Resumo de Bioinformática 2

Prévia do material em texto

Resumo de Bioinformática (prova 2) 
 
(Slide 5) 
Bioinformática: é um campo interdisciplinar que aplica e cria ferramentas computacionais 
para o gerenciamento, armazenamento e análise de dados biológicos 
#O gerenciamento de informações consiste em armazenar dados e disponibilizá-los de 
forma maleável e facilitada, ou seja, gerenciar a troca de informações. Isto inclui banco 
de dados, páginas de serviços via internet, buscas de dados, etc. 
Algoritmo: é a forma estruturada de resolver problemas em uma sequência lógica. 
Banco de dados biológicos: conjunto de arquivos armazenados e organizados, que 
possibilitam fácil, preciso e rápido acesso as informações biológicas. Podem ser divididos 
em três categorias a partir do tipo e do conteúdo dos dados nele armazenados (primário, 
secundário e especializados). 
#Primários: armazenam informações biológicas originais (sequências de nucleotídeos, 
por exemplo). Utilizam-se basicamente arquivos de tipo teto simples (tipo fasta) para 
armazenar essas informações; 
#Secundários: armazenam resultados das análises feitas a partir de um banco de dados 
primário. Exemplo: o Swiss-prot armazenam informações referentes as proteínas, 
incluindo anotações e funcionalidades, estruturas tridimensionais e literatura associada; 
#Especializados: são aqueles que atendem a um interesse particular de pesquisa 
(organismo particular ou tipo de dado). 
Principais bancos de dados da Bioinformática: 
 ModWeb: é um servidor para modelagem de estrutura de proteínas; 
 SWISS-MODEL: é um servidor de modelagem de homologia de estrutura de 
proteínas totalmente automatizado, acessível através do servidor web ExPASy, ou 
do programa DeepView (Swiss Pdb-Viewer). 
 Vakser Lab: é um software de armazenamento de proteínas. É projetado 
exclusivamente para acoplar pares de moléculas de proteínas por simulação. 
 PatchDock: é um software que permite realização do docking molecular. Dadas 
duas moléculas, suas superfícies são divididas em imagens de acordo com a forma 
da superfície. Esses “patches” correspondem a padrões que distinguem 
visualmente entre peças de quebra-cabeça. Uma vez que as imagens são 
identificadas, elas podem ser sobrepostas usando algoritmos de correspondência 
de formas. 
 NCBI: o NCBI é dividido em vários bancos de dados específicos. Cada banco de 
dados armazena informações e apresenta links com outros bancos do próprio 
NCBI e bancos externos. 
o O banco Nucleotide armazena sequências e informações associadas a cada 
uma das sequências. 
o O banco Protein armazena sequências de proteínas e sequências que foram 
traduzidas automaticamente de sequências nucleotídicas codificadoras. O 
banco também traz informações associadas a cada uma das sequências. 
o Taxonomy: Banco de dados com informações sobre a classificação 
taxonômica das espécies. Esse banco de dados apresenta somente 
informações taxonômicas de espécies que têm informações moleculares 
depositadas no NCBI. 
 PDB: banco de dados que armazena informações sobre estrutura tridimensional 
das proteínas. Nesse banco são armazenadas estruturas das proteínas que foram 
avaliadas por cristalografia Raio-X, Espectroscopia por ressonância magnética 
nuclear (NMR). 
 Expasy: banco de dados com sequências de proteínas, especialmente enzimas. 
 Keeg: é um recurso de banco de dados para a compreensão de funções de alto 
nível e utilitários do sistema biológico, como células organismos e ecossistemas, 
a partir de informações de nível molecular, como mapas metabólicos por exemplo. 
 Biocyc: é um programa que coleciona “pathways”, como vias metabólicas, etc. 
#Principais bancos de dados de proteínas: Swiss-prot, PDB, Pfam, Modbase 
#Principais bancos de dados de genes: GenBank 
#Principais bancos de dados de vias metabólicas: Biocarta, KEGG, Biocyc 
Por que geralmente utiliza-se o sistema operacional Linux na bioinformática? 
