoso ◽  
Jalsi Tacon Arruda
Keyword(s):  

Muitos estudos buscam as bases da farmacogenética para elucidar a adição nicotínica. O tabagismo tem sido associado a vários polimorfismos genéticos. Esta revisão integrativa reúne informações da literatura atualizada com o objetivo de avaliar a relação da dificuldade de cessação do tabagismo com as alterações genéticas. Buscas foram feitas nas bases de dados: PubMed, SciELO, LILACS e Google Acadêmico. Os estudos indicam que mesmo com os esforços intensivos para o controle do comportamento tabágico a cessação definitiva do tabagismo geralmente só ocorre após várias tentativas e o número de recaídas é muito grande. Fatores genéticos contribuem para a dificuldade e o sucesso nos esforços de cessação do tabagismo. Contudo, o desafio ainda é compreender, em termos moleculares, como as variações genéticas conferem suscetibilidade a cessação do tabagismo. No futuro, ensaios clínicos mais robustos poderão individualizar o tipo, a dosagem e a duração do tratamento da dependência tabágica, conforme o genótipo de cada fumante, maximizando a eficácia do esquema proposto. Assim, identificar as variantes de risco em cada gene candidato, os polimorfismos genéticos capazes de determinar de que modo cada variante altera a função de proteínas codificadas são de fundamental importância para que se comprove de fato essa relação da farmacogenética com o tabagismo.


2017 ◽  
Vol 28 (2) ◽  
pp. 387
Author(s):  
Emanuel Bejarano L. ◽  
Alberto Manchego S. ◽  
Gina Castro S. ◽  
Giovanni Pérez G. ◽  
Nieves Sandoval C. ◽  
...  
Keyword(s):  

El presente estudio tuvo como objetivo determinar el efecto de la L-glutamina sobre la expresión de la inmunoglobulina A (IgA) y la citocinas TGF-β y las interleucinas, IL-4, IL5, IL-6 e IL-10 en la mucosa del yeyuno de crías de alpaca de 4-7 días de edad. Se trabajó con un grupo de 6 crías que se le administró 3.3 mM de L-glutamina por kg peso vivo, vía oral, y una segunda dosis a los 7 días. A un segundo grupo de 7 crías se le suministró PBS vía oral como control. Los animales fueron sacrificados 3 días después del tratamiento y se tomó una porción de yeyuno de cada cría. Se realizó la extracción de ARN mensajero (ARNm) y la transcripción reversa (RT) y el PCR tiempo real utilizando cebadores específicos de cada gene en estudio. Para la cuantificación relativa de la IgA, TGF-β e interleucinas se usó el método 2-ΔΔct. El TGF-β se expresó 3 veces más y la IgA 18 veces más en las crías tratadas con L-glutamina que en los controles (p<0.05). Las expresiones de IL-4, IL-5, IL-6 e IL-10 tuvieron estadísticamente los mismos niveles en ambos grupos. Se concluye que la L-glutamina incrementa la expresión TGF-β e IgA, mejorando la respuesta inmune adaptativa humoral de mucosa intestinal en crías de alpaca.


2015 ◽  
Vol 64 (245) ◽  
pp. 75-78
Author(s):  
G. M. F. De Camargo ◽  
D. F. Cardoso ◽  
F. Baldi ◽  
L. C. A. Regitano ◽  
H. Tonhati

Os bubalinos são animais com uma importância grande para a produção de alimentos, além da ação sócio-econômica na região tropical. A caracterização de genes possibilita o estudo de características próprias da espécie e o desenvolvimento de tecnologia para sua produção. Esse trabalho estudou parcialmente os genes thymus high mobility group box protein (TOX) e o Nuclear Receptor Coactivator 2 (NCOA2) em femêas bubalinas da raça Murrah pela técnica de PCR-sequenciamento. Seis SNPs foram identificados em cada gene. Dois SNPs adjacentes no gene TOX criaram/destruíram um sitio de produção de um miRNA e são bons candidatos para serem estudos no futuro. A homologia das regiões desses genes com as correspondentes em bovinos é muito alta (99 %).


