Unificando a Comparac¸ a˜o e Busca de Fen o´tipos em Model Organism Databases

Abstract

Resumo. Model Organism Databases (MODs) sa˜o largamente utilizados em pesquisas nas a´reas me´dica e biolo´gica. Como cada MOD e´ usualmente especializado em um tipo de organismo - e.g., peixe-zebra, rato, humano, camundongo - torna-se dif´ıcil a busca da mesma caracter´ıstica em organismos distintos para fins de correlac¸a˜o e comparac¸a˜o. Este trabalho apresenta um framework chamado Unified MOD Discovery Engine, cujo objetivo e´ permitir a correlac¸a˜o e busca de dados de va´rios MODs, a partir da unificac¸ a˜o da sua representac¸a˜o dos dados. Este artigo apresenta o primeiro passo nesta direc¸ a˜o, em que foram analisados e comparados os modelos de dados de dois MODs, o ZFIN (peixa-zebra) e MGI (camundongo), como base para a concepc¸a˜o de um modelo unificado. Tal modelo e´ a base de um grafo interligado, que permitira´ ao usua´rio fazer buscas e comparac¸o˜es de forma unificada.

-

Outro conceito fundamental neste contexto sa˜o os profiles, que consistem em definir um foco das informac¸o˜es relevantes para realizar buscas, ana´lises e analogia entre organismos. No contexto de doenc¸as, por exemplo, um profile pode ser composto por elementos de descric¸a˜o do feno´tipo da doenc¸a e seu geno´tipo associado. O profile torna-se a unidade de busca, isto e´, a comparac¸a˜o e´ feita entre o profile buscado – e.g., olho ausente – e aquele recuperado da base de dados. Os feno´tipos podem ser associados a ontologias no me´todo Entidade-Qualidade (EQ) [ Balhoff et al. 2010 ], em que a Entidade esta´ contida em uma ontologia espec´ıfica de organismos, associada a um termo de Qualidade usualmente da ontologia Phenotype and Trait Ontology (PATO) [ Washington et al. 2009 ], e.g., entidade (olho) e qualidade (ausente).

O nosso trabalho visa contribuir neste contexto, atrave´s de um framework para unificar MODs heterogeˆneos e subsidiar a criac¸a˜o de profiles que propiciem a comparac¸ a˜o de organismos. Ele parte da proposta de um modelo de organismo gene´rico – criado a partir da ana´lise de modelos para a descric¸a˜o de feno´tipos – que conte´m dados relevantes para o pesquisador.

Este trabalho esta´ organizado da seguinte maneira: a Sec¸a˜o 2 apresenta trabalhos relacionados; a Sec¸a˜o 3 descreve o modelo unificado; a Sec¸ a˜o 4 apresenta como sera´ feita a busca; a Sec¸a˜o 5 apresenta as concluso˜es e trabalhos futuros. 2. Trabalhos Relacionados [ Washington et al. 2009 ] utilizaram va´rios MODs para realizar a integrac¸a˜o de geno´tipos com seus respectivos feno´tipos e descobrir genes orto´logos1 que sofreram mutac¸a˜o em diferentes espe´cies, resultando em cegueira nos seus portadores. Para este estudo foi preciso gerar um modelo unificado de va´rios MODs heterogeˆneos contendo os genes que seriam considerados na comparac¸a˜o, foram escolhidos 11 genes humanos que possuem genes orto´logos em camundongos, peixe-zebra e droso´fila, contidos no Online Mendelian Inheritance in Man (OMIM), ale´m de genes de camundongos, peixes-zebra e droso´filas obtidos de bases diferentes.

[ Washington et al. 2009 ] obtiveram os seguintes resultados: (i) alelos variantes conte´m feno´tipos mais similares que os demais alelos do mesmo gene; (ii) e´ poss´ıvel recuperar genes mutantes responsa´veis por feno´tipos anoˆmalos a partir da ana´lise de similaridade destes feno´tipos; (iii) identificac¸a˜o de genes orto´logos pelo cruzamento de dados de feno´tipos em diferentes espe´cies. Estes resultados na˜o seriam obtidos se fosse feita a comparac¸ a˜o apenas com o geno´tipo, pois esta abordagem apresenta dois problemas principais: (1) as bases gene´ticas de grande parte das doenc¸as normalmente sa˜o desconhecidas; (2) ainda que a base gene´tica seja conhecida, algoritmos de comparac¸ a˜o de genes e/ou geno´tipos sa˜o feitos atrave´s do alinhamento de sequeˆncias; no caso de doenc¸as ocorre uma mutac¸a˜o no gene causador da mesma, tornando tais algoritmos inadequados, pois essa comparac¸a˜o trata genes a partir da similaridade entre as cadeias. Por esta raza˜o, a comparac¸a˜o e´ feita atrave´s dos feno´tipos das doenc¸as, neste caso, os sintomas da doenc¸a.

