The amount of intramuscular fat can influence the sensory characteristics and nutritional value of beef, thus the selection of animals with adequate fat content for consumer becomes important. Intramuscular fat is a complex trait that is difficult to measure and there is growing knowledge about the genes and pathways that control the biological processes involved in fat deposition in muscle. MicroRNAs (miRNAs) are well conserved class of non-coding small RNAs that modulate gene expression of a range of functions in animal development and physiology. This study aimed to identify differentially expressed (DE) miRNAs, regulatory candidate genes and co-expression networks using mRNAs and miRNAs expression data from the Longissimus dorsi muscle of 30 Nelore steers with extreme genomic estimated breeding values (GEBV) for intramuscular fat (IMF) content. The differential expression analysis between the miRNA data from animals with extreme GEBV values for IMF identified six DE miRNAs. Functional annotation of target genes for these microRNAs indicates that PPARs signaling pathway is involved with IMF deposition. Regulatory candidate genes such as SDHAF4, FBXO17, ALDOA and PKM were identified by partial correlation with information theory (PCIT), phenotypic impact factor (PIF) and regulatory impact factor (RIF) approaches from integrated miRNAs-mRNAs expression data. Two DE miRNAs, bta-miR-143 and bta-miR-146b, upregulated in Low IMF group, were also correlated with regulatory candidate genes, which were functionally enriched for GO terms for fatty acids oxidation. Co-expression networks identified several modules related to immune system, protein metabolism, energy metabolism and glucose catabolism by weighted correlation network analysis (WGCNA), which showed possible interaction and regulation between mRNAs and miRNAs. This study contributes to our understanding of regulatory mechanisms of gene signaling networks involved in fat deposition process. Glucose metabolism and inflammation process were the main pathways found in integrative mRNAs-miRNAs analysis and showed to influence intramuscular fat content in beef cattle. / A quantidade de gordura intramuscular pode influenciar as características sensoriais e o valor nutricional da carne bovina, assim, a seleção de animais com conteúdo de gordura adequado para o consumidor torna-se importante. A gordura intramuscular é uma característica complexa, de difícil medição e há um conhecimento crescente sobre os genes e vias que controlam os processos biológicos envolvidos na deposição de gordura no músculo. MicroRNAs (miRNAs) são uma classe bem conservados de pequenos RNAs não-codificantes, que modulam a expressão gênica de uma gama de funções no desenvolvimento e fisiologia animal. Este estudo objetivou identificar miRNAs diferencialmente expressos (DE), genes reguladores candidatos e redes de co-expressão usando dados de expressão de mRNAs e miRNAs do músculo Longissimus dorsi de 30 novilhos Nelore com valores genéticos genômicos estimados (GEBV) extremos para conteúdo de gordura intramuscular (IMF). A análise de expressão diferencial entre os dados de miRNA de animais com valores extremos de GEBV para o IMF identificou seis miRNAs DE. A anotação funcional de genes alvos destes microRNAs indica que a via de sinalização de PPAR está envolvida com a deposição de IMF. Os genes reguladores candidatos, tais como SDHAF4, FBXO17, ALDOA e PKM foram identificados pelas abordagens de correlação parcial com teoria da informação (PCIT), fator de impacto fenotípico (PIF) e fator de impacto regulatório (RIF) a partir de dados integrados de expressão de mRNAs-miRNAs. Dois miRNAs, bta-miR-143 e bta-miR-146b, com alta expressão no grupo de baixo conteúdo de IMF, também foram correlacionados com genes reguladores candidatos, os quais foram funcionalmente enriquecidos para termos GO relacionados a oxidação de ácidos graxos. As redes de co-expressão identificaram vários módulos relacionados ao sistema imunológico, ao metabolismo das proteínas, ao metabolismo energético e ao catabolismo da glicose através da análise ponderada da rede de correlação (WGCNA), que mostrou possível interação e regulação entre mRNAs e miRNAs. Este estudo contribui com a compreensão dos possíveis mecanismos reguladores das redes de sinalização genética envolvidas no processo de deposição de gordura. O metabolismo da glicose e o processo de inflamação foram as principais vias encontrados na análise integrada de mRNA-miRNA e mostraram estar associadas ao conteúdo de gordura intramuscular em bovinos de corte.

