Anotação gênica t3

Prévia do material em texto

Anotação gênica
Profª. Melise Chaves Silveira
Descrição
Estudo de dados biológicos abordando bancos de dados, anotação genômica e ciências ômicas.
Propósito
Conhecer os processos pelos quais os dados biológicos passam e onde é possível acessá-los é essencial para
a ampla compreensão das informações biológicas e para a consulta de fontes confiáveis de pesquisa. Além
disso, a partir do estudo das ciências ômicas o aluno estará atualizado em relação aos avanços científicos
nesta área.
Objetivos
Módulo 1
Banco de dados e anotação genômica
Empregar bancos de dados biológicos para anotação genômica.
Módulo 2
Conceitos e aplicações das ciências ômicas
Reconhecer os conceitos e aplicações das ciências ômicas.
Você lidará frequentemente com dados biológicos, como, por exemplo, as sequências de aminoácidos,
as estruturas tridimensionais de proteínas ou o esquema de uma via metabólica, ao desenvolver artigos
científicos. É muito importante saber como podemos ter acesso a fontes confiáveis desses dados e
como utilizá-los. Como a ciência está em constante evolução, novos tipos de dados são gerados
proporcionalmente a esse avanço, e isto em larga escala.
Neste conteúdo você entenderá o que são bancos de dados biológicos e como esses dados são
empregados, por exemplo, no processo de anotação genômica. Você também irá se atualizar quanto às
novas tendências de geração de dados biológicos e como elas podem melhorar, e muito, nossa vida,
ajudando no diagnóstico de doenças, em novos tratamentos e até na melhor qualidade de vida.
Introdução
1 - Banco de dados e anotação genômica
Ao �nal deste módulo, você será capaz de empregar bancos de dados biológicos para anotação
genômica.
Banco de dados
Vivemos em uma sociedade que produz uma quantidade gigantesca de dados. O número dos seus
documentos, suas fotos em redes sociais, seus e-mails, as palavras que você procura em aplicativos de busca,
e as músicas que você escuta são exemplos de dados. Profissionais conhecidos como cientistas de dados são
especializados em “cuidar” desses registros, desde o armazenamento, passando pela obtenção de informação,
pelo conhecimento, pela visualização, até o descarte.
Provavelmente você já utilizou algum aplicativo de streaming ― tecnologia de transmissão de dados pela
internet, principalmente áudio e vídeo, sem a necessidade de baixar o conteúdo para seu computador ou
celular.
Esses aplicativos armazenam e reproduzem dados, além de utilizarem das análises realizadas pelos cientistas
de dados para, por exemplo, sugerir a você um filme que provavelmente irá agradá-lo ou indicar qual estilo de
música que você mais escutou em um respectivo ano.
Dados são fatos coletados que podem ser armazenados. A informação é o dado que estava armazenado e foi
recuperado de acordo com algum interesse. Por fim, o conhecimento é gerado quando a informação é
interpretada, quando novas conexões são feitas a partir de uma informação que já existia.
Exemplo
Imagine que eu tenha a sequência de aminoácidos de uma nova proteína e queira descobrir a estrutura
tridimensional (3D) que ela irá assumir. Uma solução é encontrar uma proteína com a estrutura 3D já descrita
que seja bem parecida com a minha nova proteína. A estrutura dessa proteína “antiga” é um dado que estava
armazenado. A partir do meu interesse eu recuperei esse dado específico, e agora ele passa a ser a informação
na qual irei me embasar para desvendar a estrutura da nova proteína, gerando conhecimento, algo novo.
Em bioinformática, os principais tipos de dados produzidos são:
Uma vez que os dados são produzidos, eles precisam ser armazenados para serem revisitados quando
necessários. Logo, bancos de dados são arquivos de computador que armazenam e organizam dados para
que possam ser recuperados facilmente de acordo com diferentes critérios de busca.
Exemplo
Vamos pensar em um banco de dados de sequências nucleotídicas. Cada sequência nesse banco possui
informações vinculadas, como sua descrição, um número de identificação próprio, o organismo do qual o DNA
foi extraído, o tamanho da sequência em pares de bases, a ordem das bases nitrogenadas, dentre outras. Para
gerar um banco de dados com todos esses registros são usados programas de computador.
Uma das formas de organizar os dados é a partir de arquivos de computador no formato tabular (tabelas).
Esses programas armazenam as informações sobre cada sequência em diferentes tabelas. Uma das tabelas
poderia ter o número de identificação e a descrição. Outra teria o número de identificação e os organismos dos
quais o número foi obtido. E assim são organizadas várias tabelas com informações diferentes sobre um
mesmo conjunto de sequências.
Cada informação ocupa uma posição (campo) específica na tabela, e ganha um índice, uma coordenada de
localização. Os campos de diferentes tabelas estão conectados entre si, relacionados, de modo que seja
possível identificar as conexões entre eles.
Os programas de computador, portanto, podem lidar com os dados de forma rápida e eficiente. Por meio deles
Sequências de
nucleotídeos e
aminoácidos
Coordenadas de
estrutura de
proteínas
Anotações sobre a
função biológica de
moléculas
você consegue, em segundos, acessar e visualizar todas as informações sobre determinada sequência que
estão armazenadas em diferentes tabelas. Pode ser usado como critério de busca qualquer um dos campos
relacionados a essa sequência, como seu número de identificação. Veja o exemplo a seguir.
Exemplo da organização de um banco de dados de forma tabular.
O primeiro banco de dados biológico foi criado por Margaret Dayhoff e por seus colaboradores. Ela é
considerada uma das criadoras da bioinformática. Dayhoff foi PhD em Química quântica pela Universidade de
Columbia, nos EUA, onde surgiu um dos primeiros laboratórios de computação do país. Combinando seus
conhecimentos em Química com as ferramentas computacionais disponíveis, ela liderou um projeto no qual
usava programas de computador para comparar sequências parciais de peptídeos e, assim, tentar montar
proteínas completas.
Após publicar as sequências de algumas proteínas e as suas relações, Margaret quis reunir todas as
sequências disponíveis a fim de que os pesquisadores pudessem ter acesso a esses dados mais facilmente.
Ela começou a vasculhar registros em papel e a conferir as sequências que outros colegas já haviam descrito,
contando com a ajuda de um computador para realizar essas verificações.
Após reunir a sequência de 65 proteínas em um computador, Dayhoff publicou a versão impressa desses
dados no Atlas of Protein Sequence and Structure (Atlas de sequência e estrutura de proteínas), em 1965, como
observado a seguir. Essa iniciativa deu início a uma revolução científica, que impulsionou a criação dos bancos
de dados biológicos Protein Data Bank e GenBank em 1971 e em 1982, respectivamente, muito utilizados até
os dias atuais e sobre os quais falaremos com detalhes mais adiante.
Registro da sequência de aminoácidos da proteína citocromo c, feita por Margaret Dayhoff em seu Atlas.
Classificação dos bancos de dados
Atualmente, existem muitos bancos de dados biológicos disponíveis e podemos diferenciá-los usando critérios
como:
Vamos falar sobre cada um deles?
Acesso
O acesso a um banco de dados on-line é a permissão de uso ou distribuição dos dados oferecida a qualquer
pessoa com internet. Quanto a essa caraterística, os bancos podem ser classificados como:
Disponibilidade de acesso
Conteúdo armazenado
Qualidade dos dados
Bancos de dados de acesso restrito limitam a capacidade do usuário de utilizar seus dados. Essas
restrições podem ocorrer por diferentes motivos. Dentre eles estão a natureza da instituição
responsável pelo banco (pública/privada) e a confidencialidade dos dados.