[ Washington et al. 2009 ] enfrentaram duas grandes dificuldades: (1) tiveram que criar manualmente um modelo homogeˆneo de va´rios MODs utilizados apenas para o profile analisado; (2) criaram um profile a partir de va´rias ontologias, selecionando os termos relevantes para a pesquisa. Da mesma forma, va´rios pesquisadores enfrentam as mesmas dificuldades, tendo que integrar MODs e definir profiles manualmente, pois na˜o existe 1genes derivados de um ancestral comum que possuem a mesma func¸a˜o em espe´cies diferentes ferramenta computacional que construa um modelo unificado a partir de va´rios MODs distintos e que suporte profiles associados a ontologias.

Phenomicdb (http://phenomicdb.info/) e´ uma ferramenta que realiza a integrac¸a˜o de va´rios MODs para pesquisas com feno´tipos [ Kahraman et al. 2005 ]. Comparado com a nossa proposta, a busca realizada e´ limitada a apenas uma descric¸ a˜o de um item de feno´tipo. O diferencial do nosso trabalho e´ que ele suportara´ buscas por profiles com va´rios itens descritivos, utilizando diferentes formatos para a representac¸ a˜o de feno´tipos.

3. Modelo Unificado

Com o objetivo de sanar a dificuldade relatada na sec¸a˜o anterior, este trabalho propo˜e um framework para realizar a busca e comparac¸a˜o de profiles definidos pelo usua´rio em um conjunto de MODs de forma transparente. O ponto de partida foi analisar dois MODs de refereˆncia amplamente usados e citados em trabalhos relacionados – o ZFIN e o MGI – como bases para a proposta de um modelo unificado.

ZFIN e´ um MOD que conte´m tanto dados de geno´tipos quanto feno´tipos do peixe-zebra, em que os feno´tipos sa˜o descritos pelo me´todo EQ citado anteriormente [ Sprague et al. 2006 , Washington et al. 2009 ]. O modelo parcial do banco de dados referente a feno´tipos do ZFIN e´ apresentado na Figura 1(a). Uma descric¸a˜o de feno´tipo e´ formada por um conjunto de declarac¸o˜es (Phenotype statement) envolvendo uma Entidade (ZFA term) e uma Qualidade (PATO term) ligadas a ontologias externas: ZFA (Zebrafish Anatomy Ontology), GO (Gene Ontology) e PATO. Entidades e qualidades sa˜o generalizadas como termos (term) que teˆm um auto-relacionamento com tipo (e.g., is-part-of), pois pode-se construir uma taxonomia de termos.

Figura 1. Modelo do banco de dados do ZFIN e do MGI.

MGI e´ um MOD com dados de geno´tipos e feno´tipos de camundongos [ Blake et al. 2003 ]. A Figura 1(b) retrata um modelo parcial do banco de dados de feno´tipos do MGI. A descric¸a˜o do feno´tipo, assim como no ZFIN, e´ tratada como um conjunto de declarac¸ o˜es. Cada declarac¸a˜o corresponde no MGI a um termo (voc term). Cada termo e´ associado a` ontologia Mammalian Phenotype que e´ uma variante da abordagem EQ, pois cada conceito da ontologia ja´ e´ a composic¸a˜o da Entidade mais a Qualidade [ Smith et al. 2004 ]. A classe voc vocab correspondente a` classe ontology do modelo do ZFIN e possibilita o uso de termos de va´rias ontologias.

A Figura 2 apresenta o nosso modelo unificado, em que um feno´tipo (Phenotype) e´ composto por um conjunto de declarac¸ o˜es (Statement) que correspondem a` composic¸a˜o de Entidades e Qualidades, como acontece no voc term do MGI. A classe Statement EQ especializa o Statement e e´ capaz de representar a entidade e a qualidade de forma discriminada como faz o ZFIN (classe term). A classe voc vocab do MGI e ontology do ZFIN correspondem a` classe Ontology no modelo proposto. Ale´m disso, as classes Statement, Entity e Quality possuem um auto-relacionamento para registrar sinoˆnimos. A classe Profile e´ formada por um Phenotype. Futuramente o Profile sera´ integrado com informac¸o˜es de geno´tipos tambe´m.

