Please use this identifier to cite or link to this item: https://www.arca.fiocruz.br/handle/icict/27437
Title: Identificação de alvos terapêuticos para a bactéria multirresistente P. aeruginosa CCBH4851 através da análise de redes metabólicas
Advisor: Silva, Fabricio Alves Barbosa da
Silva Junior, Floriano Paes
Authors: Merigueti, Thiago Castanheira
Affilliation: Fundação Oswaldo Cruz. Instituto Oswaldo Cruz. Rio de Janeiro, RJ, Brasil.
Abstract: Infecções relacionadas à assistência à saúde (IRAS) é um grave problema de saúde pública. Elas podem estar associadas à morbidade e mortalidade e são responsáveis pelos aumentos da hospitalização de pacientes. Neste contexto, é importante identificar estratégias que possam impedir a propagação de bactérias em pacientes hospitalizados. Neste trabalho, propomos um novo método para identificar alvos terapêuticos, através da análise de redes metabólicas em escala genômica, que identifica alvos conhecidos e potenciais em bactérias resistentes a múltiplos fármacos. Aqui, nós automatizamos o processo de identificação de genes essenciais usando Análise de Balanço de Fluxo (do inglês Flux Balance Analysis - FBA), Análise de Variabilidade de Fluxo (do inglês Flux Variability Analysis - FVA) e consultas a vários repositórios públicos, como KEGG, Uniprot e Drugbank A aplicação web foi desenvolvida em Python usando CobraPy e Django 1.11. Redes metabólicas em escala genômica, disponíveis no formato SBML, foram analisadas usando esta ferramenta. Foram encontradas informações de alvos terapêuticos e possíveis fármacos como resultados da análise, feita pelo sistema, de três redes metabólicas de P. aeruginosa disponíveis na literatura e da primeira versão da rede metabólica da cepa multirresistente CCBH4851. Foram detectados genes alvos que são relatados na literatura. O método de análise de fluxos de reações proposto fornece resultados, mesmo para redes metabólicas não curadas, incompletas ou imprecisas. Usando o método FBA, simulamos o nocaute na rede que verifica a interrupção da geração de biomassa. Este novo método pode fornecer informações sobre a identificação e descoberta de novos alvos terapêuticos para bactérias multirresistentes através da análise da rede metabólica em escala genômica.
Abstract: Healthcare-associated infections (HAI) is a serious public health problem. They may be associated with morbidity and mortality and are responsible for increases in patient hospitalization. In this context, it is important to identify strategies that may prevent the spread of bacteria in hospitalized patients. In this work, we propose a new method to identify therapeutic targets through the analysis of metabolic networks on genomic scale, which enables the identifies known and potential targets in multidrug resistant bacteria. Here we automate the process of identifying essential genes using Flux Balance Analysis (FBA), Flux Variability Analysis (FVA), and queries to various public repositories such as KEGG, Uniprot and Drugbank The web application was developed in Python using CobraPy and Django 1.11. Genomic scale metabolic networks, available in the SBML format, were analyzed using this tool. Information on therapeutic targets and possible drugs was found as a result of the analysis of three metabolic networks of P. aeruginosa available in the literature and the first version of the metabolic network of the CCBH4851 multiresistant strain. Target genes were detected that are reported in the literature. The proposed reaction flow analysis method provides results, even for uncured, incomplete or imprecise metabolic networks. Using the FBA method, we simulate the knockout in the network that verifies the interruption of biomass generation. This new method can provide information on the identification and discovery of new therapeutic targets for multidrug resistant bacteria through the analysis of the metabolic network on genomic scale.
keywords: Pseudomonas Aeruginosa
Terapêutica
DeCS: Biologia de Sistemas
Análise do Fluxo Metabólico
Issue Date: 2018
Citation: MERIGUETI, Thiago Castanheira. Identificação de alvos terapêuticos para a bactéria multirresistente P. aeruginosa CCBH4851 através da análise de redes metabólicas. 2018. 144 f. Dissertação (Mestrado em Biologia Computacional e Sistemas)-Instituto Oswaldo Cruz, Fundação Oswaldo Cruz, Rio de Janeiro, 2018.
Date of defense: 2018
Place of defense: Rio de Janeiro
Department: Instituto Oswaldo Cruz
Defense institution: Fundação Oswaldo Cruz
Program: Programa de Pós-Graduação em Biologia Computacional e Sistemas
Copyright: open access
Appears in Collections:IOC - PGBCS - Dissertações de Mestrado

Files in This Item:
File Description SizeFormat 
thiago_merigueti_ioc_mest_2018.pdf1.5 MBAdobe PDFView/Open


FacebookTwitterDeliciousLinkedInGoogle BookmarksBibTex Format mendeley Endnote DiggMySpace

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.