UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR CURSO DE CIÊNCIA DA COMPUTAÇÃO

Transcrição

1 UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR CURSO DE CIÊNCIA DA COMPUTAÇÃO SISTEMA PARA ESTRUTURAÇÃO DE INFORMAÇÕES SOBRE PROTEÍNAS Área de Bioinformática por Thomas Basten Rafael Luiz Cancian, MSc. Orientador Itajaí (SC), julho de 2006

2 UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR CURSO DE CIÊNCIA DA COMPUTAÇÃO SISTEMA PARA BUSCA E ESTRUTURAÇÃO DE INFORMAÇÕES SOBRE PROTEÍNAS Área de Bioinformática por Thomas Basten Relatório apresentado à Banca Examinadora do Trabalho de Conclusão do Curso de Ciência da Computação para análise e aprovação. Orientador: Rafael Luiz Cancian, MSc. Itajaí (SC), julho de 2006

3 SUMÁRIO LISTA DE ABREVIATURAS...v LISTA DE FIGURAS...vi LISTA DE TABELAS...vii RESUMO...viii ABSTRACT...ix 1. INTRODUÇÃO OBJETIVOS Objetivo Geral Objetivos Específicos METODOLOGIA ESTRUTURA DO TRABALHO FUNDAMENTAÇÃO TEÓRICA BIOLOGIA MOLECUAR DNA NUCLEOTÍDEOS ESTRUTURA DO DNA Genes FUNCIONAMENTO DOS GENES RNA AminoácidoS PROTEÍNAS Estrutura das proteínas Estrutura Primária Estrutura Secundária Estrutura Terciária Estrutura Quaternária Funções das Proteínas Bancos de Dados Biológicos Banco de Dados Primários Banco de Dados Secundários PROTEÔMICA Ferramentas para Proteômica TECNOLOGIA APLICADA PROCESSAMENTO PARALELO E DISTRIBUÍDO BANCO DE DADOS ACESSO A BANCO DE DADOS BIOLÓGICOS LINGUAGEM DE PROGRAMAÇÃO DELPHI DESENVOLVIMENTO...40

4 3.1. INTRODUÇÃO MODELAGEM Casos de Uso Diagrama de Classes Diagrama de Seqüências Diagrama de Entidades e Relacionamentos PROJETO Janela de Login Tela Informações de Escravos Tela de Busca por Proteínas Tela de Progresso da Busca Tela de Banco de Dados Protéico Tela Aplicação Escrava de Busca por Proteínas IMPLEMENTAÇÃO Componentes e Funções Utilizadas Função de Leitura de Arquivo.ini Função de Criação de Lista com IPs da Rede Função de Download de Arquivos na Internet Busca em Banco de Dados Protéico Comunicação entre a Aplicação Principal e a Aplicação Servidora Inclusão de Resultados no Banco de Dados VALIDAÇÃO E TESTES CONSIDERAÇÕES FINAIS...Erro! Indicador não definido. REFERÊNCIAS BIBLIOGRÁFICAS...72 APÊNDICE A DICIONÁRIO DE DADOS...76 ANEXO I CÓDIGO FONTE DA APLICAÇÃO PRINCIPAL...79 ANEXO II CÓDIGO FONTE DA APLICAÇÃO ESCRAVA...85 iv

5 LISTA DE ABREVIATURAS DDBJ DNA EBI EMBOSS ExPASy FK HTML IP PDB PK RNA RNAm RNAt SQL TCC TCP UML UNIVALI URL W3C XML DNA Data Bank of Japan DesoxirriboNucleic Acid, ou Ácido Desoxirribonucléico European Bioinformatics Institute European Molecular Biology Open Software Suíte EXpert Protein Analysis System Foreign Key HyperText Markup Language Internet Protocol Protein Data Bank Primary Key Ácido Ribonucléico RNA Mensageiro RNA Transportador Structured Query Language Trabalho de Conclusão de Curso Transmission Control Protocol Unified Modeling Language Universidade do Vale do Itajaí Uniform Resource Locator World Wide Web Consortium Extensible Markup Language

6 LISTA DE FIGURAS Figura 1. Estrutura de um cromossomo, da dupla hélice do DNA e das bases nitrogenadas....8 Figura 2. Nucleotídeo Timina....9 Figura 3. Bases nitrogenadas que compõe o DNA...10 Figura 4. A Dupla hélice do DNA...11 Figura 5. Nucleotídeo Uracila Figura 6. Bases nitrogenadas que compõe o RNA...14 Figura 7. Exemplo de estrutura primária de uma proteína...17 Figura 8. Exemplo de Estrutura Secundária...17 Figura 10. Estrutura Secundária Folha Figura 11. Estrutura Secundária Laço (Turn)...20 Figura 13. Estrutura terciária...21 Figura 14. Estrutura quaternária...22 Figura 15. Sistema de busca no banco de dados PROSITE Figura 16. Resultados obtidos pela busca no banco de dados PROSITE Figura 16. Página inicial do sistema de busca de domínios PFam...29 Figura 17. Resultados obtidos pelo sistema de busca de domínios PFam Figura 18. Sistema de busca no banco de dados Swiss-Prot...35 Figura 19. Tela de resultados obtidos pelo Sistema de busca no banco de dados Swiss-Prot Figura 20. Tela de resultados obtidos pelo acesso direto as informações do UniProt Figura 21. Diagrama do Caso de Uso Login no Sistema Figura 22. Diagrama do Caso de Uso Servidores na Rede Figura 23. Diagrama do Caso de Uso Buscar, Visualizar Proteínas e Gravar Dados...45 Figura 24. Diagrama de classes Aplicação Principal...46 Figura 25. Diagrama de classes Aplicação Escrava...47 Figura 26. Diagrama de Seqüência Inclusão Manual de Escravo Figura 27. Diagrama de Seqüência Solicitação de Informações...49 Figura 28. Modelo de entidades e relacionamentos Figura 29. Janela de Login...51 Figura 30. Janela Cadastro de Novo Usuário...52 Figura 31. Tela de Informações de Escravos...53 Figura 32. Tela de Busca por Proteínas...54 Figura 33. Tela de Progresso de Busca...55 Figura 34. Tela de Informações Básicas da Proteína...56 Figura 35. Tela de Estrutura da Proteína...57 Figura 36. Escravo de Busca por Proteínas...58 Figura 37. Busca por ABC Transporters através da ferramenta UniProt Knowledgebase...63 Figura 38. Resultado da busca por ABC Transporters através da aplicação...64 Figura 39. Arquivo no formato Flat da proteína ABCCD_HUMAN Figura 40. Tela informações básicas da proteína ABCCD_HUMAN Figura 41. Estrutura secundária fornecida pelo banco de dados Uniprot...66 Figura 42. Motivos na proteína ABCCD_HUMAN, conforme a ferramenta PrositeScan Figura 43. Domínios na proteína ABCCD_HUMAN conforme banco de dados PFam...67 Figura 44. Estrutura secundária, motivos e domínios encontrados através da aplicação...68