Por que é um software livre, multitarefa e de fácil acesso as ferramentas científicas, além 
de ser seguro e estável. 
Alinhamento de sequências: é uma forma de organizar sequências primárias de DNA para 
identificar regiões similares que possam ser consequência de relações funcionais, 
estruturais ou evolucionárias entre elas. Consiste em comparar duas ou mais sequências 
(de nucleotídeos ou aminoácidos) de forma a observar seu nível de similaridade. 
#Permite a transmissão de informações sobre uma sequência para outras similares. 
#Método de comparação que determina o grau da identidade e similaridade, inferindo 
homologia entre duas ou mais sequências. 
Diferenças entre identidade, similaridade e homologia 
 Identidade: refere-se à presença de resíduos na mesma posição em duas 
sequências alinhadas; 
 Similaridade: é a porcentagem de resíduos idênticos ou com propriedades físico-
químicas semelhantes; 
 Homologia: é a relação evolutiva entre as sequências. 
Principais tipos de alinhamentos: 
 Alinhamento global: o alinhamento se estende por toda a sequência. Utiliza-se o 
algoritmo de Needleman-Wunsch para alinhar globalmente pares de sequências, 
maximizando o escore. 
 Alinhamento local: consiste no alinhamento de apenas parte das sequências 
envolvidas. É feita uma procura por regiões com semelhança local e não é 
considerada a sequência em todo o seu comprimento. Utiliza-se o algoritmo de 
Smith-Waterman. Esse alinhamento é útil para sequências de tamanhos diferentes 
e também para sequências com apenas alguns trechos conservados. 
#O melhor tipo de alinhamento é aquele que maximiza o escore. 
#Um escore de alinhamento é a medida pelo qual o alinhamento entre duas sequências é 
qualificado. É a quantificação da semelhança entre duas sequências. 
#Em princípio, realiza-se alinhamentos para medir similaridades; determinar as 
correspondências entre os resíduos; observar padrões de conservação e variabilidade; e 
inferir relações evolucionárias. 
 
(Slide 6) 
Matrizes de alinhamentos 
#Para se determinar o escore que define qual o melhor alinhamento precisa-se de uma 
matriz de pontuação. A matriz de pontuação é uma tabela de valores que descreve um 
valor probabilístico de ocorrer um par de resíduo (aminoácidos ou bases nucleofílicas) 
em um alinhamento. 
#Os valores probabilísticos são retirados a partir de amostras de alinhamentos de 
sequências reais armazenadas no banco de dados. 
#As matrizes de valores são usadas em todas análises que envolvem comparação de 
sequências. São divididas em matrizes unitárias e de substituições (PAM e Blossun). 
Matriz unitária: geralmente é utilizada para atribuir valores à pares de nucleotídeos. Nesta 
matriz, somente caracteres idênticos recebem valores positivos. Essas matrizes 
funcionam (e são usadas), mas o mundo real é mais complicado devido a complexidade 
de sistemas biológicos. 
Matriz de substituição: geralmente são usadas para darem valores às substituições de 
pares de aminoácidos. Considera os valores probabilísticos de um aminoácido “x” ser 
substituído por um aminoácido “y”. 
#Essas estatísticas mostram quais mutações são mais frequentes (aceitas) e quais 
mutações menos frequentes (não aceitas). 
#Existe duas famílias de matrizes de substituição: a PAM e Blossun. Estas são famílias 
que contém a probabilidade de que uma sequência tenha sido transformada noutra num 
processo evolutivo. 
 Matriz PAM: são baseadas em alinhamentos globais de proteínas com parentesco 
próximo (algoritmo de Needlemamn Wunsch), ou seja, as sequências A e B são 
comparadas na totalidade do seu comprimento, sendo as diferenças de 
comprimento da sequência compensadas com gaps (inserções). 
 Matriz Blosun: são baseadas em alinhamentos locais (algoritmo de Smith-
Waterman). Detecta melhoras similaridades biologicamente importantes. É útil 
em situações onde não existe qualquer conhecimento sobre a semelhança entre as 
sequências a se comparar. 