O Banco Nacional de Perfis Genéticos, criado em 2013 e coordenado pelo Ministério da Justiça e
Segurança Pública do Brasil, é um exemplo de banco de dados com acesso restrito. É uma importante
ferramentaque auxilia em investigações criminais, pois contém sequências de DNA relacionadas ao
cometimento de crimes violentos e de abuso sexual, coletadas diretamente de condenados ou a partir
de vestígios recuperados dos locais dos crimes. Em virtude de sua confidencialidade, apenas pessoas
autorizadas podem ter acesso aos dados disponíveis nesse banco.
Um dos princípios fundamentais da ciência é que os cientistas devem mostrar em detalhes os
resultados de suas pesquisas e como chegaram a eles. Essa premissa de compartilhar informações
permite o avanço mais rápido da ciência. Quanto mais dados disponíveis, maior será a chance de novas
descobertas serem feitas. Considerando isso, os bancos mais relevantes para nós e que serão
exemplificados ao longo desse estudo serão os bancos de dados biológicos de acesso livre, que não
impõe restrições quanto ao uso e à distribuição dos dados armazenados.
O GenBank, um banco de dados do NIH (National Institutes of Health), equivalente ao Ministério da
Saúde do Brasil, “se propõe a fornecer e incentivar o acesso dentro da comunidade científica às
informações mais atualizadas e abrangentes sobre a sequência de DNA” (GenBank, 2021). Dessa
forma, qualquer pessoa com acesso à internet pode ver as sequências disponíveis e analisá-las a partir
das ferramentas do portal (por exemplo, a ferramenta BLAST), além de ser possível fazer o download
das informações sobre as sequências pesquisadas.
Conteúdo
Considerando o conteúdo armazenado, os bancos de dados biológicos podem ser classificados como:
Acesso restrito 
Acesso livre 
Bancos primários 
Guardam dados brutos, que foram produzidos diretamente por experimentos em laboratório, na
bancada. Esses dados são depositados diretamente pelos cientistas, e são fruto do sequenciamento de
DNA ou de experimentos para identificar a estrutura 3D de moléculas biológicas.
Contêm dados originados de algum tipo de processamento de dados brutos. Esse processo pode ter
sido feito por programas de computador ou por profissionais especializados. Programas de
computador podem ser usados, por exemplo, para traduzir sequências de nucleotídeos em sequências
de aminoácidos, além de sugerir uma função para proteínas. Em outros casos, cientistas podem revisar
manualmente dados brutos, e indicar aqueles mais confiáveis. Bancos que armazenam os dados
produzidos por esses dois exemplos – programas de computador ou profissionais especializados –
são considerados secundários.
São aqueles focados em um determinado interesse de pesquisa. Imagine que um banco só armazene
dados biológicos relacionados ao vírus HIV. Pesquisadores que trabalham no desenvolvimento de
vacinas, na busca por tratamentos, no entendimento da relação do vírus com o sistema imune, dentre
outros muitos temas que envolvem o HIV, podem acessar esse banco para obter informações e gerar
conhecimento.
Qualidade
A qualidade dos dados biológicos varia entre os diferentes bancos. Aqueles classificados como:
São considerados não curado pois contêm dados brutos, não passaram por uma inspeção de
especialistas na área capazes de realizar a curadoria dos dados. “Pela etimologia, o termo curadoria, a
partir de sua origem no latim curare, significa cuidar, zelar, tratar” (BARDIN, 2010, p. 138).”
Bancos secundários 
Bancos de dados especializados 
Bancos primários (não curado) 
São considerados curados pois contêm dados que passaram por algum processo de curadoria, o que
agregou valor ao conteúdo disponibilizado. Alguns exemplos de “valores” agregados a dados primários
pela curadoria incluem:
descrição da função biológica, como o papel de uma determinada proteína na célula;
localização do dado em relação a um processo mais complexo, por exemplo, dizendo em qual via
metabólica uma determinada enzima participa;
exclusão de dados redundantes, aqueles que trazem exatamente o mesmo tipo de informação;
integração entre diferentes tipos de dados, disponibilizando sequência de nucleotídeos e de
aminoácidos correspondentes, por exemplo;
adição de informações obtidas a partir dos artigos em que os dados foram publicados e
descritos.
A curadoria dos dados biológicos pode ser feita apenas por meio de computador ou de interferência humana.
Existem programas de computador capazes de identificar o início e o fim de um gene dentro de uma longa
sequência de nucleotídeos.
Outros comparam a sequência do gene recém-encontrado com outras já conhecidas e sugerem uma função.
Porém, quando acontecem situações inesperadas para as quais o computador não foi treinado para lidar e
identificar, a curadoria feita por máquinas gera erros.
A curadoria computacional ainda não substitui aquela feita por profissionais especialistas. A mente humana é
a única capaz de ler artigos e de extrair os conhecimentos necessários; de inspecionar e corrigir erros e
inconsistências gerados automaticamente pelas ferramentas computacionais; de interagir com pesquisadores
e de ajudar no momento da submissão de dados ao banco, dentre muitas outras capacidades.
Bancos secundários e especializados (curado) 
Atenção
A diferença na qualidade dos dados presentes nos bancos é muito relevante, e a escolha do banco ideal
depende da aplicação que você pretende dar ao dado. Se você está padronizando um método ou testando uma
ideia, pode ser mais interessante uma pequena quantidade de dados confiáveis. Em situações em que você
deseja encontrar algum dado raro, ou em que é importante ter uma ideia geral, do todo, então bancos primários
que tenham passado por uma curadoria simples são mais indicados.
Você pode encontrar diferentes classificações dos bancos de dados biológicos em outras referências
bibliográficas, mas de forma geral elas vão sempre abordar os critérios que acabamos de ver: acesso,
conteúdo e qualidade dos dados. A seguir, discutiremos exemplos, a fim de que os conceitos apresentados até
aqui façam mais sentido para você.
Principais bancos de dados – funções e
utilização
Bancos de dados primários
Podemos dividir o conteúdo dos bancos biológicos brutos em dois tipos principais:
sequências de nucleotídeos;
estruturas tridimensionais.
Todos os exemplos de bancos dos quais falaremos agora passaram por uma curadoria mínima, feita apenas
por programas de computador de forma automatizada. Em todos eles o acesso aos dados é completamente
livre, o usuário pode ler as informações, baixar para seu próprio computador e analisá-la da melhor forma para
atender ao seu interesse específico.
Atenção
É importante lembrar que esses bancos são “alimentados” por pesquisadores do mundo todo. Os bancos em si
não se responsabilizam por avaliar situações de patentes, direitos autorais ou outros direitos de propriedade
intelectual dos dados que foram enviados. Portanto, no portal dos bancos você não vai encontrar comentários
ou permissão irrestrita com relação ao uso, à cópia ou à distribuição das informações que eles contêm.
Chegou a hora de dar nome aos bancos!
Os principais bancos de sequências de nucleotídeos com o perfil apresentado nessa seção são os bancos de
sequência mantidos pelo:
Esses bancos colaboram entre si e estão conectados, mesmo sendo administrados por organizações
diferentes. Juntos eles formam a Colaboração Internacional de Bancos de Dados de Sequências de
Nucleotídeos (International Nucleotide Sequence Database Collaboration, INSDC). Isso significa que se você
procurar por um determinado tipo de sequência no portal de qualquer um desses bancos terá acesso ao
mesmo conjunto de dados.
Para fazer sua pesquisa basta acessar um site de busca, como o Google, e digitar a sigla do banco de dados
(GenBank, NCBI, ENA e EMBL ou DDBJ). Um dos primeiros resultados já é o hiperlink que o direcionará para o
portal do banco. Uma das formas de encontrar a sequência de nucleotídeos que você deseja é por meio do
emprego de palavras-chave que estariam presentes na descrição daquela sequência.