7 LISTA DE TABELAS Tabela 1. Lista de aminoácidos que podem compor uma proteína Tabela 3. Descrição do Caso de Uso Login no Sistema...42 Tabela 4. Descrição do Caso de Uso Inclusão de Novo Escravo...43 Tabela 4. Descrição do Caso de Uso Solicitação de Informação...44 Tabela 5. Descrição do Caso de Uso Visualizar Proteínas Tabela 6. Descrição do Caso de Uso Gravar Dados Tabela 7. Dicionário de Dados da Tabela Autor...76 Tabela 8. Dicionário de Dados da Tabela Datas...76 Tabela 9. Dicionário de Dados da Tabela Domínio...76 Tabela 10. Dicionário de Dados da Tabela EstruturaSecundária...76 Tabela 11. Dicionário de Dados da Tabela Gene...77 Tabela 12. Dicionário de Dados da Tabela Motivo Tabela 13. Dicionário de Dados da Tabela Organismo Tabela 14. Dicionário de Dados da Tabela Organismo_Proteína Tabela 15. Dicionário de Dados da Tabela Proteína...77 Tabela 16. Dicionário de Dados da Tabela Referência...78 Tabela 17. Dicionário de Dados da Tabela Seqüência...78 Tabela 18. Dicionário de Dados da Tabela Taxonomia....78

8 RESUMO BASTEN, Thomas. Sistema para busca e estruturação de informações sobre proteínas. Itajaí, f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) Centro de Ciências Tecnológicas da Terra e do Mar, Universidade do Vale do Itajaí, Itajaí, Esse trabalho tem por objetivo o desenvolvimento de uma ferramenta computacional que, numa primeira etapa, busque todos os dados disponíveis em bancos de dados públicos sobre uma proteína, gerando um banco de dados local estruturado. Numa segunda etapa, tal ferramenta deve utilizar ferramentas de proteômica já desenvolvidas para extrair diversas informações que podem não estar contidas em um único banco de dados público, como estruturas secundárias e terciárias, motivos e domínios conservados, incluindo tais informações pós-processadas também no banco de dados. A realização deste projeto pode servir de base a outros projetos que pretendem identificar novas proteínas com base nas características próprias de grupos protéicos já conhecidos. Tal feito pode ser de grande relevância a pesquisadores da área de biologia molecular, uma vez que pode auxiliar a identificação de proteínas hipotéticas e proteínas sem função biológica conhecida. Palavras-chave: Bioinformática; Proteômica; Banco de dados

9 ABSTRACT This work goals the development of a computational tool that, in a first step, retrieves available data about certain protein from public databases and generates a structured local primary protein database. In a second step it will use already developed proteomic tools to extract several information from the primary database that may not exist in just one public database, such as secondary structures, motifs and conserved domains, and then including these extracted information in the local database. Based on this local database one can search for existent patterns in that proteic group that fully characterizes it and allow to identify hypothetic proteins. The development of this works may have great relevance to molecular biology s researchers because it can help identifying proteins with biologic function still unknown. Keywords: Bioinformatic, Proteomic, Database.

