Os tumores podem ser considerados uma proliferação de células que acumulam alterações genéticas e epigenéticas. De acordo com a teoria ‘Multi-stage Hit’, a transformação de uma célula normal em uma tumoral envolve um número de eventos limitantes que ocorrem num certo número de fases discretas (mutações ‘drivers’). No entanto, nem todas as mutações que ocorrem nas células estão diretamente envolvidas no desenvolvimento do tumor e, provavelmente, algumas não contribuem de forma alguma (mutações ‘passangers’). Além disso, o processo de evolução tumoral é pontuado por seleções de mutações vantajosas e expansões clonais. Atualmente não se sabe quantos eventos limitantes, ou seja, quantas mutações drivers são necessárias ou suficientes para promover um processo tumoral. Esta conjectura pode ser explorada matematica e estatisticamente, com a disponibilidade de dados genômicos.

Neste projeto, foram usados os dados de sequenciamento genômico de tumores de ovário obtidos no banco de dados DBMutation (http://www.bioinformatics-brazil.org/dbmutation/), para a análise do modelo matemático de evolução tumoral apresentado no artigo "Accumulation of driver and passenger mutation during tumor progression " [1]. O modelo descreve o processo de evolução tumoral de acordo com o processo de Galton-Watson, a partir das variáveis: taxa de mutação (u), tempo de cada geração (t), e vantagem seletiva (v) de mutações drivers (k). Além disso, o modelo apresenta uma fórmula para a relação entre o número de mutações passengers e um número definido de mutações drivers.

Para a comparação com os dados obtidos do sequenciamento (mutações drivers e passengers) o modelo matemático foi implementado em MatLab, e as simulações computacionais foram feitas utilizando os mesmos parâmetros apresentados no artigo. A análise inicial mostra que há uma boa correlação entre a predição de mutações drivers e passengers do modelo matemático e as obtidas pela análise dos dados genômicos. A utilização de modelos teóricos contruídos a partir de uma base de conhecimento biológico pode faciltar cada vez mais a utilização de informações genômicas, contribuindo para um melhor entendimento do processo tumoral.

1 - Bozic, T. Antal, H. Ohtsuki, H. Carter, D. Him, S. Chen, R. Karchin, K. W. Kinzler, B. Vogelstein, and M. A. Novak.  Accumutation of driver and passenger mutations during tumor progression. Proc. Natl. Acad. Sci. USA, 108: 12647-12452. 2011.