INFORMAÇÃO, VIDA E DNA. Prof. João Henrique Kleinschmidt Material elaborado pelos professores de NI

Transcrição

1 INFORMAÇÃO, VIDA E DNA Prof. João Henrique Kleinschmidt Material elaborado pelos professores de NI

2 DEFINIÇÃO DE VIDA O que é a vida para você?

3 DEFINIÇÃO DE VIDA Em 1943 Erwin Schroedinger (um dos pais da física quântica) apresentou umas palestras no Trinity College de Londres. Nessas palestras ele definiu a vida como: uma delicada dança de energía, entropia e informação Posteriormente escreveu o artigo What is life que serviu de inspiração a Watson e Crick para a descoberta da estrutura do DNA.

4 HIPOTESE DE OPARIN-HALDANE I Na década de 1920, o Bioquímico russo Aleksandr I. Oparin e o geneticista inglês John B. S. Haldane procuraram entender a origem da vida como parte da evolução de reações bioquímicas, mediante a competição e seleção darwiniana, na terra pré-biótica (antes do surgimento da vida).

5 HIPOTESE DE OPARIN-HALDANE II Através de reações químicas entre moléculas simples, tais como CH 4, CO, CO 2, H 2, H 2 S, HCN, NH 3, H 2 O, etc.,se formariam moléculas mais complexas (aminoácidos, açúcares, ácidos nucléicos, lipídeos, etc.) Passados milhões de anos, tendo um grande acumulo destas moléculas, elas se combinariam formando biopolímeros (peptídeos, polissacarídeos, nucleotídeos,etc.) que reagiriam entre si e formariam estruturas coacervadas (estruturas que parecem célula).

6 EXPERIMENTO DE MILLER E UREY (1953) Experimento confirma hipótese de Oparin-Haldane. A partir de: N 2 NH 3 CH 4 H 2 CO 2 + calor + eletricidade Obtém: aminoácidos, bases nucleotídicas(purinas e pirimidinas)

7

8 O QUE É UM GENE? Segmento de um cromossomo ao qual corresponde um código distinto uma informação para produzir uma determinada proteína ou para controlar uma característica (fenótipo), por exemplo, a cor dos olhos.

9 MEMÓRIA GENÉTICA E DNA 5000 sequências gênicas 100% iguais em humanos, camundongos e outros animais Capacidade do DNA de preservar informação de centenas de milhões de anos. (Science, 2004). Pergunta: O seres vivos são veículos para assegurar a sobrevivência da informação neles contidos?

10 HIPÓTESE DO GENE EGOISTA Formulada por Richard Dawkins (1976): o DNA realiza uma única tarefa: se duplicar, passar a sua informação para frente mesmo em prejuízo do próprio organismo. Segundo esta teoria os organismos somente são úteis enquanto servirem para esta finalidade. Exemplo das colônias de formigas. Somente a rainha se reproduz.

11 INTRODUÇÃO AO DNA, RNA No DNA encontra-se a informação genética È um código formado por quatro letras (que correspondem as quatro bases nitrogenadas): A,T,C,G A: Adenina, T: Timina, C: Citosina e G: Guanina Constituídos de duas fitas complementares (A liga com T e C liga com G) formando uma dupla hélice Os genes codificam RNAs por um processo de transcrição gênica Os genes podem estar dispostos tanto em um sentido (5 ->3 ou positivo) ou em outro (3 ->5 ou negativo)

12 INTRODUÇÃO AO DNA, RNA No RNA a Timina é substituída por Uracila (A,C,G,U) Um RNA é transcrito a partir de um gene, obtendo-se uma sequência de bases complementares (o que era A vira U, o que era T vira A, o que era G vira C e o que era C vira G).

13 INTRODUÇÃO AO DNA, RNA Os RNAs mensageiros são transportados do núcleo para o citoplasma, onde serão traduzidos nos ribossomos, gerando uma uma cadeia de aminoácidos. As proteínas são constituídas por essas cadeias de aminoácidos As proteínas atuam em praticamente todos os processos celulares, desde a regulação da transcrição até vias metabólicas Ver:

14 Célula Núcleo Proteínas Vias metabólicas DNA Transcrição mrna Tradução Transporte

15 INTRODUÇÃO AO DNA, RNA (II) Cada aminoácido é uma palavra de três letras. Seria possível escrever 4x4x4=64 palavras de três letras, ou seja poderia haver 64 aminoácidos. Cada uma dessas 64 palavras são denominadas códons Contudo existem vários sinônimos (códons) para cada aminoácido. Por exemplo, a arginina (ARG) pode ser codificada como: CGA, CGC, CGG, CGU, AGA, AGG Portanto existe muita redundância no código genético Os aminoácidos mais frequentes onde podem acontecer mais erros têm maior redundância O aminoácido STOP tem muita redundância (escreve-se como UAA, UAG, UCA) porque embora seja escasso é muito importante