10 1. INTRODUÇÃO O uso da bioinformática é imprescindível para atender os desafios científicos relacionados ao grande volume de dados produzidos pelos atuais projetos na área biológica. Um dos desafios é determinar a função e o papel biológico das proteínas identificadas nas últimas décadas. Se os genes, contidos no DNA (DesoxirriboNucleic Acid, ou Ácido Desoxirribonucléico), são os portadores das instruções que permitem o desenvolvimento de um determinado organismo, as proteínas são as responsáveis por executarem essas instruções. São essas moléculas que formam os ossos, músculos e os demais tecidos e comandam o metabolismo (FALCÃO, 2004). As macromoléculas de DNA são compostas por seqüências de apenas quatro diferentes nucleotídeos, numa ordem específica. Apesar de serem seqüências muito grandes (milhões a trilhões de nucleotídeos), apenas alguns trechos do DNA possuem informações que serão traduzidas em proteínas. Esses trechos são chamados de genes. Por isso diz-se que o DNA é o código genético (ibidem). Num gene, uma seqüência de três nucleotídeos que podem codificar uma proteína forma um códon. Cada códon é o código para sua tradução num aminoácido, e vários aminoácidos ligados em seqüência linear formam uma proteína. Muitos consideram o conhecimento sobre os genes apenas o primeiro passo da bioinformática, sendo necessária ainda uma compreensão mais aprofundada dos processos que ocorrem após o armazenamento, a duplicação e a tradução do material genético. A chamada era pós-genômica começou com a constatação de que os dados trazidos pelo seqüenciamento das moléculas de DNA, embora relevantes, são limitados. É imprescindível investigar tanto os processos de transcrição das informações contidas no genoma quanto os seus produtos, as proteínas (PIMENTA, 2004). O proteoma é o conjunto de todas as proteínas de um dado organismo, do mesmo modo como genoma é um conjunto de genes de um dado organismo (CATES, 2004). O ser humano, por exemplo, tem cerca de meio milhão de proteínas (EXPASY, 2004). O termo proteoma foi originalmente usado por Mark Wilkins para descrever PROTEIn complement of the genome. Atualmente, esse termo é usado para descrever qualquer técnica usada para analisar as proteínas expressas por uma célula ou organismo sob determinadas condições. O Instituto Suíço de Bioinformática (Swiss Institute of Bioinformatics) define proteômica como comparação qualitativa e

11 quantitativa de proteomas sob diferentes condições para posterior resolução de processos biológicos (CATES, 2004). Considerando-se que uma célula desempenha suas funções de acordo com as enzimas ali presentes; que as enzimas atuam em substratos específicos segundo a forma de suas moléculas e que a forma da molécula de uma enzima é definida pela seqüência de aminoácidos presentes na cadeia polipeptídica, e que a seqüência de aminoácidos é definida pelos genes, então pode-se afirmar que os processos vitais que ocorrem na célula dependem, em última instância, do DNA (FARAH, 1997). As proteínas contêm uma estrutura em quatro níveis. A seqüência linear dos aminoácidos em uma cadeia polipeptídica é chamada estrutura primária da proteína. A estrutura secundária refere-se a inter-relações de aminoácidos que estão unidos em seqüência linear. Essa disposição especial resulta do fato de que os polipeptídeos podem se dobrar em estruturas que se repetem. Uma proteína também tem uma arquitetura tridimensional, chamada de estrutura terciária, que é a maneira pela qual a cadeia polipeptídica encurva-se ou dobra-se em três dimensões, formando a estrutura compacta firmemente enovelada das proteínas globulares. Em muitos casos, os aminoácidos que estão distantes na seqüência linear são aproximados na estrutura terciária. Além disso, geralmente, duas ou mais cadeias polipeptídicas dobradas se ligam para formar uma estrutura quaternária (GRIFFITHS, MILLER, JSUZIKI, 2001). A análise proteômica vai muito além da simples anotação de proteínas e pode fornecer indícios substanciais quanto à organização e à dinâmica dos processos metabólicos, regulatórios e de sinalização através dos quais a célula se desenvolve. Mais ainda, a análise proteômica pode mostrar como esses processos se tornam disfuncionais nos estados patológicos e como podem ser manipulados, mediante, por exemplo, a administração de medicamentos ou a terapia gênica (PIMENTA, 2004). Portanto, uma das grandes inovações prometidas pelo conhecimento dos proteomas, além do mapeamento de intrincados caminhos metabólicos celulares, é a possibilidade de identificar novos alvos farmacológicos, novas moléculas bioativas e marcadores biológicos que podem ser usados para diagnósticos clínicos. Pesquisas em bioinformática já produziram inúmeros resultados e ferramentas, que hoje formam a base necessária a novas pesquisas, resultados e ferramentas mais avançadas (ibidem). 2

12 Este projeto objetiva fornecer uma ferramenta que concentre todos os dados a respeito de um grupo protéico, de forma estruturada, incluíndo as informações geradas por ferramentas de proteômica e que não estão disponíveis em bancos de dados. Com base nessas informações estruturadas, pode-se buscar padrões existentes em um grupo protéico de forma a caracterizá-lo, e possibilitar também a identificação de outras proteínas descobertas, mas ainda não anotadas. A realização deste projeto pode servir de base a outros projetos que pretendem identificar novas proteínas com base nas características próprias de grupos protéicos já conhecidos. Tal feito pode ser de grande relevância a pesquisadores da área de biologia molecular, uma vez que pode permitir identificar proteínas hipotéticas e proteínas sem função biológica conhecida. Em relação à Ciência da Computação, este projeto é significante por combinar diversas técnicas estudadas, como processamento distribuído, banco de dados e soluções para Web. Além disso, este projeto possui um componente forte de pesquisa científica, por tratar de aspectos avançados de uma nova área (proteômica) e dar suporte a análises que podem produzir conhecimentos científicos relevantes OBJETIVOS Objetivo Geral O objetivo geral deste trabalho é desenvolver uma ferramenta computacional que, numa primeira etapa, busque todos os dados disponíveis em bancos de dados públicos sobre proteínas de determinado grupo e que já tenham função biológica conhecida e comprovada, gerando um banco de dados local estruturado com dados relacionados a esse grupo protéico. Numa segunda etapa, tal ferramenta deve utilizar ferramentas de proteômica já desenvolvidas para extrair diversas informações que podem não estar contidas em bancos de dados públicos, como estruturas secundárias e terciárias, alinhamentos entre as proteínas do grupo, motivos, domínios conservados, etc, incluindo tais informações pós-processadas também no banco de dados Objetivos Específicos 3