The amount of intramuscular fat can influence the sensory characteristics and nutritional value of beef, thus the selection of animals with adequate fat content for consumer becomes important. Intramuscular fat is a complex trait that is difficult to measure and there is growing knowledge about the genes and pathways that control the biological processes involved in fat deposition in muscle. MicroRNAs (miRNAs) are well conserved class of non-coding small RNAs that modulate gene expression of a range of functions in animal development and physiology. This study aimed to identify differentially expressed (DE) miRNAs, regulatory candidate genes and co-expression networks using mRNAs and miRNAs expression data from the Longissimus dorsi muscle of 30 Nelore steers with extreme genomic estimated breeding values (GEBV) for intramuscular fat (IMF) content. The differential expression analysis between the miRNA data from animals with extreme GEBV values for IMF identified six DE miRNAs. Functional annotation of target genes for these microRNAs indicates that PPARs signaling pathway is involved with IMF deposition. Regulatory candidate genes such as SDHAF4, FBXO17, ALDOA and PKM were identified by partial correlation with information theory (PCIT), phenotypic impact factor (PIF) and regulatory impact factor (RIF) approaches from integrated miRNAs-mRNAs expression data. Two DE miRNAs, bta-miR-143 and bta-miR-146b, upregulated in Low IMF group, were also correlated with regulatory candidate genes, which were functionally enriched for GO terms for fatty acids oxidation. Co-expression networks identified several modules related to immune system, protein metabolism, energy metabolism and glucose catabolism by weighted correlation network analysis (WGCNA), which showed possible interaction and regulation between mRNAs and miRNAs. This study contributes to our understanding of regulatory mechanisms of gene signaling networks involved in fat deposition process. Glucose metabolism and inflammation process were the main pathways found in integrative mRNAs-miRNAs analysis and showed to influence intramuscular fat content in beef cattle. / A quantidade de gordura intramuscular pode influenciar as características sensoriais e o valor nutricional da carne bovina, assim, a seleção de animais com conteúdo de gordura adequado para o consumidor torna-se importante. A gordura intramuscular é uma característica complexa, de difícil medição e há um conhecimento crescente sobre os genes e vias que controlam os processos biológicos envolvidos na deposição de gordura no músculo. MicroRNAs (miRNAs) são uma classe bem conservados de pequenos RNAs não-codificantes, que modulam a expressão gênica de uma gama de funções no desenvolvimento e fisiologia animal. Este estudo objetivou identificar miRNAs diferencialmente expressos (DE), genes reguladores candidatos e redes de co-expressão usando dados de expressão de mRNAs e miRNAs do músculo Longissimus dorsi de 30 novilhos Nelore com valores genéticos genômicos estimados (GEBV) extremos para conteúdo de gordura intramuscular (IMF). A análise de expressão diferencial entre os dados de miRNA de animais com valores extremos de GEBV para o IMF identificou seis miRNAs DE. A anotação funcional de genes alvos destes microRNAs indica que a via de sinalização de PPAR está envolvida com a deposição de IMF. Os genes reguladores candidatos, tais como SDHAF4, FBXO17, ALDOA e PKM foram identificados pelas abordagens de correlação parcial com teoria da informação (PCIT), fator de impacto fenotípico (PIF) e fator de impacto regulatório (RIF) a partir de dados integrados de expressão de mRNAs-miRNAs. Dois miRNAs, bta-miR-143 e bta-miR-146b, com alta expressão no grupo de baixo conteúdo de IMF, também foram correlacionados com genes reguladores candidatos, os quais foram funcionalmente enriquecidos para termos GO relacionados a oxidação de ácidos graxos. As redes de co-expressão identificaram vários módulos relacionados ao sistema imunológico, ao metabolismo das proteínas, ao metabolismo energético e ao catabolismo da glicose através da análise ponderada da rede de correlação (WGCNA), que mostrou possível interação e regulação entre mRNAs e miRNAs. Este estudo contribui com a compreensão dos possíveis mecanismos reguladores das redes de sinalização genética envolvidas no processo de deposição de gordura. O metabolismo da glicose e o processo de inflamação foram as principais vias encontrados na análise integrada de mRNA-miRNA e mostraram estar associadas ao conteúdo de gordura intramuscular em bovinos de corte.