Significância de alinhamentos: é dado pela interpretação do “e-value”. Esse valor dado 
ao se multiplicar o “p-value” pelo tamanho do banco de dados (quantidade de sequências 
disponíveis para alinhamento). Sendo assim, o e-value depende do tamanho do banco de 
dados, já o p-value não. 
#O p-value varia de 0 a 1, quanto mais perto de 0, melhor é o alinhamento. 
Exemplo: 10-100 (alinhamento perfeito); 10-1 (alinhamento insignificante) 
#Para interpretar o e-value 
Exemplo: E<= 0,02 (sequências provavelmente homólogas); 
 E entre 0,02 e 1 (homologia não pode ser descartada). 
Programa BLAST: é uma derivação do algoritmo de Smith-Waterman, que se caracteriza 
e por apresentar a pontuação máxima de alinhamento local de duas sequências. O 
algorítmo de Smith-Waterman emprega um método exaustivo conhecido como 
programação dinâmica, e assim garante encontrar a pontuação máxima. 
Programa PSI-BLAST: é um refinamento do BLAST e que gera resultados considerando-
se uma tabela (matriz) construída automaticamente a partir da frequência de cada 
aminoácido em cada posição da sequência. É mais poderoso que o BLAST na 
identificação de relações distantes. Pode identificar corretamente três vezes mais 
homólogas que o BLAST nas regiões onde a identidade é inferior que 30%. 
(Aula 7) 
Programação dinâmica: é atualmente o método mais popular para comparação e 
alinhamento rigoroso de sequências de ácidos nucleicos e proteínas. Esse método fornece 
o resultado da comparação e encontra um alinhamento entre duas sequências com o mais 
alto escore possível para vários esquemas de atribuição de escores úteis. 
#É o método computacional que calcula o melhor alinhamento possível entre sequências, 
através das principais variáveis: match, mismatch e gap. 
#Surgiu para solucionar o problema para produzir possibilidade de alinhamentos. Pois 
pela programação convencional, produzir todos os alinhamentos possíveis levaria muito 
tempo mesmo para um supercomputador. 
#A programação dinâmica é aplicável sempre que um grande espaço de procura pode ser 
estruturado de numa sessão de passos, de tal forma que: 
 O passo inicial contém as soluções triviais dos sub-problemas; 
 Cada solução parcial num passo posterior pode ser calculada em decorrência a um 
número fixo de soluções parciais de passos anteriores; 
 O passo final contém a solução global 
*Ou seja, dá o primeiro passo e vê o resultado dele. Utiliza o primeiro passo para 
direcionar o segundo passo. Utiliza o resultado do segundo passo para direcionar o 
terceiro passo, e assim por diante, até o passo final. 
#Na programação dinâmica existe: alinhamento global e alinhamento local. 
Componentes de um alinhamento 
 Match (identidade): duas letras idênticas numa mesma posição do alinhamento; 
 Mismatch (substituição): duas letras diferentes numa mesma posição no 
alinhamento; 
 Gap (buraco): espaços únicos ou consecutivos (gap extension) entre duas 
sequências. 
#Observação: nessa aula tem atividade práticas de alinhamento global. 
(Aula 8) 
Tipos de alinhamentos em relação a quantidade de sequências 
 Pairwise (par-a-par): utiliza duas sequências; 
 Múltiplos: mais de duas sequências. 
#Obtém-se respostas biológicas interessantes. 
Alinhamentos múltiplos: podem ser usados para estudar grupos de genes ou proteínas 
relacionadas, para inferir relações evolutivas entre os genes e para descobrir padrões que 
sejam compartilhados entre grupos de sequências funcional ou estruturalmente 
relacionadas. 
#Exemplo: quando lidando com uma proteína, de função desconhecida, a presença de 
domínios similares e outros em proteínas conhecidas pode implicar em função ou 
estrutura semelhante. 
#Estratégia: para a realização do alinhamento múltiplo, primeiro faz uma busca no banco 
de dados através do PSI-BLAST (alinhamento par-a-par), posteriormente, seleciona-se as 
sequências candidatas a moldes, ou seja, aquelas que possuem maiores identidades. 