13 Os objetivos específicos deste projeto de pesquisa são: Pesquisar e compreender a formação, estruturas, propriedades físico-químicas, características e funções de proteínas; Pesquisar e compreender o funcionamento de ferramentas para proteômica já desenvolvidas; Pesquisar o acesso a bancos de dados biológicos e ferramentas para proteômica públicos; Modelar o banco de dados estruturado de informações proteicas; Modelar o sistema para busca, processamento e geração do banco de dados de proteínas; Implementar tal sistema; e Testar e validar o funcionamento do sistema para estruturação de informações sobre proteínas; 1.2. METODOLOGIA Para que este trabalho fosse realizado com sucesso, as tarefas foram divididas em etapas bem definidas, conforme a metodologia científica hipotetico-dedutiva, que foram seguidas para a sua realização. A etapa inicial foi a pesquisa e compreensão de proteínas quanto à sua formação, estrutura, propriedades, características e funções, pesquisa essa que pode ocorrer em diversas fontes de informação, tais como livros, artigos, dissertações, anais, periódicos e internet. Após a coleta de materiais encontrados nas fontes citadas acima, foi feita uma seleção daqueles que são considerados mais importantes, dando início à confecção da revisão bibliográfica. Paralelamente a essa etapa ocorria a pesquisa de soluções existentes para a classificação e busca de padrões em proteínas. Após o término das duas primeiras etapas, foi realizada a pesquisa por ferramentas de proteômica existentes de maneira que possa se compreender o seu funcionamento. Obteve-se como resultado uma tabela com suas vantagens e desvantagens. 4

14 Na quarta, iniciou-se os processos de pesquisa de formas de acesso à banco de dados biológicos e o uso das ferramentas de proteômica. Essas últimas contaram com a implementação de protótipo na linguagem de programação escolhida para desenvolvimento. Ao final das etapas de pesquisa, foi realizada a modelagem do banco de dados protéico, bem como a definição do banco de dados a ser utilizado e as ferramentas de criação. Em seguida teve-se o início da modelagem do sistema de busca, processamento e armazenamento das informações recolhidas, modelagem esta seguindo a metodologia UML. Como conclusão do trabalho foram desenvolvidas as aplicações principal e escrava com base no estudo realizado. 5

15 1.3. ESTRUTURA DO TRABALHO INTRODUÇÃO. Esse capítulo objetiva introduzir o leitor nos aspectos que serão obordados nesse trabalho alem de contém os objetivos gerais e específicos e a metodologia utilizada para a realização do trabalho. FUNDAMENTAÇÃO TEÓRICA. A fundamentação teórica é composta por três sessões: Biologia Molecular, Proteômica e Tecnologia Aplicada. Na sessão Biologia Molecular é descrito o que são as proteínas, como se formam, os tipos de estruturas que as compõe, o que são os seus motivos e domínios funcionais, assim como o modo que informações sobre proteínas são armazenadas em bancos de dados públicos e sua forma de acesso. Na sessão de Proteômica é descrito é que é proteômica e suas ferramentas. Já na sessão Tecnologia Aplicada são descritas as tecnologias necessárias e aplicadas para o desenvolvimento do trabalho, bem como a justificativa para o uso de tais tecnologias. DESENVOLVIMENTO. Esse capítulo contém a análise modelagem e projeto do sistema, bem como suas características e aspectos de implementação. CONCLUSÕES. Nas conclusões são feitos comentários sobre os objetivos alcançados com este trabalho; são apresentados pontos fortes e fracos do mesmo; algumas considerações e uma relação de possíveis trabalhos futuros. [FIM DE SEÇÃO. Não remova esta quebra de seção] 6

16 2. FUNDAMENTAÇÃO TEÓRICA 2.1. BIOLOGIA MOLECUAR Em 1869, o bioquímico suíço Friedtich Mieschner constatou pela primeira vez que todos os núcleos celulares provavelmente possuíam uma química específica. Em anos subseqüentes, ele descobriu várias substâncias do núcleo, as quais separou em proteínas e moléculas ácidas, daí o termo ácidos nucléicos (FARAH, 1997; GRIFFITHS, MILLER, JSUZIKI, 2001). Phoebus A. T. Levene, um químico natural da Rússia, também foi um pioneiro no estudo de ácidos nucléicos. Em 1909, Levene identificou corretamente a ribose como açúcar de um dos dois tipos de ácido nucléico, o ácido ribonucléico, e certos componentes do outro ácido nucléico, o ácido desoxirribonucléico. Ele e muitos de seus colaboradores estavam convencidos de que, com os ácidos nucléicos armazenavam todas as informações genéticas nos cromossomos. A teoria de Levene sobre o propósito do DNA (meramente manter unidas as moléculas de proteína) revelou-se incorreta (ibidem). O trabalho que levou à correção dessa suposição equivocada teve início em 1928 com bacteriologista inglês Fredrick Griffith (ibidem). Outro bacteriologista, Oswald T. Avery, juntamente com sua equipe, percebeu a importância do trabalho de Griffith e passou dez anos tentando identificar o agente que era a essência da transformação genética na bactéria. Finalmente, em 1944, Avery publicou os resultados de suas extensas pesquisas, os quais mostraram claramente que era o DNA, e não a proteína ou RNA, que armazena e transporte as informações hereditárias. Esse trabalho inaugurou a ciência da genética molecular. Na década de 1940, Alfred D. Hershey confirmou a conclusão do grupo de Avery de que o DNA, e não a proteína, é o material genético (ibidem). Segundo Amabis (2002 apud BIBLIOMED, 2002) os ácidos nucléicos são as maiores e as mais importantes moléculas orgânicas. Existem dois tipos de ácidos nucléicos, que são: DNA (que significa, em inglês, DesoxirriboNucleic Acid, ou ácido desoxirribonucléico). Ele tem esse nome porque o açúcar que o forma é a desoxirribose.