A diversidade de interações que ocorre dentro de sistemas biológicos, considerando desde as organelas de uma célula até toda a biosfera, pode ser modelada por meio da teoria de redes. A dinâmica das interações entre os elementos é uma propriedade intrínseca desses sistemas. Diversas ferramentas foram propostas para comparar redes, que representam os muitos estados assumidos por um sistema. Porém, nenhuma delas é capaz de comparar características estruturais de mais de duas redes simultaneamente. Devido à grande quantidade de estados que um sistema pode assumir, construímos uma ferramenta estatística para comparar duas ou mais redes e indicar variáveis chave no processo estudado. A principal proposta deste trabalho foi comparar redes de correlação usando medidas baseadas nos espectros dos grafos (conjunto de autovalores das matrizes de adjacência), como a distribuição espectral. Essa medida está associada a diversas características estruturais das redes como o número de caminhos, diâmetro e cliques. Além da distribuição espectral, também comparamos as redes por entropia espectral, distribuição dos graus e pelas centralidades dos nós. Usamos dois diferentes conjuntos de dados biológicos (expressão gênica de células tumorais e metabolismo vegetal) para realizar os testes de desempenho da ferramenta e para os estudos de caso. O método proposto está implementado em um pacote do programa R, chamado BioNetStat, com interface gráfica para o usuário leigo em programação. Constatamos que os testes são eficientes em diferenciar mais de duas redes. Além disso, o aumento do número de redes comparadas e a queda dos números de unidades amostrais, diminui o poder estatístico do teste. Mostramos ainda que ocorre uma economia de tempo significativa ao realizarmos uma única análise para comparar muitas redes ao invés de compará-las par-a-par. Além disto, o método apontou grupos de variáveis com papel central nos sistemas biológicos estudados que não foram encontrados nas análises onde apenas a expressão ou concentração dos elementos foi estudada. Foi possível assim diferenciar células de tipos cancerígenos ou órgãos de organismos vegetais através das centralidades das redes. As variáveis levantadas possibilitam ao usuário gerar hipóteses sobre seus papeis nos processos em estudo. O BioNetStat pode assim ajudar a detectar possíveis novas descobertas associadas a mecanismos de funcionamento de sistemas. / The diversity of interactions, which are among elements of the biological systems, can be studied based on the networks theory. Moreover, the dynamic of these interactions is an inherent trait of those systems. In this sense, several tools have been proposed to compare networks, in that each network represents a state assumed by the system. However, the biological systems generally can assume much more than two biological states and none of the tools are able to compare structural characteristics among more than two networks simultaneously. To solve this issue, we developed a statistical tool to compare two or more networks and highlight key variables of a system. Here we describe the new method, called BioNetStat, that is able to compare correlation networks using traits that are based on graph spectra (the group of eigenvalues of the adjacency matrix), such as the spectral distribution. This measure is associated with several structural characteristics of networks such as the number of walks, diameter, and cliques. In addition to the spectral distribution, BioNetStat can also compare networks to the node centralities. We used two different biological datasets, tumoral cells genes expressions and plant metabolism, to evaluate the performance of BioNetStat and as case studies. The tool is implemented in an R package, and it also has a user-friendly interface. We showed that BioNetStat is efficient in distinguishing more than two networks. In comparison with a similar tool (GSCA), the increase in the number of compared networks reduces less the statistical power of the BioNetStat than the GSCA. Furthermore, BioNetStat is able to find signaling pathways in a bigger proportion than the GSCA, complementing tools proposed in the literature. In the case studies, the method pointed out variables, and sets of variables, with a central role in biological systems, which were not highlighted when only gene expression pattern or metabolomics were studied. For instance, BioNetStat allowed us to differentiate among cancer types and plant organs. The BioNetStat results bring new findings on what differentiate the states, giving us a systemic view of our study subject and affording the proposition of new hypotheses about the studied processes.