Powered by OpenAIRE graph
Found an issue? Give us feedback
image/svg+xml art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos Open Access logo, converted into svg, designed by PLoS. This version with transparent background. http://commons.wikimedia.org/wiki/File:Open_Access_logo_PLoS_white.svg art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos http://www.plos.org/ Repositório científi...arrow_drop_down
image/svg+xml art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos Open Access logo, converted into svg, designed by PLoS. This version with transparent background. http://commons.wikimedia.org/wiki/File:Open_Access_logo_PLoS_white.svg art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos http://www.plos.org/
addClaim

RNA and microRNA profiling for the determination of post mortem interval

Authors: Silva, Fernanda Patrícia Sampaio;

RNA and microRNA profiling for the determination of post mortem interval

Abstract

O Intervalo post mortem (PMI) representa o período de tempo decorrido entre a morte e a altura em que o cadáver é encontrado. A determinação precisa do PMI é uma das informações mais importantes na altura da autópsia, sendo crucial para a investigação criminal, civil e forense. Apesar da variadíssima literatura acerca deste assunto, a determinação precisa do PMI ainda apresenta muitas dificuldades, mesmo para patologistas experientes. Atualmente, existem múltiplas técnicas para determinar o PMI que englobam métodos de várias áreas das ciências forenses. Os patologistas forenses avaliam normalmente processos físicos (temperatura corporal, livor mortis), físico-químicos (rigor mortis), bioquímicos (concentração de eletrólitos, atividade enzimática), microbiológicos (decomposição) e entomológicos. No entanto, todos estes métodos são imprecisos no cálculo do PMI, dando-nos na melhor das hipóteses uma estimativa, que só deverá ser aceite após a consideração de todos os fatores que possam influenciar os resultados. Idealmente, para determinar de forma precisa o PMI, será necessário um parâmetro que altere constantemente, o qual se possa correlacionar com o tempo da morte. A degradação post mortem dos ácidos nucleicos parece ter esta característica. Com os avanços da biologia molecular, a análise da degradação ao longo do tempo dos ácidos nucleicos (DNA e RNA) tem desempenhado um papel fundamental na medicina, assim como nas ciências forenses. Neste contexto, o potencial do RNA nas ciências forenses tem sido estudado com vários objetivos, como a identificação de fluidos corporais, a determinação do tempo das amostras biológicas através da análise da degradação do RNA e a determinação do PMI. A estimativa do PMI, baseada somente na degradação do mRNA, pode ser limitada por vários fatores físicos e químicos que ocorrem no momento na morte ou durante o PMI. Por outro lado, o perfil do microRNA (miRNA) oferece grandes vantagens quando comparado com o mRNA. Estas pequenas sequências de RNA não codificante têm demostrado uma maior estabilidade e são muito mais sensíveis e específicas do que todos os métodos usados em ciências forenses para a quantificação de mRNA. Contudo, o seu potencial na estimativa do PMI é, até agora, desconhecido. Este trabalho teve como objetivo caracterizar a degradação do RNA e do miRNA em diferentes matrizes biológicas, assim como desenvolver um modelo matemático que possa ser usado como método auxiliar para uma determinação mais x precisa do PMI. Foi proposta uma avaliação combinada da degradação do mRNA e do miRNA, o que poderá trazer grandes vantagens em relação aos métodos atuais, uma vez que não existe um método fiável e preciso para estimar o PMI. Foi realizada uma cinética de 11 horas, com um “checkpoint” a cada hora para análise do RNA total extraído do coração, musculo esquelético, fígado e pâncreas de um modelo murino. O perfil de degradação do RNA total foi avaliado no RNA electrophoresis (ExperionTM Bio-Rad), através do indicador da qualidade do RNA (RQI). A transcrição de vários genes referência (Tropomiosina, Albumina, Beta-Actina, GAPDH, 18S rRNA, HPRT, Ciclofilina, BHMT, MLCK, SRP72, Cyp2E1 e RPS29) foi analisada através de PCR quantitativo em tempo real e expressa pelos valores de threshold cycle (Ct). Para diminuir possíveis erros, todos os resultados foram normalizados relativamente aos valores de Ct do gene RPS29. A análise quantitativa da transcrição nestes órgãos permitiu a identificação de genes que se correlacionam com o PMI de forma específica em cada órgão. Exceto a Tropomiosina e a Cyp2E1, todos os genes demonstraram uma degradação gradual com o tempo no músculo-esquelético, enquanto no coração não foi encontrada qualquer correlação significativa. Além disso, a Albumina, o GAPDH e a Cyp2E1 foram identificados no fígado como tendo a melhor correlação (p<0,0001). Contrariamente, todos os miRNA estudados permaneceram inalterados durante o PMI, o que confirma a sua alta estabilidade. A relação destes genes estáveis (miRNA) com os degradáveis (mRNA) será usada para o desenvolvimento de um modelo matemático com valor preditivo na determinação do PMI. Este estudo poderá fornecer um novo paradigma na estimativa do PMI e tornarse num método complementar aos tradicionais. O modelo matemático será, posteriormente, aplicado em amostras recolhidas a partir de cadáveres intatos de ratinho, sendo mais tarde testado e validado em amostras humanas post mortem.

Country
Portugal
Keywords

PCR quantitativo em tempo real, qPCR, mRNA, PMI, real-time quantitative polymerase chain reaction, Intervalo post mortem

  • BIP!
    Impact byBIP!
    selected citations
    These citations are derived from selected sources.
    This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
    0
    popularity
    This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.
    Average
    influence
    This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
    Average
    impulse
    This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.
    Average
Powered by OpenAIRE graph
Found an issue? Give us feedback
selected citations
These citations are derived from selected sources.
This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
BIP!Citations provided by BIP!
popularity
This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.
BIP!Popularity provided by BIP!
influence
This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
BIP!Influence provided by BIP!
impulse
This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.
BIP!Impulse provided by BIP!
0
Average
Average
Average
Green