17 RNA (que significa, em inglês, RiboNucleic Acid, ou ácido ribonucléico). O seu nome vem do açúcar que o compõe, que é a ribose DNA O DNA é a molécula na qual estão contidas todas as características de um ser vivo, ou seja, é o portador da informação que caracteriza qualquer indivíduo (MELEIRO & FONSECA, 2001). O material responsável pelo comando e coordenação de toda a atividade celular e pelas divisões celulares e transmissões das características hereditárias são os cromossomos. Os cromossomos contêm os genes que por sua vez são formados por DNA, ilustrado na Figura 1. Estes genes permitem a transmissão das informações genéticas de geração a geração (BIOMANIA, 2002). Figura 1. Estrutura de um cromossomo, da dupla hélice do DNA e das bases nitrogenadas. Fonte: Adaptado de Yangene (2000). Nas células eucarióticas, o cromossomo é formado por DNA associado a moléculas de histona, que são proteínas básicas. É na molécula de DNA que estão contidos os genes, responsáveis pelo comando da atividade celular e pelas características hereditárias. Cada molécula de DNA contém vários genes dispostos linearmente ao longo da molécula. Cada gene, quando em atividade, é transcrito em moléculas de outros ácidos nucléicos denominados ribonucléicos ou RNA, que comandarão a síntese de proteínas (ibidem). 8

18 Nas células procarióticas, o cromossomo é uma única molécula de um ácido nucléico, e encontram-se imersos no próprio citoplasma formando uma estrutura denominada nucleóide. Nas células eucarióticas os cromossomos encontram-se separados do citoplasma pela membrana nuclear ou carioteca, em uma estrutura denominada núcleo. A presença de carioteca é uma característica típica das células eucarióticas, que as distingue das procarióticas. Além disso, as células procarióticas não apresentam organelas membranosas, como ocorre com as eucarióticas (BIOMANIA, 2002) NUCLEOTÍDEOS O DNA é uma molécula de ácido nucléico polimérica, como mostra a Figura 2. É composta de três tipos de unidades: um açúcar de cinco carbonos, a desoxorribose; uma base contendo nitrogênio; e um grupo fosfato. As bases são de dois tipos: purinas (formadas por dois anéis de carbono) e pirimidinas (formadas por um simples anel de carbono). No DNA existem duas bases purínicas, adenina (A) e guanina (G), e duas bases pirimidínicas, timina (T) e citosina (C), como ilustrado na Figura 3 (THOMPSON, 2000). Figura 2. Nucleotídeo Timina. Fonte: Adaptado de Thompson (2000). 9

19 Figura 3. Bases nitrogenadas que compõe o DNA. Fonte: Adaptado de Thompson (2000). A molécula de açúcar e o fosfato são componentes invariáveis nos nucleotídeos e apresentam uma função unicamente estrutural na molécula de DNA. A fim de evitar qualquer tipo de confusão, quando os números referem-se a moléculas de desoxirribose eles são seguidos pelo sinal linha ( ) (ibidem). Milhares de nucleotídeos empilham-se em forma linear para construir uma cadeia de DNA. O grupo fosfato liga o carbono 3 da desoxirribose de um nucleotídeo ao carbono 5 da desoxirribose do nucleotídeo seguinte, por meio de uma ligação fosfodiéster. A quantidade de T é sempre igual à quantidade de A, e a quantidade de C é sempre igual à quantidade de G. Mas a quantidade de A + T não é necessariamente igual à quantidade de G + C. Essa proporção varia entre os organismos diferentes (GRIFFITHS, MILLER, JSUZIKI, 2001) ESTRUTURA DO DNA Na dupla hélice do DNA, descrita pela primeira vez por Watson e Crick em 1953, as cadeias da molécula se dobram em torno de um eixo comum e de modo antiparalelo, ou seja, enquanto uma vai na direção 5 para 3 a outra está orientada na direção oposta, de 3 para 5. Cada metade é uma cadeia de nucleotídeos (ocupando a parte interna da hélice) mantidos juntos por ligações de 10

20 fosfodiéster, nas quais um grupo fosfato forma uma ponte entre os grupos OH em duas desoxirriboses adjacentes (ocupam a parte externa da hélice). As duas hélices são mantidas unidas por pontes de hidrogênio (GRIFFITHS, MILLER, JSUZIKI, 2001). As pontes de hidrogênio são formadas entre pares de bases nitrogenadas, uma base purina e outra pirimidina, combinadas de acordo com a seguinte regra: G combina com C e A combina com T. A ilustração da dupla hélice do DNA pode ser visto na Figura 4 (FARAH, 1997). Figura 4. A Dupla hélice do DNA Fonte: (Access, 2001). xxx 11