16

17 Aminoácido (%) Codificação Aminoácido (%) Codificação ARG (5,28) LEU (9,56) SER (7,25) THR (5,68) PRO (5,67) ALA (6,99) GLY (7,10) VAL (6,35) CGA,CGC,CGG, CGU,AGA,AGG CUA, CUC, CUG, CUU, UUA, UUG UCA, UCC, UCG, UCU, AGC, AGU ACA, ACC,ACG,ACU CCA,CCC,CCG,C CU GCA,GCC,GCG,G CU GGA,GCC,GCG,G CU GUA,GUC,GUG, GUU HIS (2,36) GLU (6,82) ASP (5,07) TYR (3,13) CYS (2,44) PHE (3,84) ILE (4,50) MET (2,23) CAC CAU GAA, GAG GAC, GAU UAC, UAU UGC, UGU UUC, UUU AUA,AUC, AUU AUG LYS (5,71) AAA, AAG TRP (1,38) UGG ASN (3,92) AAC, AAU STOP (0,24) UAA,UAG, UGA GLN (4,47) CAA, CAG

18 ENTROPIA E DNA Cada um dos quatro nucleotídeos podem ser escritos com dois bits (dois bits por letra) Precisamos de 6 bits para nomear todos os 64 possíveis aminoácidos Entropia de Shannon (segundo a proporção relativa dos aminoácidos, ver tabela anterior) S log log 2 4 S=-(.0528*log2(0.0528) *log2(0.0956) *log2(0.0725) *log2(0.0568) *log2(0.0567) *log2(0.0699) *log2(0.0710) *log2(0.0635) *log2(0.0571) *log2(0.0392) *log2(0.0447) *log2(0.0236) *log2(0.0682) *log2(0.0507) *log2(0.0313) *log2(0.0244) *log2(0.0384) *log2( ) *log2(0.0223) *log2(0.0138) *log2(0.0024))=4,21 Precisaríamos de 4,21 bits para nomear os 21 aminoácidos, ou seja, 2,105 letras S 2

19 ENTROPIA E DNA O código genético é muito eficiente (utiliza quase uma letra a mais do que precisa), já que com 2 letras, só são possíveis 4x4 = 16 codificações possíveis. E ao mesmo tempo, é um código robusto, já que ele possui uma certa redundância. Os 1,79 (6 4,21) bits adicionais são usados para que um mesmo aminoácido possa ser expresso de 2 ou mais formas diferentes Desse modo, uma troca de nucleotídeo (um erro) pode ser corrigido (mapeado para o aminoácido correspondente).

20 O DNA É ROBUSTO Existem várias razões que impedem a degradação da informação genética contida no DNA No DNA a Adenina liga com o complementar (Timina) e a Citosina com o complementar (Guanina) e vice versa. Se falta um nucleotídeo num degrau do DNA, olhando o nucleotídeo complementar podemos saber qual falta. Por outro lado algumas enzimas reparadoras (normalmente de natureza protéica) vão reparando os defeitos do código se movimentando o tempo todo por cima do DNA

21 DNA E MÁQUINA DE TURING A fita sem fim de Turing têm certa analogia com a fita do nosso DNA. A própria máquina de Turing é semelhante as enzimas que percorrem o DNA lendo, apagando e escrevendo informações no DNA. Ver:

22 Exercício: O código genético de um determinado alienígena possui 3 tipos de bases nitrogenadas: A, B e C. Além disso, seus códons são sequências (palavras-código) de 3 bases, onde um ou mais códons podem codificar para um mesmo aminoácido, assim como ocorre no código genético dos terrestres. No código genético do alienígena existem 8 tipos de aminoácidos: D, E, F, G, H, I, J, K. As probabilidades de cada um desses aminoácidos são: P(D) = P(E) = 1/4; P(F) = P(G) = P(H) = 1/8; P(I) = 1/16; P(J) = P(K) = 1/32. a) Com base nessas probabilidades, proponha uma codificação com redundância apropriada para esses aminoácidos considerando todos os códons possíveis (de 3 bases), onde cada um dos códons deve mapear para um determinado aminoácido (assim como acontece com o código genético dos terrestres). b) Quantos bits de redundância existem no código genético do alienígena em questão? Qual código genético é mais eficiente: o dos seres terrestres ou o do alienígena em questão? Justifique. (entropia dos aminoácidos dos terrestres é de 4,21 bits)

23 UTILIZAÇÃO DOS PRINCÍPIOS DA GENÉTICA PELO SER HUMANO A evolução darwiniana têm sido o melhor método de passar a informação contida no DNA para frente. O ser humano vem aproveitando as leis da evolução genética desde milênios para o próprio beneficio. Exemplo: Domesticação de animais e plantas. Atualmente a informação genética é muito importante para conhecer e enfrentar as enfermidades. Algoritmos genéticos: técnicas computacionais bioinspiradas para otimização de processos.