NCBI (National Center for Biotechnology Information)
ENA (European NucleotideArchive) e EMBL (European
Molecular Biology Laboratory)
DDBJ (DNA Data Bank of Japan)
Exemplo
O GenBank armazena sequências primárias de nucleotídeos enviadas ao NCBI por pesquisadores do mundo
todo. Após passar pelo crivo de uma inspeção automática, feita somente por programas de computador, as
sequências recebem um número de acesso exclusivo e são liberadas. Para ter acesso a essas sequências
basta entrar na página inicial do banco de dados e digitar palavras, siglas ou outro tipo de texto que se
relacione ao seu tema de interesse. Em seguida basta selecionar a opção “procurar” (search), para que a
página com os resultados se abra.
Uma diferença importante entre os bancos de dados que compõe o INSDC é a forma como seus dados podem
ser armazenados. O formato de um arquivo indica as regras de como o dado armazenado deve ser “escrito”,
registrado. Em bancos de dados de sequências primárias, o formato FASTA está sempre disponível. Por outro
lado, existe a opção de o usuário obter o dado em outro formato, que seja específico de determinado banco.
Por exemplo, o GenBank é o nome dado a um tipo de formato de arquivo usado pelo NCBI (o mesmo nome de
um dos seus bancos de dados), e o EMBL é o nome do formato exclusivo da organização que possui a mesma
sigla (EMBL). A seguir, veremos os formatos disponíveis para a mesma sequência de nucleotídeos.
Formato EMBL
Formato FASTA
Formato GenBank
Vamos falar agora sobre dados brutos da estrutura tridimensional (3D) de moléculas biológicas. A estrutura
3D é o formato que uma molécula assume, depois que seus átomos estão interagindo entre si, de acordo com
propriedades físicas e químicas.
Esse tipo de dado primário é obtido a partir de técnicas como cristalografia de raio-X, espectroscopia por RMN
(Ressonância Magnética Nuclear) e microscopia eletrônica 3D. Podem passar por esse processo,
principalmente, moléculas de proteínas, além de DNA e RNA.
Estrutura 3D da proteína hemoglobina.
v
Atenção
O Banco de Dados de Proteínas, PDB (Protein Data Bank), é o banco primário que centraliza as informações
sobre estrutura 3D de moléculas biológicas. Ele é administrado pela Pesquisa Colaborativa para Bioinformática
(Estrutural Research Collaboratory for Structural Bioinformatics, RCSB). Para você ter uma ideia da “soberania”
de estruturas de proteínas no PDB, em agosto de 2021 existiam 158.145 submissões disponíveis de estruturas
proteicas, enquanto que para DNA e RNA eram 2.094 e 1.555 estruturas, respectivamente.
Conhecer a estrutura 3D de uma molécula biológica é importante para entender com o que ela pode interagir e
sua possível localização na célula. Essas características permitem compreender a sua função biológica.
A proteína hemoglobina, por exemplo, presente nas hemácias e responsável pelo transporte de oxigênio pelo
corpo, regula a ligação e liberação dessa molécula de acordo com mudanças na sua estrutura.
As informações estruturais também são muito úteis nas pesquisas sobre a evolução. Você pode estudar duas
proteínas que possuem uma história evolutiva em comum e não conseguir detectar esse “parentesco” pela
comparação das sequências primárias de aminoácidos. No entanto, a estrutura ainda irá preservar
semelhanças que comprovam a proximidade entre elas.
Para acessar os dados da estrutura 3D de moléculas biológicas, basta usar um portal de busca, como o
Google, e digitar “PDB RCSB”. Um dos primeiros hiperlinks o levará para o portal do banco de dados. Na página
inicial, você encontrará uma barra na parte superior, como mostrado na imagem a seguir, a qual você deverá
preencher usando algum termo de pesquisa relacionado ao seu interesse. Uma opção é usar o nome da
proteína, preferencialmente o termo em inglês.
Página inicial do PDB.
Por exemplo, você pode digitar collagen (colágeno) e em seguida clicar no símbolo da lupa. A página que se
abre contém hiperlinks que vão levar para a página de diferentes estruturas dessa proteína. Para cada estrutura
você tem acesso a informações como: hiperlink para o artigo onde foi publicada, detalhes sobre a metodologia
usada obter a estrutura, dentre outros. O principal dado é o arquivo com a localização de cada átomo relativo
aos demais na molécula: na parte superior existe a opção Download Files (Baixar Arquivos), ao clicar nela você
deve escolher o formato PDB (PDB Format), como mostra a figura a seguir:
Informações sobre a estrutura de um registro da proteína colágeno.
O nome do formato desse arquivo (PDB) é o mesmo nome do banco de dados. Dentre outras informações, nele
encontramos:
O nome da proteína
Veja a seguir um exemplo de arquivo em formato PDB das coordenadas atômicas.
Coordenadas atômicas de um arquivo no formato PDB.
O nome do autor que realizou a submissão
Os detalhes do experimento
A estrutura secundária
Os cofatores
As coordenadas dos átomos
Bancos de dados secundários
Quando começamos a falar sobre bancos de dados, diferenciamos dados, informação e conhecimento. A
função dos bancos secundários é justamente agregar informação aos dados presentes nos bancos primários e
assim gerar conhecimentos biológicos mais aprofundados.
A diferença entre os bancos secundários é o quanto os dados foram processados por programas de
computadores e se houve presença do olhar clínico de um especialista validando essas informações. As
organizações que mantêm esses bancos podem restringir algum tipo de informação processada, exigindo o
pagamento de uma licença para o acesso integral aos dados, por exemplo. Vamos estudar agora dois desses
bancos.
UniProtKB
O UniProtKB (UniProt Knowledgebase) é o principal banco de dados do consórcio Recurso Universal de
Proteínas (Universal Protein Resource). Esse banco armazena um amplo conjunto de sequências primárias de
proteínas e suas funções biológicas associadas. Ao acessá-lo e pesquisar sobre uma determinada proteína,
você terá acesso a sequências de aminoácidos dessa biomolécula e saberá qual é o seu papel na célula. O
UniProtKB é dividido em dois bancos menores:
TrEMBL
Contém dados da tradução (Tr) das proteínas obtidos automaticamente por programas de computador a
partir de sequências de nucleotídeos EMBL, além de sua provável função. Nenhum dos dados é revisado
por especialistas.
Swiss-Prot
Abrange dados sobre a sequência e função de proteínas obtidos a partir da literatura e produzidos por
computador, seguidos pela curadoria manual de especialistas.
Atenção
O UniProtKB é o principal banco usado quando os cientistas querem ter acesso a uma ampla coleção de
proteínas. Você pode fazer isso buscando pelo nome do banco em portais de busca e usar o hiperlink que o
levará até a página inicial.

Como mostrado a seguir, na página de entrada você encontra uma barra em que pode digitar termos para
realizar a busca por proteínas. Outra opção de busca é a ferramenta de alinhamento BLAST, caso você deseje
encontrar similaridade entre uma sequência de proteína de seu interesse com as proteínas armazenadas no
UniProtKB.
Página inicial do UniProt.
Caso você tenha optado pela busca textual e digitado, por exemplo, “collagen”, o resultado será uma tabela
com várias proteínas colágeno depositadas nesse banco, cada uma recebendo um código de identificação
próprio (Entry). As informações sobre proteínas armazenadas no Swiss-Prot são mais confiáveis, visto que
esse banco é revisado manualmente, mas se a busca for feita em todo o UniProtKB, aparecerá resultados tanto
do Swiss-Prot quanto do TrEMBL.
Resultado da busca por “collagen” no UniProtKB.
