Dogma Central e Periféricos

Prof. Dra. Adriana DantasUERGS – Bento Gonçalves

Bioinformática

Arquivo de informações• Matéria-prima de informações é o material

genético:• DNA – replicação quase perfeita é essencial

para estabilidade da herdabilidade• As imperfeições também são necessárias,

herda mecanismos de informações de material não-próprio, gerando informações evolutivas

• A implementação da informação do DNA ocorre com a síntese do RNA e proteínas.

• O ‘código genético’ é de fato uma codificação: tripletos de letras sucessivas da sequencia do DNA especificam aminoácidos consecutivos

• Porção de sequencias de DNA codificam sequencias de aminoácidos de proteínas

Informações ‘supérflua’ e ‘lixo’• Proteínas são compostas de 200 a 400

aminoácidos, o que exige de 600 a 1.200 letras de mensagens de DNA expresso para especificá-las.

• RNA ribossomal também são determinadas pelo DNA.

• Nem todo DNA é expresso em proteínas ou RNA estrutural

• Muitos genes a serem transcritos apresentam sequencias chamadas ‘introns’ – sequencias não traduzidas

• Algumas regiões do DNA atuam como mecanismos de controle, e uma porção substancial do genoma dos organismos superiores aparenta ser supérflua (significa, que ainda não compreendemos sua função).

Relações moleculares

‘O gene seria definido então como um segmento do DNA contendo o código para uma determinada proteína.Já se sabia antes de completado o genoma, que seus elementos significativos ou região codificadora (exons) aparecem interrompidos na longa cadeia de DNA por sequências aparentemente inúteis ou não codificadoras (íntrons). O código para a fabricação da proteína só era montado na hora, num processo conhecido como "splicing”.

Nomenclatura e estrutura molecular• Os quatro nucleotídeos de

ocorrência natural no DNA (RNA)

a adenina g guanina t timina c citosina(u uracila)

1. As moléculas de DNA são quimicamente similares, e a estrutura do DNA é uniforme (embora algumas interações DNA-proteina causam distorções na estrutura do DNA.

2. Proteínas e RNAs estruturais apresentam ampla variedade de conformações tridimensional, necessárias para garantir o desempenho de diversos papéis funcionais.

Aminoácidos

• não-polares

G glicinaI isoleucinaA alaninaP prolinaV ValinaL LeucinaF fenilalaninaMmetionina

• Polares

S serinaC cisteínaT treoninaN aspariginaQ glutaminaH ác. glutâmicoY tirosinaWtriptofano

• Carregados

D ác. aspárticoE ác glutâmicoK lisinaR arginina

Nomenclatura dos aminoácidos• Histidina, fenilalanina, tirosina e triptofano

são aromáticos de desempenham papéis estruturais especiais em proteínas de membrana

• Os nomes dos aminoácidos são abreviados com as suas três primeiras letras. Ex.: Gli para glicina

• Exceto isoleucina (Ile); asparagina (Asn); glutamina (Gln); triptofano (Trp);selenocísteina (Sec).

• Convenção: escreve-se nucleotídeos com letras minúsculas. (atg = adenina-timina-guanina)

• Maiúsculas. (ATG = alanina-treonina-glicina).

Sequencias de aminoácidos• A sequencia de aminoácidos de uma proteína

determina a estrutura tridimensional• Para cada sequencia de aminoácidos há um

único estado nativo estável, o qual sob condições adequadas é estabelecida sem alterações.

• Para leitura de uma proteína é preciso ‘desenovelar’ em uma estrutura desordenada e inativa.

• Em condições normais restauradas, as moléculas de proteínas geralmente reassumem a sua estrutura nativa.

• As funções das proteínas dependem de elas adotarem a estrutura tridimensional do seu estado nativo.

Uni e tridimensional• O enovelamento espontâneo de proteínas para

formar seu estado nativo é o ponto em que a natureza realiza o grande salto do mundo unidimensional em sequencias dos genes e sequencias de proteínas para o mundo tridimensional em que vivemos.

