Usando RINs para entender as mutações em câncer: mutações deleterias são mais comumente associadas a aminoácidos altamente conectados.
Redes de interação de resíduos. Efeitos de mutações. Mutações passenger e drivers. Preditores.
Muitos esforços para identificar mutações driver em câncer foram feitos, a maioria no nível de sequência. A compreensão do impacto estrutural de uma determinada mudança de aminoácido é de grande importância para a pesquisa médica do câncer. Aqui, utilizamos parâmetros de redes de interação de resíduos (RINs) para uma análise em larga escala de mutações missense em 16 tipos de câncer, permitindo inferir seus respectivos efeitos estruturais e verificar se mudanças em aminoácidos altamente conectados têm maior probabilidade de originar mutações driver. Usamos as RINs para analisar quais parâmetros de rede são mais comuns em resíduos (nó) com ocorrência relatada de mutações missense em câncer. A distribuição da quantidade de mutações por degree (conectividade do nó) varia significativamente comparada às simulações aleatórias e também à distribuição de um conjunto de dados de polimorfismos de nucleotídeo único humano (SNPs), tendendo a se manter em nós com conectividade mais baixa. Além disso, a proporção de mutações driver foi significativamente aumentada em nós com alto grau de conectividade, quando utilizados dois critérios diferentes para sua classificação: proporções de preditores de software (NDamage) e classificação de base de dados ClinVar (clinproc). Portanto, levando em conta esses resultados, podemos concluir que as alterações nos aminoácidos altamente conectados têm maior probabilidade de gerar mutações driver, uma vez que sua maior proporção de ocorrência nesses nós e a análise de RINs podem ser usadas como um parâmetro adicional para auxiliar a previsão de mutações driver em câncer.