Ao clicar em um desses códigos de identificação, será aberta uma página com muitas informações sobre
aquela proteína, como:
função;
nomenclatura usada;
localização na célula;
associação com doenças;
modificações pós-traducionais pelas quais a proteína possa passar;
hiperlinks para estruturas 3D associadas.
KEGG
O último banco de dados que vamos abordar aqui será o KEGG (Kyoto Encyclopedia of Genes and Genomes).
Esse banco é bem completo, e apresentadiferentes tipos de dados, com o intuito de compreender a função e
a utilidade dos sistemas biológicos. Apesar da abrangência atual do KEGG, ele é mais conhecido como um
banco de vias metabólicas, pois esse foi o propósito da sua criação.
Página inicial do KEGG.
Os dados iniciais utilizados pelo KEGG são principalmente sequências genômicas, que depois passam por uma
série de análises realizadas por diferentes programas de computador e por profissionais especialistas. Todos
os dados produzidos são então organizados e disponibilizados. Veja, a seguir, alguns exemplos de coleções de
dados que podemos encontrar nesse banco:
Esquemas manualmente projetados para representar a interação entre moléculas, como, por exemplo,
vias metabólicas.
KEGG Pathway 
Esquema via metabólica da galactose disponível no KEGG Pathmay
Coleção de genes ortólogos, em que genes e proteínas experimentalmente caracterizados em
organismos específicos são usados para atribuir genes ortólogos em outros organismos com base na
similaridade de sequência. Genes ditos ortólogos são encontrados em espécies diferentes, mas
possuem uma história evolutiva em comum e tendem a compartilhar a mesma função.
Captura de tela do resultado da busca usando o termo “lactase” no KEGG Orthology.
Implementa um sistema oficial de identificação de enzimas chamado de Enzyme Commission number
(EC number), usado para identificar enzimas a partir de números relacionados às reações químicas das
quais elas participam.
KEGG Orthology 
KEGG Enzyme 
Captura de tela do resultado da busca usando o termo “lactase” no KEGG Enzyme.
Outros repositórios que podemos encontrar no KEGG tratam de dados como doenças, pequenas moléculas,
relações entre doenças, drogas, dentre outros.
Além de dados, no portal do KEGG estão implementadas ferramentas computacionais que permitem que o
usuário faça análises variadas. Você pode, por exemplo, usar o KEGG Mapper para observar onde uma proteína
que você esteja estudando se encontra dentro de alguma das vias metabólicas armazenadas no KEGG
Pathway.
Usando um site de busca, como o Google, você digita o termo “KEGG” e um dos primeiros hiperlinks o levará ao
portal desse banco de dados. Já na página inicial, é possível buscar por uma proteína de seu interesse por
meio de termos relacionadas a ela, como seu nome. Ao digitar “lactase” na barra da página inicial e clicar em
“Procurar” (Search), diferentes dados armazenados nas coleções do KEGG são mostrados. Para saber mais
sobre eles, basta clicar no número de identificação em azul, e uma próxima página com mais detalhes se abre.
Resultados associados ao registro da proteína “lactase” no KEGG.
Vamos falar agora de como associar os detalhes sobre a função de proteínas aos dados de sequências de
nucleotídeos obtidas por sequenciamento.
Anotação genômica
A anotação de genomas identifica regiões funcionais ou de relevância biológica, agregando informações ao
DNA sequenciado. Esse processo é realizado depois que a ordem dos nucleotídeos a partir do sequenciamento
total do DNA de um organismo já foi determinada.
As características biológicas que podem ser identificadas em um genoma pelo processo de anotação são
principalmente genes, mas também é possível encontrar as regiões regulatórias, a origem de replicação do
DNA, os promotores, dentre outras estruturas.
Imagine a anotação do genoma como a leitura de um texto em um idioma que você não conhece. A cada
palavra você vai precisar usar um dicionário para descobrir seu significado em português. Feito isso, é provável
que você faça pequenas anotações sobre os significados em um papel durante a leitura. Da próxima vez que
você ou qualquer outra pessoa utilizar esse papel para a leitura do texto, vai compreendê-lo sem precisar
refazer as traduções. A anotação genômica pode ser dividida em duas etapas:

Predição gênica
É a etapa na qual se busca onde estão os genes ao longo da sequência do DNA total.

Anotação funcional
Visa descrever a função biológica da proteína codificada por aquele determinado gene.
No exemplo do texto em outro idioma você já sabia o início e o fim de cada palavra, pois existia um espaço
entre elas. O genoma sequenciado é como um “texto corrido”, sem espaço entre as bases nitrogenadas. Por
isso, é necessária a etapa de predição de genes, antes de entender o que eles “significam” para o organismo
estudado.
Predição gênica
Prever um gene é encontrar as bases nitrogenadas que marcam o início o fim dessa região do DNA. É
importante recordarmos que a sequência de bases nitrogenadas de um gene guarda informações para:
Neste conteúdo, discutiremos como podemos predizer genes que determinam a sequência de aminoácidos em
uma proteína (genes para RNAs mensageiros), também chamados de sequências codificadoras de proteínas
(CDS, CoDing Sequence).
Existem diferentes programas de computador usados para a predição de genes ao longo de uma sequência de
DNA. As estratégias usadas por essas ferramentas são variadas, e iremos apresentar alguns exemplos.
A forma mais intuitiva de encontrar um gene codificador de proteína é localizar os códons de início e de
parada. Se você estudou a tradução de proteínas deve ter visto sobre o código genético: conjunto de códons de
três bases nitrogenadas correspondentes a aminoácidos específicos. Dentre esses códons existem dois tipos
especiais:
Códon de início
É sempre o primeiro códon a ser traduzido.
Códons de parada (stop)
Determinam o fim do processo de tradução.
RNAs mensageiros RNAs
transportadores
RNAs ribossômicos

Tabela do código genético com as bases nitrogenadas do DNA.
Sabendo disso, os programadores desenvolveram ferramentas que encontram seguimentos de DNA que
comecem com o códon de início (ATG) e terminem com algum dos códons de parada (TAA, TAG ou ATA).
Esses segmentos são prováveis genes, também chamados de “fase de leitura aberta” (Open Reading Frame,
ORF). O critério de escolha caso as ORFs estejam sobrepostas é sempre pela mais longa.
Genoma total do vírus SARS-CoV-2. As barras marrons representam os genes preditos (ORFs).
O código genético é universal, portanto, programas para predição gênica de procariotos e eucariotos podem
usar o “sinal” dos códons de início e de parada. Por outro lado, esses dois grupos de seres vivos possuem
diferenças quanto à organização de seus genes no genoma, então “sinais” específicos para cada grupo são
adotados durante a predição.
Exemplo
São as sequências no DNA que serão transcritas e usadas para adesão dos ribossomos ao RNA mensageiro.
Em procariotos, essa sequência é chamada de sequência de Shine-Dalgarno ou RBS (Ribosome Binding Site), e
costuma incluir a sequência AGGAGGT (DNA). Já em eucariotos os ribossomos se ligam em regiões
chamadas de sequência de Kozak, o que inclui a sequência CCGCCATGG (DNA).
Muitas outras diferenças podem ser destacadas comparando a organização genética entre esses grupos,
como:
a transcrição de genes diferentes em um único RNA mensageiro nos procariotos (RNAm policistrônico);
a presença de íntrons e ocorrência de splicing nos eucariotos;
a diferença na densidade de genes ao longo do DNA (os genes estão mais “espaçados” nos eucariotos).
Por isso, existem programas de computador que são específicos para predição de procariotos ou de
eucariotos. Nas figuras a seguir, vemos as diferenças entre a organização gênica de:
Organização gênica de procariotos
Organização gênica de eucariotos
Anotação funcional
O processo de anotação funcional consiste na atribuição de função aos genes codificadores de proteínas.