• Paradoxo: a tradução de sequencias de DNA em sequencias de aminoácidos é muito simples de descrever de maneira lógica: código genético.

• O enovelamento de uma cadeia polipeptídica em uma estrutura tridimensional precisa é muito difícil de explicar de maneira lógica.

• A tradução exige mecanismos moleculares complicados do ribossomos, dos tRNAs e moléculas associadas.

Enovelamento das proteínas

Características dos aminoácidos• Características dependendo dos componentes de suas

cadeias laterais, fazem com que possam ser reunidos em grupos específicos, como hidrofóbicos, hidrofílicos, aromáticos, alifáticos,entre outros.

• Um somatório de características, como grau de hidrofobicidade,presença de enxofre, tamanho, determinam que tipo de estrutura secundária, terciária e quaternária; uma determinada sequência de aminoácidos irá formar.

• Sequências contendo várias diferenças em relação aos aminoácidos, podem formar proteínas semelhantes,bastando conter aminoácidos com características semelhantes em posições análogas nas sequências

Paradigma molecular

• A sequencia de DNA determina a sequencia de proteína

• A sequencia da proteína determina a estrutura da proteína

• A estrutura da proteína determina a função da proteína

• Mecanismos regulatórios, incluindo mas limitado ao controle de padrões de expressão, fornecem as quantidades corretas das funções corretas, nos momentos e locais corretos

Atividade organizada na bioinformática• Grande parte da bioinformática está

focalizando na analise dados relacionados aos processos do paradigma

• Esse paradigma não inclui níveis maiores do que o da estrutura e organização molecular, ex.; tecidos que se tornam diferenciados ou efeitos ambientais que exercem controle sobre eventos genéticos.

Arquivos de Dados

• Arquivo de informação’• Organização lógica ou ‘estruturada’• Ferramentas de acessos• Sequencias de ácidos nucleicos• Sequencias de proteínas• Estrutura e funções de

macromoléculas• Padrões de expressão• Redes e vias metabólicas• Cascata de regulação

Banco de Dados primários• Sequencias de DNA e proteínas• Variações, tais como haplótipos• Estrutura de ácidos nucléicos e proteínas• Banco de dados específicos para

organismos, incluindo banco de dados do genoma.

• Banco de Dados de padrões de expressão protéica

• Banco de dados de rotas metabólicas.• Padrões de interações e de vias

regulatórias

Banco de Dados derivados ou secundários• Contém o banco de dados primário e

analisa seus conteúdos• Motivos de sequencias protéicas

(padrões de assinatura – famílias protéicas)

• Mutações de variantes nas sequencias de DNA e de proteínas

• Classificações ou relações, características de família de sequencia de proteínas ou classificação hierárquica de padrões de enovelamento de proteínas.

Banco de dados biológicos• Banco de dados bibliográficos

• Banco de dados de sítios na web:

– Banco de dados contendo informações biológicas

– Conexões entre banco de dados

Recursos na web• Arquivo de sequencias de ácidos nucléicos:

– GenBank, situado no US National Center for Biotechnology Information (NCBI)

– EMBL Nucleotide Sequence Database, localizado no European Bioinformatics Institute (EBI)

– The Center for information Biology e DNA DataBank of Japan no Nacional Institute of Genetics

• Informações entre os 3 sítios, trocam informações diariamente sobre novas submissões para garantir que todos tenham o mesmo conteúdo.te

Arquivo sequencias de aminoácidos de proteínas• Determinado exclusivamente pela

tradução de sequencias de genes• United Protein Database (uniProt)

– SWISS-PROT– The protein Identification Resouce (PIR)– Translated EMBL (TrEMBL)– ‘Sequence Retrieval System (SRS) –

seleção e recuperação de sequencias

Questões a serem acessadas• Banco de dados contém informações de

que preciso? (Encontrar as sequencias de aminoácidos das proteínas álcool desidrogenase)

