Computação Bayesiana Aproximada Monte Carlo Sequencial como ferramenta para a interferência de parâmetros na rede genética circadiana da Arabidopsis Thaliana

Abstract

A modelagem de sistemas complexos é um desafio para os pesquisadores nas diferentes áreas, já que cada vez deseja-se simular a natureza na forma mais precisa possível. Estes modelos, especialmente aqueles que representam sistemas biológicos, precisam de dados experimentais que, na maioria dos casos, são muito difíceis ou impossíveis de medir experimentalmente de forma direta, sendo que outra alternativa de procurá-los é por meio da estimação ou por inferência a partir dos dados observados. Neste contexto, os métodos de Computação Bayesiana Aproximada (ABC), e mais precisamente aqueles que incorporam os métodos Monte Carlo Sequencial (SMC), foram utilizados para aproximar a distribuição posteriori dos dados dadas as vantagens que apresentam estes métodos em relação aos anteriores. O sistema complexo considerado foi o correspondente à rede do ciclo circadiano da Arabidopsis thaliana, uma planta reconhecida pela comunidade científica para a realização de experimentos. Com isto, procurou-se aplicar o algoritmo ABC-SMC em uma rede regulatória biológica complexa, para ajustar a maior quantidade dos valores dos parâmetros relacionados especialmente com as proteínas LHY/CCA1 as quais envolvem os efeitos da luz na planta e que dos quais, segundo a literatura, tem-se menos confiabilidade de seus valores. Depois de ajustar cinco parâmetros, encontraram se algumas limitações da metodologia utilizada com o pacote ABC-SysBio como o tamanho do conjunto de dados a trabalhar. Conclui-se que os valores dos parâmetros observados são confiáveis devido à semelhança que eles têm com aqueles que foram encontrados nas simulações.

Complex system modeling is a challenge for the researchers in different fields, and the aim is to simulate the nature in the most precise way. These models, specially those that represent biological systems, need experimental data that, in the most cases, are difficult to be measured or it is almost impossible to measure them in a direct way. Thus, they must to be found by estimation or by inference from the observed data. In this context, Approximate Bayesian Computation (ABC) methods, and more precisely, those that incorporate Sequential Monte Carlo methods were used to approximate the posterior distribution of the data. In this way, the complex system considered was the circadian net in Arabidopsis thaliana a renamed plant in the scientific community, that it is recognized by their experimental advantages. With this aim the method ABC-SMC was applied to a biological complex net that represents the circadian circuit in A. thaliana to fit the most number of parameters values related specially with LHY/CCA1 proteins, those that involves light effects in the plant and those that have less confidence of their values. Fitted five parameters, it was found some limitations of the software ABC-SysBio that make the interpretation very difficult such the data set to be worked. It is concluded that the observed parameters could be considered reliable because the similarity between them.