Identificação de genes associados com o potencial invasivo de Streptococcus pneumoniae

Tese de mestrado em Bioestatística, apresentada à Universidade de Lisboa, através da Faculdade de Ciências, 2012O Streptococcus pneumoniae e uma espécie bacteriana que integra a flora comensal da nasofaringe humana e constitui uma causa frequente de doença invasiva nas vias respiratórias. A sua diversidade genética e fenotípica e muito elevada, conhecendo-se estirpes invasivas (patogénicas) e estirpes colonizadoras (assintomáticas). A rápida evolução do genoma desta espécie originada por transformação genética, e o consequente aparecimento de novas estirpes conduz a necessidade de identificar os genes que estão associados a sua capacidade invasiva. Esta dissertação tem como objetivo identificar genes associados ao potencial invasivo de Streptococcus pneumoniae a partir de dados de hibridação genómica comparativa em que foi pesquisada a presença de 3620 genes em 72 estirpes, classificadas como invasivas, colonizadoras ou neutras com base em estudos epidemiológicos. A pesquisa de genes associados a invasibilidade foi efetuada através de classificação não supervisionada através de agrupamento hierárquico, e classificação supervisionada através da construção de modelos em arvore. A classificação não supervisionada das estirpes com base no seu conteúdo genético demonstrou não ser um método eficaz para detetar genes associados ao seu potencial invasivo. Os resultados da classificação supervisionada revelaram que a construção de modelos de classificação em árvore, quando efetuada a partir de variáveis (genes) previamente selecionadas, constitui a forma mais eficaz de encontrar associações entre a presença/ausência de determinados genes e o potencial invasivo das estirpes. Os modelos em árvore que demonstraram uma melhor capacidade preditiva e maior robustez resultaram da classificação a partir de uma matriz indicadora da presença dos genes. Concluiu-se também que não é necessário um numero elevado de variáveis para obter modelos com a máxima capacidade preditiva.Streptococcus pneumoniae is a bacteria species in the commensal flora of the human nasopharynx, thus being a frequent cause of invasive diseases in the respiratory tract. This species of bacteria has a large genetic and phenotypic diversity, where invasive (pathogenic) and colonizer (asymptomatic) strains are known. The rapid evolution of the genome of this species, due to genetic transformation, and the consequent appearance of new strains lead to the need to identify the genes associated to its invasiveness. This dissertation aims to identify genes associated to the invasive potential of Streptococcus pneumoniae, based on comparative genomic hybridization data, where the presence of 3620 genes in 72 strains has been examined. Based upon epidemiological studies, the strains have been classified as invasive, colonizer or neutral. The search for genes associated to invasiveness has been done by means of unsupervised classification through hierarchical clustering and by supervised classification through tree-based models. The unsupervised classification of strains based on their genetic content has proven not to be an effective method to detect genes associated with their invasive potential. The results of supervised classification have shown that the tree-based model technique, when based upon previously selected variables (genes), constitutes the most effective way to find associations between the presence / absence of certain genes and the invasive potential of the strains. The tree-based models which have shown a higher predictive power and a stronger robustness, resulted from the classification from an indicative matrix of the presence of genes. It has also been concluded that there is no need for a large number of variables in order to to obtain models with the highest predictive power