• Como posso organizar as informações selecionadas de banco de dados de maneira útil? (compilar uma lista de sequencias de globinas, ou melhor obter uma tabela com sequencias de globinas alinhadas)

• Índices de banco de dados são úteis como questões: Como encontrar informações especificas? (sequencia de aminoácidos da proteína tripsina de porco-espinho)

Consultas ao banco de dados• Dada uma sequencia, ou fragmento de uma

sequencia, encontrar sequencias no banco de dados que sejam similares

• Dada a estrutura de uma proteína, encontrar a estrutura de uma proteína, ou parte de uma estrutura protéica, pareamento de sequencias em três dimensões

• Dada a seqüência de uma proteína de estrutura desconhecida, encontrar as estruturas no banco de dados por proteínas, encontrar proteínas que apresentem sequencias suficientemente similares

Conexões• Tarefas muito complexas

biologicamente falando: ‘Para quais proteínas de estrutura conhecida, envolvidas em biossíntese de purinas em humanos, existem proteínas relacionadas em fungos?

• Precisamos:– Função especificada– Detecção da relação– Correlação com doenças e espécies– Efetividade de suas conexões com outras

fontes de informações

Fluxo da informação na bioinformática• As informações entram no

domínio quando um cientista deposita seus resultados

• A entrada e montagem do arquivo é determinada pela origem dos dados e não pela unidade biológica ou pelo contexto

• Entrada corresponde geralmente a um artigo publicado

Organização dos dados• A simples integração da nova entrada a um sistema de

pesquisas genéticas ou especificas• Divulgação de um gene codificador de uma proteína por

um banco de dados contendo sequencias de DNA seguida pelo surgimento da sua tradução em aminoácidos nos banco de dados de proteínas.

• Recombinação de dados de diferentes formas. Agrupar sequencias ou estruturas de famílias protéicas homólogas, ou que compartilhem a mesma função. (Banco de dados da protease MEROPS e o Protein Kinase Resource.

• A extração de subconjuntos de dados:– Identificação de genes em uma seqüência de DNA

(ex.: genoma de bactéria ou um cromossomo eucariótico)

– Seleção de um conjunto de sequencias de proteínas não-redundantes (reduz incertezas).

Ciência da computação• Meios de armazenamento mais rápido e de alta

capacidade essenciais para manter o banco de dados.

• Soluções, recorrer:– Análise de algoritmos (medimos a

similaridade da sequencia sonda com todas as sequencias depositadas no BD

– Estrutura de dados e recuperação de informação (meios para indexar, ou pre-processar os dados para tornar mais eficiente)

– Engenharia de software (linguagem de alto nível, como C, C++, PERL (Pratical Extraction and Report Language), JAVA ou até mesmo FORTRAM)

Sequencias obtidas x onde esta o que eu quero?

Gene hipotético

Contig....actctagt....

Gene predito

Dados de outros genes e genomaspermitem anotar uma função e produto para o Gene 2 com o auxílio do programa BLAST.

Gene 1 Gene 2

A presença do suposto Gene 1 foi assinalada por um algoritmo que busca por ORFssignificativas, enquanto não se conhece seu produto (proteína), é considerado hipotético.

....actctagt....

Produto gênico

Transposon

Regiões repetitivas como transposonspodem ser anotadas com o auxílio de programas como BLAST, RepeatMasker e outros.

Gene hipotético

Contig....actctagt....

Gene predito

Dados de outros genes e genomaspermitem anotar uma função e produto para o Gene 2 com o auxílio do programa BLAST.

Gene 1 Gene 2

A presença do suposto Gene 1 foi assinalada por um algoritmo que busca por ORFssignificativas, enquanto não se conhece seu produto (proteína), é considerado hipotético.

....actctagt....

Produto gênico

Transposon

Regiões repetitivas como transposonspodem ser anotadas com o auxílio de programas como BLAST, RepeatMasker e outros.

Uso de seqüências na determinação de relações filogenéticas

• Recuperação biológica de sequencias similares em banco de dados.

• Exemplos: ancestralidade do trigo