Após identificar os possíveis genes e suas respectivas sequências proteicas, a estratégia adotada para
anotação funcional é a comparação com as sequências disponíveis em bancos de dados biológicos.
Atenção
Bancos de sequências costumam implementar em seus portais ferramentas de alinhamento, como o BLAST, e
isso permite que o usuário possa buscar dados usando sequências biológicas como “pergunta”. A sequência
perguntaserá, então, comparada às sequências conhecidas e confiáveis de um banco de dados.
Voltando para a analogia de comparar a anotação funcional à busca pelo significado de uma palavra
desconhecida, você só vai realmente saber o que a palavra significa se encontrar no dicionário exatamente a
mesma palavra, comparando letra por letra.
A etapa de anotação funcional pode confirmar os resultados da predição gênica. Caso você encontre no banco
de dados uma sequência de referência bastante similar à sua sequência de interesse, é possível descrever a
função do seu gene com base na função descrita para a referência.
Você se lembra dos bancos de dados
secundários que discutimos agora há
pouco?
Relembrando
Eles são muito usados na etapa de anotação funcional. Você pode reproduzir os dados curados presentes no
UniProtKB/Swiss-Prot e no KEGG para descrever a função dos genes que você está estudando. Além da função
biológica, informações como vias metabólicas e localização subcelular das proteínas codificadas fornecem
uma visão geral das características bioquímicas do genoma, que podem estar relacionadas aos caracteres
detectáveis de uma espécie.
Suponha que você está estudando um organismo com genoma recém-sequenciado. A partir do alinhamento de
sequência no UniProtKB/Swiss-Prot, a tradução de um dos seus genes é 99% idêntica à uma proteína com a
função de "transferência fotossintética de elétrons C". No KEGG, é possível observar que essa função está
inserida no metabolismo da fotossíntese, e assim você pode sugerir que seu organismo de interesse é
autotrófico, isto é, capaz de transformar gás carbônico em glicose e oxigênio.
Atenção
Um critério comumente adotado para que possa ocorrer a “cópia” da função da proteína do banco de dados
para a sua proteína de interesse é o valor de similaridade igual ou maior que 70%. É possível que ao realizar a
busca por sequências similares você não encontre nenhum resultado aceitável segundo esse critério. Se isso
acontecer, você irá anotar sua proteína como hipotética ou predita.
Uma proteína hipotética é aquela cuja respectiva sequência tem todas as características de uma região
codificadora, detectada na etapa de predição gênica. Porém, nenhuma referência suficientemente similar foi
encontrada no banco de dados durante a anotação funcional. Nesse caso, a segunda etapa da anotação
genômica não confirma o que foi encontrado na primeira.
Observe o fluxo de informação a seguir.
Fluxo de ideias da anotação genômica.
As informações obtidas durante a anotação funcional podem ser guardadas em arquivos com formatos
específicos. Um exemplo de arquivo que contém informações da anotação genômica é o GenBank (mesmo
nome do banco de dados presente no NCBI), como observado na imagem a seguir. No arquivo GenBank
encontramos as coordenadas de cada uma das características anotadas ao longo da sequência de DNA.
Parte de um arquivo no formato GenBank, gerado pela plataforma NCBI.
Exemplo
Ao observar um arquivo anotado de um plasmídeo bacteriano, você pode encontrar que entre as bases
nitrogenadas 2.652 e 3.532 está presente o gene kpc. Sobre esse gene também podem estar registradas
informações como o seu produto ou proteína correspondente (no caso, a enzima KPC que destrói antibióticos),
o código de acesso para o registro da proteína em outro banco de dados e a sequência traduzida de
aminoácidos.
Anotação genômica utilizando bancos de
dados biológicos
Neste vídeo, a especialista Melise Chaves Silveira mostra as etapas de anotação genômica, utilizando bancos
secundários na etapa de anotação funcional.
Vem que te explico!
Os vídeos a seguir abordam os assuntos mais relevantes do conteúdo que você acabou de estudar.
Módulo 1 - Vem que eu te explico!
Banco de dados
Módulo 1 - Vem que eu te explico!
Classi�cação dos Bancos de dados


Módulo 1 - Vem que eu te explico!
Principais bancos de dados - funções e utilização
Falta pouco para atingir seus objetivos.
Vamos praticar alguns conceitos?
Questão 1
Biólogos estruturais usam métodos como cristalografia de raios-X, espectroscopia de ressonância magnética
nuclear e microscopia crioeletrônica para determinar a localização de cada átomo em relação aos outros na
molécula de proteína. Em seguida, eles depositam esses dados brutos em forma de arquivo com as
coordenadas dos átomos em um banco de dados biológico. Um banco de dados biológico que armazena a
informação descrita no enunciado é classificado como:
A Curado.
B Especializado.
C De acesso restrito.
D Secundário.
E Primário.
Parabéns! A alternativa E está correta.
Bancos de dados primários armazenam dados brutos originados de experimentos na bancada, que é
a situação descrita no enunciado. Os dados de um banco curado devem passar pelo crivo de
especialistas. Bancos especializados tratam de um interesse de pesquisa em particular. Acesso
restrito é o caso de bancos que exigem pagamento para acesso. Já o banco secundário é construído
a partir de análises dos dados primários.
Questão 2
Para compreender a complexidade de um organismo podemos usar técnicas de biologia molecular aliadas a
ferramentas de bioinformática. Sobre essa abordagem, escolha a sequência que representa a ordem correta
das etapas que devem ser realizadas do início ao final do processo.
A Extração do DNA -> sequenciamento genômico -> predição gênica -> anotação funcional.
B Sequenciamento genômico -> predição gênica -> anotação funcional -> extração do DNA.
C Extração do DNA -> predição gênica -> sequenciamento genômico -> anotação funcional.
D Predição gênica -> extração do DNA -> anotação funcional -> sequenciamento genômico.
E Extração do DNA -> sequenciamento genômico -> anotação funcional -> predição gênica.
Parabéns! A alternativa A está correta.
2 - Conceitos e aplicações das ciências ômicas
Ao �nal deste módulo, você será capaz de reconhecer os conceitos e aplicações das ciências
ômicas.
Introdução às ciências ômicas
A matéria-prima do trabalho da bioinformática são os dados biológicos. Em relação a esses dados, os esforços
dos profissionais especializados nessa área são voltados para:
Primeiro é necessário extrair e purificar o DNA do restante dos componentes celulares, e só então
usá-lo como matéria-prima para o sequenciamento. Determinada a ordem de nucleotídeos pelo
sequenciamento, primeiro as regiões de genes são identificadas e depois é atribuída uma função
para esse gene.

Um grande avanço da bioinformática aconteceu durante a execução do Projeto Genoma Humano, que durou
mais de 10 anos e teve como objetivo principal determinar a ordem dos nucleotídeos de todo genoma da
nossa espécie. Essa empreitada científica estimulou o aprimoramento de computadores e de programas para
lidar com a grande quantidade de dados que começou a ser gerada.
Ter acesso às sequências de nucleotídeos de todo o DNA de um organismo é fantástico, e estudá-las trouxe
respostas para questões importantes. Hoje conhecemos a “cartilha” que as células seguem para gerar todas as
Organizar
Armazenar
Analisar
Visualizar
Interpretar
características de um indivíduo. No entanto, essa “cartilha” deixa no ar perguntas que surgiram a partir dos
estudos do genoma.
Resposta
A resposta para essas perguntas está nas outras moléculas biológicas presentes na célula, como RNAs,
proteínas e metabólitos. Hoje vivemos o que é chamado de “era pós-genômica”, com o desenvolvimento e o
aperfeiçoamento de técnicas e de programas que nos permitem estudar outras ciências ômicas.