21 Genes Até o final da década de 1970, o gene era considerado simplesmente como um segmento de uma molécula de DNA que continha o código para a seqüência de aminoácidos de uma cadeia polipeptídica (proteína) (FARAH, 1997). Segundo Thompson, Mcinnes e Willard (1998), atualmente sabe-se que a descrição acima é incompleta. Na verdade, bem poucos genes existem como seqüências codificadas contínuas. Em eucariontes, por exemplo, essas seqüências são interrompidas por íntrons, seqüências intercalares, que são inicialmente transcritas em RNA no núcleo mas não estão presentes no mrna processado, portanto não são representadas no produto protéico final. Os íntrons alternam-se com as seqüências codificadoras, ou éxons, que codificam a seqüência de aminoácidos de uma proteína. Embora alguns genes no genoma humano não possuam íntrons, a maioria dos genes em eucariontes contém pelo menos um e, em geral, vários (ibidem). Os genes estão localizados nos cromossomos no núcleo celular e se alinham ao longo de cada um deles. O material genético é o DNA, uma molécula que representa a "coluna vertebral" do cromossomo. Como em cada cromossomo o DNA é uma molécula contínua, alongada, simples e delgada, os genes devem ser parte dela e exercem seus efeitos através das moléculas às quais dão origem, em sua maioria das proteínas (FARAH, 1997) Funcionamento dos Genes Os genes controlam a síntese de proteínas que, quando atuam no organismo, determinam as características fenotípicas dos seres vivos. Cada gene ocupa um lugar certo no cromossomo e este lugar é chamado de locus. Os genes que ocupam o mesmo lócus em cromossomos homólogos são denominados alelos (FARAH, 1997; GRIFFITHS, MILLER, JSUZIKI, 2001; THOMPSON, MCINNES, WILLARD, 1998). Os genes provêem as instruções para as células produzirem as proteínas essenciais à vida do organismo. Embora cada célula do corpo contenha genes idênticos, alguns genes somente estão 12

22 ativados ou "ligados" em certas células ou em certos momentos (por exemplo, não há necessidade de um gene responsável pela cor dos olhos estar ligado em uma célula do coração, mesmo que esse gene esteja presente na célula do coração). Alguns genes são ligados somente durante o tempo que um órgão ou tecido está sendo formado, ou somente durante a puberdade, ou somente durante períodos de estresse (FARAH, 1997; GRIFFITHS, MILLER, JSUZIKI, 2001; THOMPSON, MCINNES, WILLARD, 1998) RNA A composição do RNA é muito semelhante ao do DNA, ilustrado na Figura 5, contudo apresenta algumas diferenças: o RNA possui uracila no lugar da timina na seqüência de bases; ao invés de conter a desoxirribose ele contém a ribose; o RNA é formado por uma fita única, com eventual pareamento de bases intracadeia; a molécula do RNA é muito menor que a do DNA (THOMPSON, MCINNES, WILLARD, 2000). A síntese de uma molécula de RNA a partir de um molde de DNA chama-se transcrição. Essa transcrição ocorre quando uma molécula de DNA abre-se em um determinado ponto. Nucleotídios livres na célula vão se pareando a esse segmento aberto. Completado o pareamento a esse segmento aberto, está pronta a molécula do RNA, o DNA que serviu de molde reconstitui a molécula original (WIKIPEDIA, 2006). Figura 5. Nucleotídeo Uracila. Fonte: Adaptado de Thompson, Mcinnes, Willard (2000). 13

23 RNA. A Figura 6 mostra os quatro tipos de bases nitrogenadas encontradas em uma cadeia de Figura 6. Bases nitrogenadas que compõe o RNA. Fonte: Adaptado de Thompson, Mcinnes, Willard (2000). Existem 3 tipos de RNA, cada um com características estruturais e funcionais próprias: RNA Ribossômico: ou RNAr é encontrado, em associação com várias proteínas diferentes, na estrutura dos ribossomos, as organelas responsáveis pela síntese protéica. Corresponde a até 80% do total de RNA da célula (THOMPSON, MCINNES, WILLARD, 2000). RNA de Transferência: ou RNA Transportador, ou ainda RNAt é a menor molécula dos 3 tipos de RNA. Pode se ligar de forma específica a cada um dos 20 aminoácidos encontrados nas proteínas. Corresponde a 15% do RNA total da célula. Fazem um extenso pareamento de bases intracadeia, e atua no posicionamento dos aminoácidos na seqüência prevista pelo código genético, no momento da síntese protéica (ibidem). RNA Mensageiro: ou mrna, corresponde a apenas 5% do total de RNA da célula. Atua transportando a informação genética do núcleo da célula eucariótica ao citosol, onde ocorrerá a biossíntese protéica. É utilizado como molde nesta biossíntese. (ibidem). 14

24 AminoácidoS Um aminoácido (aa) é molécula composta por um radical amino (NH2), um radical ácido orgânico (COOH) e uma cadeia lateral, cujas propriedades lhes darão suas características particulares (GENTIL, 2002). Os aminoácidos podem se unir em cadeias e combinações químicas, produzindo peptídeos e proteínas, daí a famosa afirmação de que os aas são os blocos formadores de proteínas. Ao todo existem 20 tipos básicos de aminoácidos, dentre os quais nove (Isoleucina, Leucina, Valina, Histadina, Lisina, Metionina, Fenilalanina, Treonina e Triptofano) são considerados essenciais e devem ser obtidos pela alimentação, pois nosso corpo não é capaz de produzí-los. Todas as proteínas encontradas em nosso corpo (tecidos, enzimas, alguns hormônios...) são combinações destes 20 aminoácidos (ibidem) PROTEÍNAS As proteínas são as macromoléculas mais abundantes nas células vivas, constituíndo cerca de 50% de seu peso seco. São encontradas em todas as células do organismo e em todas as partes das células. Possuem grande diversidade sendo que podem existir centenas de tipos diferentes em uma única célula. Um organismo biológico possui milhares de diferentes tipos de proteínas, as quais são constituídas basicamente de aminoácidos ligados em cadeias lineares por meio de ligações peptídicas. Forças intramoleculares ativas fazem com que a proteína assuma uma estrutura tridimensional específica que está diretamente relacionada às suas funções biológicas (LEHNINGER, NELSON, COX, 1998; FARAH, 1997) Estrutura das proteínas A estrutura das proteínas é extraordinariamente complexa e seu estudo requer o conhecimento de vários níveis de organização. Destingem-se quatro níveis de organização 15