Os modelos apresentados do ZFIN e do MGI refletem o banco de dados relacional original de ambos. Entretanto, nosso modelo unificado e´ baseado em uma estrutura de grafos e por isso mapearemos os modelos para um banco de dados de grafos de propriedades [ Robinson et al. 2013 ] fazendo com que cada classe vire um no´, os relacionamentos sera˜o arestas e os atributos das classes viram propriedades dos no´s e/ou arestas. O mesmo acontece com o modelo proposto neste trabalho.

Figura 2. Modelo proposto para a ferramenta Unified MOD Discovery Engine.

4. Busca baseada em Profile

Esta sec¸ a˜o descreve a arquitetura que projetamos para a realizac¸ a˜o de uma busca unificando diferentes MODs, em que ha´ um esforc¸o extra para tratar a representac¸a˜o heterogeˆnea dos dados de cada base, ja´ que eles na˜o sa˜o homogeˆneos. Descric¸ o˜es de feno´tipos podem ser encontradas em formatos distintos, como textos livres (o que dificulta o uso computacional), C/CS (que e´ uma forma de descric¸ a˜o semi-estruturada), EntidadeQualidade (EQ) e uma variante dele que chamaremos de EQ composto (tal como no MGI). Como exemplo das formas de descric¸o˜es, temos que no OMIM as descric¸ o˜es sa˜o em texto livre, no MGI sa˜o em EQ composto e no ZFIN sa˜o em EQ.

O nosso sistema propo˜e a unificac¸a˜o da busca e comparac¸a˜o em MODs distintos. A busca/comparac¸a˜o e´ feita a partir de uma interface unificada, que fornecera´ uma visa˜o homogeˆnea das informac¸ o˜es, independentemente de como elas esta˜o armazenadas nos seus MODs de origem.

Tomando o caso descrito por [ Washington et al. 2009 ] como base de pesquisa em va´rios MODs, apresentaremos a nossa arquitetura atrave´s de um exemplo de uma consulta feita no ZFIN e MGI. Ao fazer uma busca no ZFIN pelo feno´tipo lens decreased size sa˜o retornados va´rios genes associados a esse feno´tipo, entre eles, o gene Pax6b. Esse feno´tipo e´ descrito por meio de sua entidade (lens) separada de sua qualidade (decreased size).

Ao realizar a mesma busca pelo feno´tipo lens decreased size no MGI sa˜o retornados va´rios genes, entre eles o gene pax6 que causa microftalmia, que refere-se ao olho pequeno. Mas a interpretac¸a˜o na˜o e´ ta˜o trivial pois o sistema na˜o retorna o feno´tipo exatamente como ele foi buscado. O feno´tipo microftalmia tem o sinoˆnimo lens decreased size que foi buscado anteriormente. Essas descric¸o˜es de feno´tipos no MGI esta˜o em EQ composto.

Ao interligar essas informac¸ o˜es do ZFIN e MGI obtemos os genes que causam doenc¸as que levam a cegueira no zebrafish e no camundongo. Essas informac¸ o˜es sa˜o u´teis para realizar pesquisas sobre essa doenc¸a tambe´m em humanos, ja´ que o gene causador da cegueira em humanos e´ o PAX6 orto´logo aos genes do peixe-zebra e camundongo.

Figura 3. Arquitetura da nossa proposta.

A Figura 3 representa a nossa proposta. O usua´rio interagira´ com a ferramenta na criac¸ a˜o do profile que e´ dado como entrada. Neste caso, cada linha corresponde a uma descric¸a˜o de feno´tipo dada pelo usua´rio, podendo ser em texto livre, EQ, entre outras. Em seguida, a nossa ferramenta tera´ acesso a um banco de dados de grafos criado previamente que importa as informac¸o˜es contidas no ZFIN e MGI referentes a feno´tipo. O nosso framework Discovery Engine executara´ algoritmos de match para comparar e analisar profiles. Para tornar poss´ıvel essa comparac¸a˜o e´ necessa´rio desmembrar o profile em unidades ba´sicas que descrevem o feno´tipo (dismember profile na Figura 3). Sobre estes itens sera˜o aplicados algoritmos para ana´lise de similaridade para busca e comparac¸ a˜o de profiles. Como resultado da busca, a ferramenta gera um grafo contendo resultados com informac¸o˜es do ZFIN e MGI ranqueadas por similaridade. O Profile Graph da Figura 3 corresponde a` representac¸a˜o do profile na forma de grafo, a ser confrontado com as descric¸o˜es de feno´tipos em banco de dados de grafos. Ale´m de importar dados do ZFIN e MGI o banco de dados de grafos tambe´m sera´ usado para interliga´-las e melhorar o resultado das comparac¸o˜es.