Principais conceitos das ciências ômicas
O termo “ômica” se refere à análise global de um determinado tipo de informação biológica. Veja a seguir
alguns exemplos de ciências ômicas:
Genômica
Chamamos de genômica a análise completa de todo o DNA de um organismo, também chamado de
genoma. Essa mesma lógica segue para os demais tipos de informação, e daí surgiram termos como
transcriptômica, proteômica e metabolômica.
Transcriptômica
Após compreender que o DNA guarda todas as informaçõeshereditárias de um organismo, é importante
lembrar que a expressão dessa informação é regulada pelas condições do meio onde a célula está inserida.
O produto da expressão dos genes no DNA são os transcritos, moléculas de RNAs. A transcriptômica tem
como alvo o conjunto de RNAs produzidos por uma célula sob determinadas condições. Na prática, o RNA
mensageiro é o tipo de RNA mais estudado aqui.
O que diferencia a
célula da pele e o
neurônio de um
mesmo indivíduo se a
sequência do DNA é
igual?
Como o homem e o
chimpanzé são
fenotipicamente tão
distintos se 99% de
seu DNA são
idênticos?
Por que gêmeos
univitelinos,
formados a partir do
mesmo zigoto,
manifestam
características
físicas diferentes?
Proteômica
Quando desejamos uma abordagem mais direta para compreender as funções celulares é indicado estudar o
conjunto de proteínas. São elas que efetivamente “trabalham duro” na célula, realizando transporte de
moléculas, catalisando reações químicas, recebendo mensagens, formando estruturas e desempenhando
muitas outras funções. A proteômica é o estudo do conjunto de proteínas produzidos por uma célula num
dado momento.
Metabolômica
Os produtos intermediários ou finais das reações químicas que acontecem numa célula são chamados de
metabólitos. Em geral, quando falamos do metaboloma, estamos nos referindo a moléculas pequenas, de
baixa massa molecular, como aminoácidos, nucleotídeos, ácidos biliares, ácidos graxos e hormônios. O
termo metabolômica abrange o estudo dos metabólitos de uma célula sob determinadas perturbações.
Veja na imagem a seguir a relação entre as ciências.
Relação entre as ciências ômicas.
Novas áreas ômicas surgem a todo momento, com o aumento da especificidade dos estudos biomédicos. Já
existe, por exemplo:
Farmacogenômica
Com objetivo de determinar alterações genéticas responsáveis pela resposta dos pacientes a medicamentos.
Lipidômica
Avalia o perfil de lipídeos da célula.
Toxicogenômica
Estuda a resposta do organismo a determinadas substâncias.
Técnicas utilizadas
Os dados brutos processados pelos programas de computador são obtidos a partir de técnicas experimentais.
Cada área ômica foca em um tipo de dado. Portanto, as técnicas usadas não serão as mesmas. Veja as
abordagens mais utilizadas em cada área.
Dados genômicos são obtidos a partir do sequenciamento de DNA. A primeira técnica amplamente utilizada
para esse propósito foi o sequenciamento de Sanger. Essa estratégia permite que regiões do DNA, em torno de
1.000 pares de bases, sejam sequenciadas. É possível sequenciar o genoma total de um organismo a partir do
sequenciamento de Sanger, porém o processo é muito trabalhoso e envolve outras técnicas, como clonagem
usando plasmídeos bacterianos.
Método de sequenciamento de Sanger.
A genômica evoluiu muito mais rápido com o surgimento dos sequenciadores de nova geração. Esses
aparelhos permitem fazer a leitura da ordem dos nucleotídeos de vários fragmentos de DNA ao mesmo tempo.
No final do processo, o resultado é um arquivo com todas as leituras da sua amostra. Existem diferentes
tecnologias de sequenciamento de nova geração, que buscam a precisão dos resultados e o barateamento do
custo total.
Exemplo
Imagine uma versão gratuita e outra paga de um aplicativo que faça tradução de textos. Na versão gratuita,
você só pode traduzir uma página por dia, mas na paga você pode colocar o livro inteiro de uma vez e ele vai
devolver todas as páginas traduzidas em um único dia. Nessa analogia, o sequenciamento de Sanger seria a
versão gratuita, e os sequenciadores de nova geração, a versão paga.
Para estudar o conjunto de transcritos de uma célula podemos usar as mesmas técnicas de sequenciamento
de DNA. No entanto, é necessário um passo muito importante antes de iniciar o sequenciamento: transformar
as moléculas de RNA em seu DNA complementar (cDNA).
Como esse procedimento de transformar
as moléculas de RNA em seu DNA
complementar seria realizado?
Esse procedimento é realizado usando-se uma enzima bem famosa na biologia molecular, a transcriptase
reversa. Essa enzima é capaz de realizar a transcrição ao avesso, usando moldes de RNA para produzir seu
DNA correspondente. Isso é feito a partir da complementaridade das bases nitrogenadas, ou seja, se a ordem
de nucleotídeos do RNA é AUGA, o seu DNA complementar será TACT. Além do sequenciamento, outra técnica
que permite estudar o RNA é o microarranjo. Nessa técnica continua sendo necessário sintetizar os cDNA, pois
o RNA é uma molécula muito frágil e instável.
A ideia geral do microarranjo é usar uma lâmina de vidro com pequenos segmentos de DNA aderidos,
chamados de sondas. Também é necessário que os cDNAs da amostra a ser estudada estejam marcados com
corantes fluorescentes. O profissional que estiver “montando” a lâmina deverá saber exatamente a sequência
das sondas de DNAs, que vão funcionar como um “ímã”, atraindo sequências de cDNA correspondentes. Por
exemplo, se uma sonda tem a sequência TGAG, o cDNA que se ligará a ela será ACTC. No final, um aparelho
detecta as posições fluorescentes da lâmina, e o profissional descobre para quais sondas os cDNA foram
complementares. Veja a seguir o esquema da análise de microarranjo.
Esquema da análise de microarranjo.
Até aqui estávamos falando da análise de ácidos nucleicos: DNA e RNA. Para estudar o proteoma, precisamos
de outra abordagem, uma vez que ácidos nucleicos são constituídos de nucleotídeos, enquanto proteínas são
formadas pela união de aminoácidos.
A primeira técnica que vamos comentar é a eletroforese bidimensional em gel de poliacrilamida (2D-PAGE).
Nessa abordagem, as proteínas purificadas a partir de uma amostra são separadas de acordo com duas
propriedades químicas:
Potencial isoelétrico
Massa molecular
Comentário
Por isso, o gel é bidimensional, pois o movimento das proteínas é estimulado em duas direções.
Milhares de proteínas podem ser separadas simultaneamente por essa técnica. Isso é possível, pois ― desde
que as proteínas tenham potenciais isoelétricos e/ou tamanhos diferentes ― elas estarão localizadas em
posições diferentes do gel no final do experimento.
A foto final do gel pode ser analisada por programas de computador, que são capazes de detectar a “mancha”
de cada proteína, quantificá-la de acordo com suas dimensões, além de comparar diferentes géis e armazená-
los em bancos de dados de 2D-PAGE. Dessa forma, é possível, por exemplo, identificar alterações na produção
de proteínas entre duas ou mais condições experimentais diferentes.
Atenção
Se nessa comparação alguma “mancha” específica chamar sua atenção, podendo ser uma proteína-chave para
sua pesquisa proteômica, você pode caracterizá-la com mais detalhes. É possível cortar essa “mancha” no gel
e depois digeri-la com uma enzima específica, que quebra a proteína em pedaços menores.
A mistura de peptídeos (pequenas sequências de aminoácidos) pode ser analisada por Espectrometria de
Massas (MS), como mostrado na imagem a seguir. Ela é utilizada para obter a massa molecular dos peptídeos
gerados pela digestão enzimática.