2012 ◽  
Vol 22 (1) ◽  
pp. 33-42
Author(s):  
João Gomes-Pedro
Keyword(s):  

Cada gene só se pode exprimir em função do modo como cada fase ambiental da evolução humana modelaa força potencial da natureza. A expressão genómica com todas as suas influências é, de facto, condicionada pelas sucessivas interacções entre o que é potencial e o que são os sucessivos ambientes que constituem o envelope do biológico, desde o núcleo ao citoplasma, desde a célula ao tecido, desde o órgão ao corpo total, desde o corpo à relação com o outro mais significativo nos primeiros tempos de vida e que é a mãe, até às outras todas relações sociais com os outros mais ou menos preferenciais que a família e a sociedade vão proporcionando, nas sucessivas etapas do ciclo da vida.O mito determinista que tanto nos legou em termos de significado nas primeiras relações, cruza-se com as outras realidades influenciais através das quais sabemos que nunca nada está perdido em função da extraordinária capacidade de adaptação humana em todos as fases potenciais da vida. O modelo etológico ter-nos-á influenciado a pensarem termos de sobrevivência quando caracteriza a evolução em termos de competência de espécies na mira de garantir aquela mesma sobrevivência.Porém, a caracterização da espécie humana vai no sentido de uma evolução complexa destinada a garantir competências susceptíveis de condicionar capacidades decisivas como são as de constituir família e de cooperar em grupos sociais com objectivos comuns, cada vez mais complexos. Ser Criança significa o destino de vida feita relaçãoe afecto.


2011 ◽  
Vol 10 (2) ◽  
pp. 112
Author(s):  
Rejane Augusta de Oliveira Figueiredo ◽  
Júlia Maria Pavan Soler
Keyword(s):  
De Se ◽  

<!--[if gte mso 9]><xml> <w:WordDocument> <w:View>Normal</w:View> <w:Zoom>0</w:Zoom> <w:HyphenationZone>21</w:HyphenationZone> <w:PunctuationKerning /> <w:ValidateAgainstSchemas /> <w:SaveIfXMLInvalid>false</w:SaveIfXMLInvalid> <w:IgnoreMixedContent>false</w:IgnoreMixedContent> <w:AlwaysShowPlaceholderText>false</w:AlwaysShowPlaceholderText> <w:Compatibility> <w:BreakWrappedTables /> <w:SnapToGridInCell /> <w:WrapTextWithPunct /> <w:UseAsianBreakRules /> <w:DontGrowAutofit /> </w:Compatibility> <w:BrowserLevel>MicrosoftInternetExplorer4</w:BrowserLevel> </w:WordDocument> </xml><![endif]--><!--[if gte mso 9]><xml> <w:LatentStyles DefLockedState="false" LatentStyleCount="156"> </w:LatentStyles> </xml><![endif]--><!--[if gte mso 10]> <mce:style><! /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Tabela normal"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin:0cm; mso-para-margin-bottom:.0001pt; mso-pagination:widow-orphan; font-size:10.0pt; font-family:"Times New Roman"; mso-ansi-language:#0400; mso-fareast-language:#0400; mso-bidi-language:#0400;} --> <!--[endif] --> <p class="MsoNormal" style="text-align: justify; text-indent: 35.4pt; line-height: 150%;"><span style="line-height: 15px;">Grandes avanços estão ocorrendo na área de Genética e Genômica. Inicialmente cada gene era analisado, separadamente, com o intuito de se verificar, por exemplo, associações com desenvolvimento de doenças. Recentemente, surge a técnica de microarrays que permite que milhares de genes sejam avaliados, simultaneamente. Esta técnica apresenta diversas vantagens nas aplicações em muitas áreas do conhecimento como, por exemplo, a área médica, porém uma série de dificuldades são encontradas nestes experimentos devido às diversas fontes de variações sistemáticas que podem interferir nas mensurações obtidas, acarretando em resultados falso-positivos. Devido a estas variações e a outros problemas encontrados nestes experimentos, como o problema de múltiplos testes, pois milhares de genes são avaliados num mesmo momento, muitos são os esforços em se encontrar uma melhor abordagem de análise estatística para a identificação de genes, diferencialmente, expressos (DE). Baseado nestes aspectos, no presente estudo serão apresentadas e comparadas possíveis técnicas de análise estatísticas úteis na identificação de genes DE. Como aplicação e motivação deste trabalho, algumas técnicas de análise são aplicadas a um conjunto de dados reais com ratos diabéticos.</span></p>


2011 ◽  
Vol 46 (11) ◽  
pp. 1489-1495 ◽  
Author(s):  
Moysés Nascimento ◽  
Thelma Sáfadi ◽  
Fabyano Fonseca e Silva