24 Exemplo: Desenvolvimento do milho a partir do teosinto (4,000 a.c.) Alguns dos princípios presentes no desenvolvimento do milho aparecem nos algoritmos genéticos que veremos emseguida.

25 Avaliação População Inicial -alto poder nutritivo? -cultivo fácil? -resistência a fatores climáticos? Sim Fim Início Não Seleção Produção nova população Recombinação Mutação Processos naturais

26 INTRODUÇÃO AOS ALGORITMOS GENÉTICOS: Técnica de otimização baseada nos processos de seleção natural Os melhores indivíduos (segundo determinados critérios) são selecionados a partir de população inicial. Esses indivíduos são recombinados (cruzados). Uma nova geração é produzida. É feita uma nova avaliação para encontrar os melhores indivíduos segundo os critérios especificados.

27 ESTRUTURA DE UM ALGORITMO GENÉTICO Fornecer população Inicial. Codificar os indivíduos da população Objetivo atingido? Sim Melhores indivíduos Início Não Fim Produção nova população Seleção Recombinação Mutação

28 ALGUMAS APLICAÇÕES DOS ALGORITMOS GENÉTICOS Problema do caixeiro viajante. Projeto de hardware ( evolvable hardware ) Otimização de redes elétricas ou hidráulicas. Identificação facial de criminosos.

29 Fornecer população inicial (diversos tipos de faces) Testemunha identificou a face? Sim Início Produção nova população Não Fim Seleção das faces mais parecidas Recombinação das caraterísticas das faces mais parecidas Mutação

30 INTRODUÇÃO À VIDA ARTIFICIAL A vida como processo computacional. Se a máquina de Turing pode realizar qualquer computação (operação) e a vida também for um tipo de operação, a máquina de Turing permitiria a criação de vida num ambiente virtual ou computacional.

31 MÁQUINA TEÓRICA DE TURING Fita sem fim A máquina lia, escrevia, e apagava. A máquina de Turing possui computabilidade universal

32 RELEVÂNCIA DA MÁQUINA DE TURING Qualquer possível computador pode ser simulado pela máquina de Turing. Uma máquina de Turing pode emular qualquer outra máquina de Turing.

33 DEFINIÇÃO DE AUTÔMATO CELULAR Sistema dinâmico que evolui a partir de condições iniciais definidas. É discreto espacial e temporalmente. A regra de transição que governa como atualizar o sistema está localizada espacialmente (depende da própria vizinhança)

34 CARACTERÍSTICAS DE UM AUTOMATO CELULAR Estados: Número de diferentes estados em que pode estar uma célula. Vizinhança: Como as células são conectadas a outras células. A própria célula é incluída normalmente na própria vizinhança. Regra de transição: define como uma célula deve mudar em função do estado da vizinhança.

35 JOGO DA VIDA DE CONWAY Muitos autômatos celulares são um tipo de máquina de Turing. E portanto possuem a computabilidade universal. Talvez a computabilidade universal possa levar a funções que façam possível a vida artificial Nem todos os autômatos celulares possuem esta característica O jogo da vida de Conway possui a caraterística da computabilidade universal. Na verdade não era um jogo, mas virou moda nos anos 80

36 JOGO DA VIDA DE CONWAY As regras são simples e elegantes: Qualquer célula viva com menos de dois vizinhos vivos morre de solidão. Qualquer célula viva com mais de três vizinhos vivos morre de superpopulação. Qualquer célula com exatamente três vizinhos vivos se torna uma célula viva. Qualquer célula com dois vizinhos vivos continua no mesmo estado para a próxima geração.

37 GLIDERS OU PLANADORES DE CONWAY (GAME OF LIFE)

38 JOGO DA VIDA DE CONWAY Pistolas Planadores (gliders) Refletores Naves Outros (ex.:devoradores)

39 JOGO DA VIDA DE CONWAY Game of Life online:

40 Autômatos celulares como sistemas autoorganizáveis Sistema auto-organizável É uma sistema que muda sua estrutura como resultado de suas experiências e meio ambiente Características: Adaptação (aprendizado) Emergência (não há controle central!) Padrões ou sistemas complexos surgem através de interações simples entre diversos entes. A inteligência do todo é maior que a soma da inteligência das partes.