Programa Interunidades de Pós-Graduação em Bioinformática - UFMG - Contato
Programa Interunidades de Pós-Graduação em Bioinformática - UFMG - fACEBOOK
Programa Interunidades de Pós-Graduação em Bioinformática - UFMG - Versão em inglês
Programa Interunidades de Pós-Graduação em Bioinformática - UFMG
UFMG
Repositório
Pró-Reitoria de Assuntos Estudantis
ICB - UFMG
ICB - UFMG

Corpo Docente

PERFIL: Mauro Antônio Alves Castro

Retornar

Nosso trabalho é focado em métodos computacionais, estatísticos e matemáticos aplicados à genômica funcional, explorando até que ponto a variação genética influencia a suscetibilidade a doenças. Por exemplo, assim como a fisionomia de um rosto pode ser típica de uma família, também pode o risco de câncer ou outras doenças (tais como diabetes ou doenças cardíacas). Essa semelhança no risco entre membros de uma família é causada pela herança de pequenas variações em centenas de locais do genoma. Tradicionalmente, essas variações têm sido estudadas uma a uma, o que é um processo lento e difícil. Meu grupo de pesquisa tem mostrado que um grupo de genes muito especiais, que forma o que chamamos de redes regulatórias transcricionais (TRNs), pode ser usado como meio para entendermos os efeitos da variabilidade genética. Ao identificar TRNs e examinar sua relação com o risco de câncer, geramos novas hipóteses sobre os mecanismos da doença, avaliando o efeito combinado de múltiplas variantes genéticas.

Exemplos de estudos em que descrevemos novos métodos computacionais
Castro MAA et al., Regulators of genetic risk of breast cancer identified by integrative network analysis. Nature Genetics, 48(1):12-21, 2016. https://doi.org/10.1038/ng.3458
Groeneveld CS et al., RTNsurvival: An R/Bioconductor package for regulatory network survival analysis. Bioinformatics, btz229, 2019. https://doi.org/10.1093/bioinformatics/btz229
Chagas VS et al., RTNduals: An R/Bioconductor package for analysis of co-regulation and inference of dual regulons. Bioinformatics, btz534, 2019. https://doi.org/10.1093/bioinformatics/btz534

Exemplos de estudos colaborativos em que aplicamos nossos métodos computacionais
Corces MR et al., The chromatin accessibility landscape of primary human cancers. Science, 362(6413):eaav1898, 2018. https://doi.org/10.1126/science.aav1898
Robertson AG et al., Comprehensive Molecular Characterization of Muscle-Invasive Bladder Cancer. Cell, 171(3):540-556, 2017. https://doi.org/10.1016/j.cell.2017.09.007



Our work is focused on functional genomics and cross-disciplinary computational methods, exploring to which extent genetic variation influences the susceptibility to disease. For example, just as the physiognomy of a face can be typical of a family, so can the risk of cancer (or other conditions such as diabetes or heart disease). This similarity in risk between members of a family is caused by the inheritance of small variations within hundreds of different loci. Traditionally, such variations have been studies one by one, which is slow and difficult. My research group has shown that a group of very special genes, that form what we call transcriptional regulatory networks (TRNs), can be used as a framework to understand the effects of genetic variation. By identifying TRNs and examining their relationship to cancer risk, we have provided new insights into disease mechanisms, assessing the combined effects of multiple variants that are not easily obtained by the analysis of individual gene loci.

Examples of studies in which we describe new computational methods
Castro MAA et al., Regulators of genetic risk of breast cancer identified by integrative network analysis. Nature Genetics, 48(1):12-21, 2016. https://doi.org/10.1038/ng.3458
Groeneveld CS et al., RTNsurvival: An R/Bioconductor package for regulatory network survival analysis. Bioinformatics, btz229, 2019. https://doi.org/10.1093/bioinformatics/btz229
Chagas VS et al., RTNduals: An R/Bioconductor package for analysis of co-regulation and inference of dual regulons. Bioinformatics, btz534, 2019. https://doi.org/10.1093/bioinformatics/btz534

Examples of collaborative studies in which we apply our computational methods
Corces MR et al., The chromatin accessibility landscape of primary human cancers. Science, 362(6413):eaav1898, 2018. https://doi.org/10.1126/science.aav1898
Robertson AG et al., Comprehensive Molecular Characterization of Muscle-Invasive Bladder Cancer. Cell, 171(3):540-556, 2017. https://doi.org/10.1016/j.cell.2017.09.007

Currículo Lattes:

E-mail: mauro.a.castro@gmail.com

Av. Antonio Carlos, 6627, Belo Horizonte - Minas Gerais, Brasil - 31270-901
Instituto de Ciências Biológicas - ICB - Bloco K4, Sala 163
Telefones: 55 (31) 3409-2554 / Fax: 55 (31) 3409-2614