Depois, realiza-se o alinhamento múltiplo com o auxílio de um software específico. 
#Vantagens: oferecem alta sensibilidade (detectam parentescos mais distantes) e alta 
seletividade (minimiza o número de sequências listadas que não são genuinamente 
homólogas). 
#Geralmente, os softwares mais usualmente utilizados são o ClustalW e o ClustalW-
Phylogeny. Mas também existem outros como: T-coffee, SAM, BLOCKS, etc. 
ClustalW: é o software mais usualmente utilizado. Nele, é gerado uma matriz da distância 
entre os pares para todas as sequencias a serem alinhadas. Cada um dos pares de 
sequências é alinhado por meio da programação dinâmica. Cada novo alinhamento é 
analisado para construir um perfil de sequência. Finalmente os perfis são alinhados entre 
si. 
Árvores filogenéticas (alguns conceitos): 
 Filogenia: é a relação evolucionária entre organismos, baseado num ancestral 
comum. 
 Filogenética: é a área de pesquisa preocupada em encontrar relações genéticas 
(filogenias) entre as espécies. 
#Na bioinformática, sabe-se que as mutações de DNA ocorrem ao acaso a uma taxa 
muito baixa e são transmitidas dos pais para os filhos. Assim, se assumirmos que 
todos os organismos têm um ancestral comum, podemos usar as diferenças nas 
sequências homólogas para medir quanto tempo decorreu desde que os organismos se 
divergiram. Sendo assim, quanto mais tempo passou desde que as espécies se 
divergiram a partir de um ancestral comum, mais diferenças haverá nas suas 
sequências de DNA. 
Árvores filogenéticas: é a representação gráfica, em forma de árvore, apresentando as 
relações evolutivas entre várias espécies ou outras entidades que possam ter um ancestral 
comum. São estritamente binárias. 
#Os comprimentos das arestas significam uma medida da dissimilaridade entre duas 
espécies ou o tempo decorrido desde sua separação. 
#Existe dois tipos: árvores com raiz e árvores sem raiz. Nas árvores com raízes, cada nó 
tem dois descendentes que partem de um ancestral comum. Já as árvores sem raízes 
mostram a topologia da relação, mas não o padrão de descendência. 
Abordagens para construção de árvores filogenéticas 
(1) Método fenético: funciona medindo um conjunto de distâncias entre espécies. 
(2) Método cladística: considera possíveis rotas de evolução, infere as características 
do ancestral em cada nó e escolhe a árvore ótima de acordo com algum modelo de 
mudança evolucionária. 
#A fenética é baseada na similaridade, enquanto a cladística é baseada na genealogia. 
#Há vários softwares que derivam árvores filogenéticas, como o PHYLIP, por exemplo. 
(Slide 9) 
Modelagem molecular: é um termo coletivo que se refere aos métodos teóricos e técnicas 
computacionais para modelar ou mimetizar o comportamento das moléculas. Visam 
prever o comportamento de sistemas reais. 
Principais métodos de predição de estrutura a partir da sequência: 
 Modelagem molecular comparativa (por homologia): A MMC é uma técnica da 
Bioinformática que prevê a estrutura tridimensional de uma dada proteína com 
base no seu alinhamento a uma ou mais proteínas de estruturas conhecidas 
(templates). O processo de previsão consiste em atribuição de dobras, 
alinhamentos da proteína-alvo com os templates, construção e avaliação de 
modelos. Os estudos da MMC buscam considerar aspectos dinâmicos do 
complexo fármaco-receptor, com o objetivo de fidelizar ao máximo a descrição 
de processos biológicos de interesse no desenvolvimento de fármacos. 
#Tem o potencial de gerar modelos confiáveis, caso sejam utilizados resíduos com 
mais de 40% de identidade. Ab initio: são métodos da química computacional baseados na química quântica. 
Baseia-se nas propriedades físico-químicas conhecidas de cada aminoácido para 
a construção de funções de energia. Estas funções são minimizadas por algoritmos 
que realizam buscas no espaço de conformações que a proteína de interesse possa 
assumer. 
