Inference of gene regulation from expression data. Mathematical modeling and the design of a genomic study to investigate IFNa transcriptional response modulators

The main object of this thesis is the inference of gene regulation from quantitative gene expression data. This goal is of central importance for health care as complex genetic diseases such as cancer are caused by deregulation or aberrant regulation of genes. The thesis is structured into two main parts corresponding to a theoretical and a practical approach to the inference of gene regulation. In the first part of the thesis a Bayesian hierarchical model for the reconstruction of regulatory networks from gene expression microarray data is presented. In the second part of the thesis a novel experimental design to infer gene regulatory modules from real-time PCR data is presented. The aim is to characterize the IFNa-transcriptional response in human endothelial cells, by identifying key modulators and regulatory modules in which they are involved.

L'oggetto principale di questa tesi è l'inferenza di regolazioni geniche a partire da dati quantitativi di espressione genica. Questo obiettivo è di centrale importanza in ambito sanitario poiché malattie genetiche complesse come il cancro sono causate dalla deregolazione o dalla regolazione aberrante di geni. La tesi è strutturata in due parti principali corrispondenti, rispettivamente, ad un approccio teorico e pratico all'inferenza di regolazioni geniche. Nella la prima parte della tesi viene presentato un modello gerarchico bayesiano per la ricostruzione di reti di regolazione da dati di microarray. Nella seconda parte della tesi viene presentato un nuovo design sperimentale per inferire moduli di regolazione genica da dati di real-time PCR. L'obiettivo è quello di caratterizzare la risposta trascrizionale di IFN- in cellule endoteliali umane, attraverso l'individuazione di modulatori chiave e dei moduli regolatori in cui sono coinvolti.