25 existentes nas proteínas, os quais são chamados de estrutura primária, secundária, terciária e quaternária. Uma proteína nascente pode ser composta pelos aminoácidos listados na Tabela 1. Tabela 1. Lista de aminoácidos que podem compor uma proteína. Símbolo 3 letras Símbolo de 1 letra Nome do Aminoácido Ala A Alanina Asx R Asparagina Cis ou Cys C Cisteína Asp D Aspartato Glu Q Glutamato Fen ou Phe F Fenilalanina Gli ou Gly G Glicina His H Histidina Ile I Isoleucina Lis ou Lys K Lisina Leu L Leucina Met M Metionina Pro P Prolina Gln E Glutamina Arg R Arginina Ser S Serina Ter ou Thr T Treonina Val V Valina Trp W Triptofano Tir ou Tyr Y Tirosina 16

26 Estrutura Primária A estrutura primária de uma proteína é a seqüência linear dos aminoácidos em uma cadeia polipeptídica (GRIFFITHS, MILLER, JSUZIKI, 2001; MOTTA, 2004; ALBERTS, BRAY, LEWIS, 1997). A Figura 7 aponta um exemplo de estrutura primária de uma proteína. Figura 7. Exemplo de estrutura primária de uma proteína. Fonte: Adaptado de Horton, Moram, Ochs (1995) Estrutura Secundária A estrutura secundária refere-se a inter-relações de aminoácidos que estão unidos em seqüência linear. Essa disposição especial resulta do fato de que os polipeptídicos podem se dobrar em estruturas que se repetem. Neste nível de estrutura encontram-se arranjos regulares chamados de -hélice e folha- conforme ilustrado na Figura 8, e outros arranjos não regulares (GRIFFITHS, MILLER, JSUZIKI, 2001; MOTTA, 2004; ALBERTS, BRAY, LEWIS, 1997). As estruturas secundárias mais comuns são as hélices e os planos apresentados a seguir. Figura 8. Exemplo de Estrutura Secundária. Fonte: Adaptado de Horton, Moram, Ochs (1995). 17

27 -hélice Na estrutura -hélice, ilustrada na Figura 9, a molécula polipeptídica apresenta-se como uma hélice orientada para a direita como se estivesse em torno de um cilindro, mantida por pontes de hidrogênio arranjadas entre os grupos C=O e o H-N das ligações peptídicas. Cada volta da hélice corresponde a 3,6 resíduos de aminoácidos (MOTTA, 2004). Uma -hélice pode ser composta pelos aminoácidos Alanina (Ala), Leucina (Leu) e pelo ácido glutâmico (Glu). A presença dos aminoácidos prolina e hidroxiprolina, cujas estruturas cíclicas relativamente rígidas não se encaixam à hélice (Figura 9), forçam a cadeia a dobrar-se rompendo a estrutura secundária regular. Esse dois aminoácidos, também como a glicina, favorecem a formações de conformação folha-. Seqüências polipeptídicas com grande número de aminoácidos com carga e grupos R volumosos são incompatíveis com a estrutura helicoidal pelos efeitos provocados por suas cadeias laterais (ibidem). Figura 9. Estrutura Secundária -hélice Fonte: Adaptado de Alberts, Bray, Lewis (1997). folha- A estrutura de folha- resulta da formação de pontes de hidrogênio entre duas ou mais cadeias polipeptídicas adjacentes. As pontes de hidrogênio ocorrem entre os grupos C=0 e N-H de ligações peptídicas pertencentes a cadeias polipeptídicas vizinhas em vez de no interior da cadeia. 18

28 Diferentemente das -hélices, as cadeias polipeptídicas da folha- estão quase inteiramente estendidas, como pode ser observado na Figura 10 (MOTTA, 2004). Uma folha- pode ser composta pelos aminoácidos Valina (Val), Isoleucina (Ile), Cisteína (Cys) e pelo aminoácido Fenilalanina (Phe). Figura 10. Estrutura Secundária Folha- Fonte: Adaptado de Alberts, Bray, Lewis (1997). Laço (Turn) Os laços, ilustrados na Figura 11, são o terceiro tipo das estruturas secundárias clássicas, e são responsáveis pela reversão da direção da cadeia polipeptídica. Eles são localizados na superfície polar da proteína, e contêm resíduos com carga (QMCWEB, 2004). Os laços podem ser compostos pelos aminoácidos Glicina (Gli), Aspartato (Asp) e pelo aminoácido Prolina (Pro). 19

29 Figura 11. Estrutura Secundária Laço (Turn). Fonte: Adaptado de Horton, Moram, Ochs (1995). As -hélices e as folhas- são classificadas como estruturas secundárias regulares, pois seus componentes exibem conformações estruturais periódicas. Dependendo da natureza das cadeias laterais dos aminoácidos presentes, as -hélices e as folhas- podem apresentar-se levemente distorcidas em sua conformação específica. Muitas proteínas apresentam combinações de estruturas -hélice e folha- em proporções variadas. As combinações produzem vários arranjos denominados de estruturas supersecundárias ou motivos. Alguns exemplos destas formações podem ser observados na Figura 12, os quais são: unidade, grampo, meandro; chave grega; sanduíche. Figura 12. Exemplo de Estrutura Supersecundárias. (a) Motivo ; (b) Motivo Grampo ; (c) Motivo Meandro; (d) Motivo Chave grega; (e) Motivo Sanduíche. Fonte: Motta (2004). 20