Modelagem molecular comparativa (por homologia) 
A MMC consiste em cinco etapas sequenciais: 
(1) Procurar proteínas com estruturas 3D conhecidas que estão relacionadas ao alvo; 
#Geralmente utiliza-se o PSI-BLAST para identificação direta no banco de dados 
PDB para procurar templates. 
(2) Escolher as estruturas que serão usadas como templates; 
#Deve-se selecionar os templates com maiores identidades, preferencialmente 
aqueles com mais de 40% de identidade. 
(3) Alinhas as sequências com a sequência alvo; 
#Uma vez selecionado os templates, um método deve ser utilizado para executar 
o alinhamento template/alvo, quando apenas um template é identificado é 
realizado um alinhamento “pairwise” (par-a-par), já quando várias sequências são 
identificadas é necessário a obtenção de um alinhamento múltiplo. 
#O alinhamento é um dos principais passos na modelagem, pois é dele que são 
extraídas as restrições espaciais para a construção do modelo. 
(4) Construir o modelo para a sequência alvo através do alinhamento dos templates; 
#O modelo é construído com base nas restrições espaciais implementadas no 
software utilizado para modelagem. 
(5) Avaliar o modelo, usando uma variedade de critérios. 
#Avalia a geometria global da estrutura com relação a qualidade estereoquímica. 
#Geralmente, avalia-se o modelo através do gráfico de Ramachandran. Este 
gráfico é particularmente útil porque ele define os resíduos que se encontram nas 
regiões mais favoráveis e desfavoráveis e orienta a avaliação da qualidade de 
modelos teóricos ou experimentais de proteínas. Nele, a região mais favorável está 
expressa em vermelho, a região permitida está em amarelo, a região 
generosamente permitida em amarelo claro e a não permitida em branco. 
#A condição necessária para que a MMC funcione é que a semelhança entre a sequência 
designada e as estruturas do modelo sejam detectáveis e que o alinhamento correto entre 
elas possa ser construído. 
 
(Aula 10) * O Nelson repetiu o slide 
(Aula 11) 
Modelagem com múltiplos templates: o uso de mais de um template melhora a qualidade 
do modelo pois agrega mais informações sobre as regiões conservadas. 
Modelagem com heteroátomos: a presença de heteroátomos como água e ligantes devem 
ser consideradas no modelo. Os heteroátomos correspondem às pequenas moléculas 
complexadas com a proteína, como substratos, coenzimas, íons, inibidores, etc. 
*O slide contém mais informações sobre o protocolo da aula prática. 
 
(Aula 12) 
Docking molecular: a ancoragem ou Docking molecular é uma ferramenta da 
Bioinformática importante para a descoberta de drogas. Os avanços das técnicas de 
caracterização de proteínas, como a cristalografia e ressnância magnética nuclear, 
contribuíram para muitos detalhes estruturais das proteínas com seus complexos proteína-
ligante. Esses avanços permitiram estratégias computacionais que permeeiam a 
descoberta de novos fármacos na atualidade. O Docking molecular é um processo 
computacional que tenta prever a ligação não covalente de macromolécula receptora e 
uma molécula ligante de forma eficiente, com estruturas obtidas a partir de MMC. 
#O patchdock é um algoritmo para docking molecular. As entradas são duas moléculas 
de qualquer tipo: proteínas, DNA, peptídeos, ligantes. A saída é uma lista de potencias 
complexos ordenados pelo critério de complementariedade da forma. 
#Gramm é um software que também permite o acoplamento de duas moléculas, dando 
como saída potenciais complexos. 
(Slide 13) 
Fármaco: qualquer remédio, substância ou produto desenvolvido para fins farmacêuticos. 
Para um composto químico ser identificado como fármaco, deve ser seguro, eficaz, 
estável, entregável (deve ser absorvido para atingir seu sítio de ação) e disponível. 
#A descoberta e o desenvolvimento de fármacos é um processo multidisciplinar de 
elevada complexidade e envolve alto custo e longo prazo para execução. 