Esquema da Espectrometria de Massas.
Resumindo
Primeiro os fragmentos proteicos são carregados com íons positivos, e depois são “empurrados” para um tubo
com campo magnético. Peptídeos menores sofrem maiores desvios se comparados aos maiores, e assim
pode ser determinada a massa de cada um. Os valores obtidos podem, então, ser comparados em um banco
de dados específico para essa técnica, e assim determinar qual é a sua proteína de interesse.
Existem muito mais bancos de dados biológicos do que você imagina! Falando resumidamente de proteômica
citamos dois tipos. A comparação do resultado final do 2D-PAGE e da MS contra registros em bancos de dados
exemplifica como a bioinformática está inserida nas análises proteômicas.
A diversidade química dos metabólitos é milhares de vezes maior que a de DNAs, RNAs ou proteínas. Ácidos
nucleicos são formados apenas por nucleotídeos, e proteínas são sequênciasde aminoácidos. Quando
estamos falando de metabólitos, o estudo se torna mais desafiador.
A complexidade dos metabólitos produzidos por uma célula sob determinada condição é muito grande, uma
vez que eles possuem uma grande diversidade química e estão em concentrações diferentes. O preparo da
amostra depende do seu tipo e de que técnicas serão usadas para análise.
As amostras podem ter consistência diferentes (sólida, semissólida ou líquida); é possível realizar uma análise
global ou focada em um grupo específico de metabólitos (só lipídeos, por exemplo); e as técnicas utilizadas
podem ser, principalmente, variações da espectrometria de massas e ressonância magnética nuclear.
Análises metabolômicas geram grande quantidade e complexidade de dados. Variadas ferramentas
computacionais e estatísticas são necessárias para produzir informação e conhecimento nesse campo. Nosso
próximo passo agora será discutir que tipo de resultado todo esse trabalho de análises ômicas pode gerar.
Técnicas aplicadas nas ciências ômicas
Neste vídeo, a especialista Melise Chaves Silveira revisa os conceitos das principais técnicas usadas parar
gerar dados ômicos.
Aplicações das ciências ômicas
Veja quatro exemplos reais de contribuição efetiva das ciências ômicas.
Caso 1
O primeiro deles é o caso dos gêmeos Noah e Alexis Beery. Com 13 anos de idade Alexis Beery desenvolveu
um problema respiratório muito preocupante. Ela tossia tão forte que chegava a vomitar, e era necessário
administrar adrenalina para que ela conseguisse continuar respirando.

Quando tinham 5 anos, os gêmeos foram diagnosticados com um distúrbio genético chamado “distonia
responsiva à dopamina”, que causava movimentos anormais como dificuldade de andar e tremor postural que
varia durante o dia. Eles tomavam precursores de dopamina e reagiam bem ao tratamento, por isso quando
Alexis manifestou os problemas respiratórios os médicos não suspeitaram que poderia ter alguma relação. O
pai dos gêmeos trabalhava em uma empresa de tecnologia naquele período, por volta de 2011. Com os
conhecimentos prévios que a família tinha, eles insistiram para que o genoma total dos filhos fosse
sequenciado.
Foi a partir dos resultados do sequenciamento total, usando um sequenciador de nova geração, que uma
mutação específica no gene SPR foi identificada. Esse gene codifica a enzima sepiapterina redutase, uma
enzima que participa na biossíntese de um cofator importante para atividade da enzima que sintetiza os
neurotransmissores dopamina e serotonina. A mutação no gene impede a produção desses
neurotransmissores e leva ao desenvolvimento da doença. Assim, como eles já tomavam o precursor da
dopamina, após esse resultado os médicos administraram o precursor da serotonina. Um mês após o início do
tratamento os sintomas respiratórios de Alexis desapareceram!
Além da detecção de mutações associadas a doenças genéticas raras, as análises genômicas possibilitam
determinar marcadores genéticos que diferenciem indivíduos ou populações, descobrir genes exclusivos de
determinadas espécies, sugerir relações de ancestralidade entre genes, dentre outras importantes
contribuições.
Caso 2
Relembrando
As análises transcriptômicas dizem respeito ao estado da célula em um determinado momento, sob certas
condições. Isso é possível devido ao fato de muitos genes terem sua expressão controlada. A célula possui
mecanismos para “ligar” ou “desligar” os genes: quando estão ligados, RNAs são transcritos a partir deles,
mas, quando desligados, não ocorre produção dos RNAs correspondentes.
A maior parte das mortes entre pacientes que desenvolvem câncer de mama ocorre devido à metástase, sendo
os pulmões um dos principais sítios desse processo. Cientes disso, pesquisadores da Universidade de Tel Aviv,
em Israel, começaram a buscar por moléculas biológicas que pudessem indicar muito precocemente a
metástase do câncer de mama no tecido pulmonar, para que ela pudesse ser evitada.
A estratégia usada foi o estudo do transcriptoma. As células alvo-foram os fibroblastos do pulmão de
camundongos, e as amostras foram divididas em grupos:
fibroblastos de camundongos saudáveis;
fibroblastos de camundongos com micrometástase;
fibroblastos com grandes metástases.
Micrometástase
Pequeno conjunto de células do tumor que se espalham pelo organismo.
Camundongos de laboratório.
O conjunto de todo RNAm dessas células foi obtido, transformado em cDNA e em seguida sequenciado por
tecnologias de nova geração. As análises comparativas do transcriptoma de cada grupo de fibroblastos
identificaram Myc como um regulador central da reconfiguração de fibroblastos em situação de metástase.
Descobriu-se que o aumento da transcrição desse gene está associado ao avanço da doença.
Resumindo
Os resultados dessa pesquisa foram divulgados em 2021, e os pesquisadores esperam usar suas descobertas
para auxiliar no diagnóstico do processo metastático de câncer de mama humano, antes mesmo que as
células metastáticas se estabeleçam nos órgãos-alvo. Com a detecção precoce, medidas profiláticas poderiam
ser tomadas a tempo de evitar a metástase. Torcemos para que essa descoberta possa em breve salvar a vida
de milhares de pessoas no mundo todo, não é mesmo?
Caso 3
O estudo da proteômica contribui ainda mais para entendermos o estado da célula. Transcriptoma e proteoma
não são redundantes, mas oferecem tipos diferentes de informações. Os RNAs podem ser editados por
splicing alternativo e, por modificações pós-transcricionais, as proteínas também podem sofrer modificações
logo após serem traduzidas, além da possibilidade de interagirem com outras proteínas. Só com o RNA não é
possível prever as proteínas que serão produzidas pela célula. Portanto, é preciso detectar diretamente o
proteoma.
Um estudo do conjunto de proteínas presentes no sangue de pacientes com Covid-19 verificou que a proteína
OAS1 está presente em grandes quantidades em pacientes com a forma mais branda da doença. Os
pesquisadores do Canadá que desenvolveram essa pesquisa e a publicaram em 2021 sugerem que essa
proteína tenha um efeito protetor contra a doença.
A partir dos resultados dessa análise proteômica, os cientistas propõem que drogas que impulsionem a
produção de OAS1 devem ser testadas como tratamento da Covid-19. Já existem moléculas em fase de testes
clínicos que aumentam os níveis de uma proteína bem parecida, a OAS151. Essas moléculas poderiam ser
otimizadas, por exemplo.
Atenção
A vacinação é muitíssimo importante como medida preventiva, mas a busca por formas de tratamento de
pacientes já doentes também é essencial para diminuir ainda mais a mortalidade dessa doença pelo mundo.
Estudos proteômicos tornam possível responder perguntas sobre “como, onde, quando e por que” proteínas
são produzidas. São análises amplas, envolvendo a identificação e quantificação das proteínas, a sua
localização celular e a determinação de modificações, interações e funções.