Para realizar a busca no banco de dados atrave´s do profile utilizaremos me´tricas

5. Conclus o˜es

Pesquisadores precisam cruzar dados de va´rios organismos e recorrem a diversos MODs, contendo diferentes representac¸o˜es de dados, dificultando a interligac¸a˜o dos mesmos. Neste trabalho no´s apresentamos um modelo unificado para representac¸ a˜o de feno´tipos – baseado na ana´lise de dois MODs, o ZFIN e o MGI – bem como o projeto do framework Unified MOD Discovery Engine, que permitira´ ao usua´rio realizar buscas por descric¸o˜es de profiles de organismos em MODs distintos de forma unificada.

Como trabalhos futuros pretendemos implementar o engine cujo projeto foi apresentado neste artigo e estender a proposta para outros MODs, como OMIM (humanos), RGD (ratos), Flybase (moscas), entre outros. Ale´m de integrar informac¸ o˜es de geno´tipos que ainda na˜o esta˜o sendo consideradas.

Agradecimentos. Este trabalho foi parcialmente financiado pela AGENCIA, FAPESP/Cepid em Engenharia e Cieˆncia da Computac¸a˜o (2013/08293-7), o Instituto Microsoft Research FAPESP Virtual (NavScales project), CNPq (MuZOO Project), FAPESPPRONEX (eScience project), , INCT em Web Science e subvenc¸ o˜es individuais do CNPq.

References

Balhoff , J. P. , Dahdul , W. M. , Kothari , C. R. , Lapp , H. , Lundberg , J. G. , Mabee , P. , Midford , P. E. , Westerfield , M. , and Vision , T. J. ( 2010 ). Phenex: ontological annotation of phenotypic diversity . PLoS One , 5 ( 5 ): e10500 .

Blake , J. A. , Richardson , J. E. , Bult , C. J. , Kadin , J. A. , Eppig , J. T. , Group, M. G. D. , et al. ( 2003 ). Mgd: the mouse genome database . Nucleic acids research , 31 ( 1 ): 193 - 195 .

Hedges , S. B. ( 2002 ). The origin and evolution of model organisms . Nature Reviews Genetics , 3 ( 11 ): 838 - 849 .

Kahraman , A. , Avramov , A. , Nashev , L. G. , Popov , D. , Ternes , R. , Pohlenz , H. -D. , and Weiss , B. ( 2005 ). Phenomicdb: a multi-species genotype/phenotype database for comparative phenomics . Bioinformatics , 21 ( 3 ): 418 - 420 .

Mistry , M. and Pavlidis , P. ( 2008 ). Gene ontology term overlap as a measure of gene functional similarity . BMC bioinformatics , 9 ( 1 ): 327 .

Robinson , I. , Webber , J. , and Eifrem , E. ( 2013 ). Graph databases . O'Reilly.

Smith , C. L. , Goldsmith , C.-A. W. , and Eppig , J. T. ( 2004 ). The mammalian phenotype ontology as a tool for annotating, analyzing and comparing phenotypic information . Genome biology , 6 ( 1 ): R7 .

Sprague , J. , Bayraktaroglu , L. , Clements , D. , Conlin , T. , Fashena , D. , Frazer , K. , Haendel , M. , Howe , D. G. , Mani , P. , Ramachandran , S. , et al. ( 2006 ). The zebrafish information network: the zebrafish model organism database . Nucleic acids research , 34 ( suppl 1 ): D581 - D585 .

Washington , N. L. , Haendel , M. A. , Mungall , C. J. , Ashburner , M. , Westerfield , M. , and Lewis , S. E. ( 2009 ). Linking human diseases to animal models using ontology-based phenotype annotation . PLoS biology , 7 ( 11 ): e1000247 .