#Um dos mais importantes avanços no planejamento e descoberta de fármacos tem sido 
a utilização da modelagem molecular. Ela tem se firmado como uma ferramenta 
indispensável não somente no processo de descoberta de novos fármacos, mas também 
na otimização de protótipo já existente ou obtido pelo estudo de modelagem molecular. 
#O grande desenvolvimento da modelagem molecular deve-se em grande parte ao avanço 
dos recursos computacionais em termos de hardware e software 
#A maioria dos programas de modelagem molecular é capaz de desenhar a estrutura 
molecular e realizar os cálculos de otimização geométrica e estudos de análise 
conformacional. Os arquivos de saída destes cálculos podem ser utilizados como arquivos 
de entrada para outros programas. Desta forma, a primeira etapa em estudos de 
modelagem molecular é desenhar a estrutura tridimensional da molécula. Em seguida a 
molécula é otimizada objetivando encontrar parâmetros geométricos tais como ângulos e 
comprimentos de ligação que estejam próximos aos valores determinados 
experimentalmente. 
 
 
 
 
Etapas do desenvolvimento de fármacos: 
 
#Primeiramente, identifica-se qual a doença que será estudada para elaboração de novos 
protótipos. Em seguida, seleciona-se o alvo molecular (proteína, por exemplo). 
*Efeitos adversos não relacionados ao alvo ocorrem quando o fármaco interage com alvos 
não pretendidos. Dessa forma, quando as proteínas-alvo não estão presentes naturalmente 
em humanos (caso a doença estudada ocorra em humanos), tornam-se alvos seletivos para 
o desenho de fármacos, reduzindo efeitos adversos. 
#Em segundo, determina-se a estrutura tridimensional do alvo molecular. A estrutura 3D 
pode ser determinada através de métodos experimentais, como ressonância magnética 
nuclear e cristalografia (métodos caros), e também, através de métodos in silico 
(simulação computacional), como a modelagem molecular comparativa (viável 
economicamente). 
#Posteriormente, utiliza-se a triagem computacional. A triagem computacional, através 
de inúmeras técnicas distintas, é capaz de direcionar a direção de moléculas com as 
características químicas desejadas para modular a atividade biológica dos mais diversos 
e atrativos alvos moleculares. Envolve técnicas simples, como busca de similaridade ou 
“docagem” molecular, até as estratégias mais complexas, que envolvem métodos 
estatísticos e de aprendizagem de máquinas. 
*O principal objetivo da triagem computacional é aprimorar o processo de busca de novos 
candidatos a fármacos e acelerar o processo contínuo do seu planejamento. 
*A contribuição da Bioinformática na descoberta e desenvolvimento de fármacos 
permitiu: a facilitação na identificação da molécula-alvo, planejamento, análise e 
otimização de ligantes, seleção e triagem in silico de biblioteca de ligantes. 
#Depois é realizado o Docking, ou seja, que prevê a ligação não covalente de 
macromolécula receptora e uma molécula ligante de forma eficiente. 
#Por fim, segue a linha lógica do fluxograma (testes in vitro, in vivo e clínicos) para 
posterior liberação do fármaco. 
Critérios para a triagem computacional (virtual screening): 
 A biblioteca tem que ter uma ampla diversidade química; 
 Deve ser aplicado filtros na sua montagem ou na análise dos resultados; 
 Deve ter um tamanho passível de busca; 
 Os objetivos da virtual screening devem estar claros; 
 Possibilidade de testes in vitro para confirmaçãodo potencial dos compostos 
analisados; 
 Disponibilidade de realização de estudos cristalográficos (para confirmar a 
estrutura do complexo proteína-ligante). 
Exemplo de biblioteca (banco de compostos) 
#Super Natural Database II e ZINC Natural Products 
#O Super Natural Database II apresenta mais de 45 mil moléculas depositadas e que 
podem ser consultadas livremente. As principais características desse banco de dados são: 
disponibilidade de um amplo espaço químico a ser vasculhado; aberta (sem custo para 
acesso); atualizada regularmente; e permite a busca de diversos critérios (nome do 
composto, via “templates”, via fornecedor, via construção da estrutura, similaridade com 
drogas, efeitos celulares, etc). 
(Slide 14 e 15) referentes a aula prática