Caso 4
A metabolômica, área ômica que estuda todo conjunto de metabólitos produzidos pelas células, permitiu
constatar que exercícios físicos aeróbicos podem prevenir o aparecimento da doença de Alzheimer em adultos
de meia-idade.
Pesquisadores dos EUA, em trabalho publicado em 2021, usaram amostras de sangue de adultos sem
sintomas de Alzheimer, mas com risco familiar e genético. Os voluntários realizaram 26 semanas de exercício
supervisionado, divididos em dois grupos: atividade física usual e atividade física intensificada.
Comparando as amostras de sangue antes e ao final do período de atividades, os níveis do biomarcador de
memória catepsina mioquina B (CTSB) aumentaram no grupo de voluntários sob atividade intensa. Além disso,
analisando a função cognitiva desses voluntários, o aumento de CTSB estava associado ao aumento dessa
habilidade.
Saiba mais
Outro resultado importante foi que o exercício físico alterou positivamente metabólitos lipídicos associados a
doença de Alzheimer, o que pode oferecer um efeitoprotetor aos neurônios. Esse estudo mostra como a
metabolômica pode auxiliar na identificação de moléculas que ajudem a acompanhar o estado de saúde dos
indivíduos. Essa área ômica é uma ferramenta fundamental no diagnóstico, prognóstico e tratamento de
doenças e na compreensão de outras condições específicas do organismo.
Vem que te explico!

Os vídeos a seguir abordam os assuntos mais relevantes do conteúdo que você acabou de estudar.
Módulo 2 - Vem que eu te explico!
Ciências ômicas
Módulo 2 - Vem que eu te explico!
Qual a contribuição efetiva para as ciências ômicas?
Falta pouco para atingir seus objetivos.
Vamos praticar alguns conceitos?
Questão 1
Estudar em larga escala um conjunto de moléculas com o objetivo de entender mecanismos celulares é uma
estratégia muito usada atualmente na pesquisa. Nesse contexto, diferencie um estudo genômico de um estudo
metabolômico quanto ao tipo de molécula estudada.
A A genômica estudo todo conteúdo de DNA, enquanto a metabolômica abrange o estudo de
metabólitos.
B
Estudo genômico é aquele que analisa todos os RNAs, já a metabolômica aborda os
metabólitos.
C
O genoma, ou seja, todo conteúdo de DNA, é o alvo da genômica. Enquanto isso, a
metabolômica tem como alvo os RNAs.
D
O conjunto de DNAs é estudado pela genômica, e os conjuntos de proteínas são alvo da
metabolômica.
E
Todo conjunto de RNAs e DNAs são o alvo da genômica, por outro lado, metabólitos e
proteínas totais são o objeto de estudo da metabolômica.
Parabéns! A alternativa A está correta.
As ciências ômicas estudam todo o conjunto de determinado tipo de moléculas produzido pelas
células. O nome dado a cada uma dessas áreas é atribuído de acordo com o tipo de molécula
estudada, por isso: a genômica estuda todo o DNA de uma célula; a transcriptômica, os transcritos
(RNAs); a proteômica, as proteínas; e a metabolômica, os metabólitos.
Questão 2
A transcriptômica é o estudo do conjunto completo de transcrito de um dado organismo, órgão, tecido ou
linhagem celular. Podemos saber a sequência de todo conjunto de RNAs extraído de um determinado tecido
utilizando qual das técnicas seguintes?
A Eletroforese bidimensional em gel de poliacrilamida.
B Espectrometria de massas.
Considerações finais
Os dados biológicos são o início de todo conhecimento científico. É preciso gerar dados a partir de
experimentos científicos e depois organizá-los, analisá-los e processá-los. Vimos como os bancos permitem o
acesso a todo esse trabalho, e que é preciso entender o propósito de cada um, para usá-lo da melhor forma.
Por exemplo, após identificar os genes em um genoma, na etapa seguinte de anotação funcional é importante
escolher um banco secundário, cujos dados sejam curados por especialistas, o que trará mais qualidade ao
nosso trabalho.
Além disso, conseguimos perceber que a ciência nunca para e que novas formas de gerar cada vez mais dados
surgem a todo momento. Conhecer as ciências ômicas abre nossos olhos para o presente e para o futuro, e
desperta a vontade de poder participar de toda essa evolução do conhecimento que traz muitos benefícios
para a vida de todos.
C Ressonância magnética nuclear.
D Microarranjo.
E Cristalografia de raio-X.
Parabéns! A alternativa D está correta.
O microarranjo é a técnica de escolha para saber a sequência de todo conjunto de RNAs extraído de
um determinado tecido. As demais técnicas são usadas para o estudo de outras moléculas
biológicas: cristalografia de raio-X para estrutura de proteínas, espectrometria de massas e
eletroforese bidimensional em gel de poliacrilamida para proteômica, e ressonância magnética
nuclear para metabolômica ou estrutura de proteínas.

Podcast
Neste podcast, a especialista Melise Chaves Silveira trás exemplos reais de novas áreas ômicas e suas
contribuições.

Referências
BARDIN, L. Análise de conteúdo. Ed. Revista e Atualizada. Lisboa: Edições 70, 2010.
BRASIL. Banco Nacional de Perfis Genéticos atinge a marca de 100 mil perfis cadastrados. 2021. Consultado
na internet em: 27 ago. 2021.
CANUTO, G., et al. Metabolômica: definições, estado-da-arte e aplicações representativas. 2018. Quím. Nova.
Consultado na internet em: 20 set. 2021.
DAYHOFF, M.O et al. Atlas of protein sequence and structure. 1972. The National Biomedical Research
Foundation. Consultado na internet em: 18 ago. 2021.
GAITÁN J.M., et al. Effects of Aerobic Exercise Training on Systemic Biomarkers and Cognition in Late Middle-
Aged Adults at Risk for Alzheimer’s Disease. 2021. Front. Endocrinol. Consultado na internet em: 20 ago. 2021.
GENBANK. GenBank Overview: what is genbank? Consultado na internet em: 20 ago. 2021.
HAYDEN, E. C. Genome study solves twins' mystery condition. 2011. Nature. Consultado na internet em: 20 set.
2021.
McNEILL L. How Margaret Dayhoff Brought Modern Computing to Biology. 2019. Consultado na internet em:
20 set. 2021.
MOUNT, D.W. Bioinformatics: sequence and genome analysis. Huntington: Cold Spring Harbor Laboratory
Press, 2004.
SHANI, O, et al. Evolution of fibroblasts in the lung metastatic microenvironment is driven by stage-specific
transcriptional plasticity. eLife. 2021. jun. 25. Consultado na internet em: 20 set. 2021.
SIRUI, Z., et al. A Neanderthal OAS1 isoform protects individuals of European ancestry against COVID-19
susceptibility and severity. Nature Medicine. 2021. v. 27, pages 659-667. Consultado na internet em: 20 set.
2021.
SILVA, S.A.; NOTARI, D.L.; DALL’ALBA, G. Bioinformática: contexto computacional e aplicações. Caxias do Sul:
Educs. 2020.
XIONG J. Essential Bioinformatics. 1. ed. Cambridge: Cambridge University Press, 2006.
Explore +
Saiba mais sobre busca em bancos de dados assistindo ao vídeo Aula 4 - Coletando biodados públicos, no
canal DataSciBR, YouTube.
Convidamos você a fazer um teste usando seu computador ou smartphone e ver quanta coisa é possível saber
sobre uma proteína acessando o UniProtKB. Além disso, não deixe de visitar os outros bancos de dados que
abordamos ao longo do conteúdo.
 Baixar conteúdo
javascript:CriaPDF()