O objetivo deste trabalho foi determinar a melhor alternativa, entre os métodos de agrupamento hierárquico (Ward) e de otimização (Tocher), para a formação de grupos homogêneos de séries de expressão gênica, e realizar previsões quanto à expressão gênica dessas séries, a partir de pequeno número de observações temporais. Os dados utilizados referem-se à expressão de genes que atuam sobre o ciclo celular de Saccharomyces cerevisiae e corresponderam a 114 séries de expressão gênica, cada uma com dez valores de "fold-change" (medida da expressão gênica) ao longo do tempo (0, 15, 30, 45, 60, 75, 90, 105, 120 e 135 min). As estimativas dos parâmetros dos modelos autorregressivos AR(p) foram previamente ajustadas a séries individuais (de cada gene) de dados "microarray time series" e utilizadas, como variáveis, no processo de agrupamento. As previsões da expressão gênica foram feitas dentro de cada grupo formado, a partir dos ajustes no modelo AR(p) para dados em painel. O método de Ward foi o mais apropriado para a formação de grupos de genes com séries homogêneas. Uma vez obtidos esses grupos, é possível ajustar o modelo AR(2) para dados em painel e predizer a expressão gênica em um tempo futuro (135 min), a partir de um pequeno número de observações temporais (os outros nove valores de "fold-change").


2010 ◽  
Vol 56 (3) ◽  
pp. 391
Author(s):  
Laurence Rodrigues do Amaral ◽  
Gina Maira Barbosa de Oliveira
Keyword(s):  
E Gene ◽  

A Bioinformática diz respeito a utilização de técnicas e ferramentas de computação para a resolução de problemas biológicos. Entre essas técnicas, os métodos vindos da Inteligência Artificial, principalmente os Algoritmos Genéticos (AG), vem sendo bastante utilizados na resolução desses problemas, especialmente relacionados a análise da expressão genica. Neste trabalho, utilizamos um AG na busca de regras de alto nível do tipo IF-THEN. Esse AG foi aplicado na classificação de bases de dados contendo níveis de expressão genica (obtidos através de microarray) de genes relacionados a nove classes de câncer obtidos da base de dados NCI60. São elas: mama, sistema nervoso central, colón, leucemia, melanoma, pulmão, ovário, renal e células reprodutivas. Para a avaliação das regras geradas pelo AG, empregamos conceitos amplamente utilizados em domínios médicos. São eles: sensibilidade (true_positive e false_negative) e especificidade (true_negative e false_positive). A saída do AG e uma regra do tipo: IF([5':W31089,3':N98525] ≥0,4) AND ([5':,3':W70076] < -0,5) THEN Câncer = sistema_nervoso_central, onde os valores entre colchetes referem-se ao GeneBank_Acession de cada gene que compõem a regra. O conjunto formado pelas nove melhores regras (uma para cada classe de câncer) obteve avaliações medias de 96,72%, contendo, em média, três genes em cada regra. Com essas regras, conseguimos delimitar possíveis genes relacionados a cada classe de câncer e seus respectivos níveis de expressão, conseguindo assim associações gene/câncer e gene/gene. Acreditamos que essas associações possam contribuir para o diagnóstico da classe de câncer avaliada, limitando então o número de genes a serem analisados na busca de novos tratamentos.


2008 ◽  
Vol 52 (1) ◽  
pp. 8-17 ◽  
Author(s):  
Rogério Silicani Ribeiro ◽  
Julio Abucham
Keyword(s):  
San Juan ◽  

A síndrome de Kallmann (SK) é a associação de hipogonadismo hipogonadotrófico (HH) e anosmia descrita por Maestre de San Juan, em 1856, e caracterizada como condição hereditária por Franz Josef Kallmann, em 1944. Muitos aspectos de sua patogenia, variabilidade fenotípica e genotípica foram desvendados nos últimos 15 anos. Conseqüentemente, tem sido difícil manter-se atualizado frente à rapidez que o conhecimento dessa condição é gerado. Nesta revisão, resgatamos aspectos históricos pouco conhecidos sobre a síndrome e seus descobridores; incorporamos novas descobertas relacionadas à embriogênese dos neurônios olfatórios e produtores de GnRH. Esse processo é fundamental para compreender a associação de hipogonadismo e anosmia; descrevemos a heterogeneidade fenotípica e genotípica, incluindo mutações em cinco genes (KAL-1, FGFR1, PROKR2, PROK2 e NELF). Para cada gene, discutimos a função da proteína codificada na migração e maturação dos neurônios olfatórios e GnRH a partir de estudos in vitro e modelos experimentais e descrevemos características clínicas dos portadores dessas mutações.


2008 ◽  
Vol 56 (3) ◽  
pp. 236-239 ◽  
Author(s):  
Yan Zhang ◽  
Huiwen Zhang ◽  
Xinyu Li ◽  
Zhencheng Su ◽  
Chenggang Zhang

Sign in / Sign up

Export Citation Format

Share Document