Método para melhoria da eficiência na identificação computacional de RNAs não-codificantes

• Main Author: Cristina Teixeira de Oliveira
• Other Authors: Guilherme Pimentel Telles
• Language: Portuguese
• Published: Universidade de São Paulo 2009
• Subjects: Bioinformática; Infernal; RNAs não-codificantes; Viena; Bioinformatics; Noncoding RNAs
• Online Access: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-18062009-084415/

Até pouco tempo acreditava-se que a maioria das moléculas de RNA estava relacionada à tradução de proteínas. Porém, descobriu-se que outros tipos de moléculas de RNA que não são traduzidas estão presentes em muitos organismos diferentes e afetam uma variedade de processos moleculares, são os chamados RNAs não-codificantes (ncRNAs). Apesar de sua importância funcional, os métodos biológicos e computacionais para a detecção e caracterização de RNAs não-codificantes ainda são imprecisos e incompletos. A identificação de novas espécies de ncRNAs é difícil através de procedimentos experimentais e as técnicas computacionais existentes são lentas. O objetivo deste trabalho foi obter uma ferramenta mais eficiente para a comparação de uma seqüência de RNA não-codificante contra um banco de seqüências. Para isso foi proposto e implementado um modelo para identificação computacional de ncRNAs com apoio dos pacote Viena e Infernal e foram realizados experimentos para avaliá-lo === Until recently it was generally accepted that most RNA molecules were involved in the translation process. However, it was discovered that many types of untranslated RNA molecules are present in many different organisms and they are related to a wide variety of molecular processes. These molecules are called non-coding RNAs (ncRNAs). Despite their functional importance, the biological and computational methods to detect and identify non-coding RNAs are still imprecise and incomplete. The discovery of new ncRNAs species is difficult through experimental procedures and the existing computational techniques are slow. This project aimed at obtaining a more efficient tool that compares a non-coding RNA sequence against a sequence database. In order to achieve this, a computational model for ncRNAs identification using the Vienna and Infernal packages has been proposed and implemented. Experiments were conduced to evaluate the model