30 Estrutura Terciária A maneira pela qual a cadeia polipeptídica encurva-se ou dobra-se em três dimensões, formando a estrutura compacta firmemente enovelada das proteínas globulares é chamada estrutura terciária (GRIFFITHS, MILLER, JSUZIKI, 2001; MOTTA, 2004; ALBERTS, BRAY, LEWIS, 1997). A Figura 13 ilustra um exemplo de estrutura terciária de uma proteína. Figura 13. Estrutura terciária Fonte: Adaptado de Horton, Moram, Ochs (1995). Por existir apenas um número limitado de maneiras de se combinar -hélices e folhas-, certas combinações destes elementos ocorrem repetidamente no centro de muitas proteínas nãorelacionadas. Várias combinações de motivos formam um domínio protéico, que é tipicamente uma estrutura compacta, cuja superfície é coberta por alças salientes e tem um formato irregular, geralmente formando sítios de ligação para outras moléculas (LODISH, BERK, ZIPURSKY, 1999; ALBERTS, BRAY, LEWIS, 1997). Um domínio protéico geralmente contém de 40 a 350 aminoácidos e leva a crer que são as unidades modulares, a partir das quais as proteínas são constituídas. Embora pequenas proteínas possam conter apenas um domínio, a maioria possui de 2 a 4 domínios, que são geralmente conectados por regiões de cadeia polipeptídica sem função específica (ibidem). 21

31 Estrutura Quaternária Geralmente, duas ou mais cadeias polipeptídicas dobradas se ligam para formar uma estrutura quaternária (GRIFFITHS, MILLER, JSUZIKI, 2001; MOTTA, 2004; ALBERTS, BRAY, LEWIS, 1997). Um exemplo de estrutura quaternária pode ser visto na Figura 14. Figura 14. Estrutura quaternária Fonte: Adaptado de Horton, Moram, Ochs (1995) Funções das Proteínas Segundo BIOMANIA (2002) e Farah (1997), as proteínas podem ser classificadas de acordo com a sua função no organismo, tais como: Função Estrutural - As proteínas estruturais participam como matéria-prima na construção de estruturas celulares. Função Hormonal - Muitos hormônios são, na verdade, proteínas especializadas na função de estimular ou inibir a atividade de determinados órgãos. 22

32 Função de Defesa - No sistema imunológico do ser humano, existem células especializadas na identificação de proteínas presentes nos organismos invasores, que serão consideradas "estranhas". Estas proteínas invasoras denominam-se antígenos e estimulam o organismo a produzir outras proteínas especializadas no combate às invasoras. Estas proteínas de defesa são denominadas anticorpos e combinam-se quimicamente aos antígenos com o objetivo de neutralizá-los. Deve-se salientar o fato de que existe uma determinada especificidade entre antígeno e anticorpo. Ou seja, um anticorpo só neutralizará o antígeno que estimulou a formação desse anticorpo. Os anticorpos são produzidos em células especializadas do sistema imunológico denominadas plasmócitos. Função Nutritiva - Todos os alimentos ricos em proteína, como as carnes em geral, são fontes naturais de aminoácidos indispensáveis aos seres vivos para a produção de outras proteínas. Função Reguladora - Esta função é desempenhada por um grupo especial de proteínas denominadas vitaminas. As células dos vegetais clorofilados e certos microrganismos, como bactérias, possuem a capacidade de produzirem vitaminas. Nos animais se dá através do processo de nutrição. Cada vitamina tem um papel biológico próprio, por isso não pode ser substituída por outra. A carência de uma determinada vitamina faz surgir um quadro de distúrbios orgânicos denominado hipovitaminose. O excesso de vitaminas pode acarretar uma hipervitaminose. As vitaminas são classificadas de acordo com a sua solubilidade em água ou em lipídios. Existem as vitaminas hidrossolúveis, como as do complexo B (B1, B2, B6 e B12) e a vitamina C. As lipossolúveis são as vitaminas A, D, E, K. Função Enzimática - As enzimas são proteínas especiais com função catalítica, ou seja, aceleram reações bioquímicas que ocorrem nas células. Assim como os anticorpos, apresentam especificidade em relação à reação ou substância em que atuam. Isso se deve ao fato de cada enzima possuir em sua estrutura um ou mais pontos que se encaixam perfeitamente no seu substrato que sofrerá sua ação. 23

33 Coagulação sangüínea - vários são os fatores da coagulação que possuem natureza protéica. Transporte - pode-se citar como exemplo a hemoglobina, proteína responsável pelo transporte de oxigênio no sangue (BIOMANIA, 2002) Bancos de Dados Biológicos Os bancos de dados envolvendo seqüências de nucleotídeos, de aminoácidos ou estruturas de proteínas podem ser classificados em bancos de seqüências primários e secundários (BIOESFERA, 2001) Banco de Dados Primários Os bancos de dados primários são formados pela deposição direta de seqüências de nucleotídeos, aminoácidos ou estruturas protéicas, sem qualquer processamento ou análise. Os principais bancos de dados primários são o GenBank, o EBI (European Bioinformatics Institute), o DDBJ (DNA Data Bank of Japan) e o PDB (Protein Data Bank). Atualmente a maioria das revistas científicas exige que as seqüências identificadas pelos laboratórios sejam submetidas a um destes bancos antes mesmo da publicação do artigo (PROSDOCIMI, CERQUEIRA, BINNECK, 2004) Banco de Dados Secundários Os bancos de dados secundários são aqueles que derivam dos primários, ou seja, são formados usando as informações depositadas nos bancos primários. Por exemplo, o Swiss-Prot é um dos principais bancos de dados sobre proteínas, onde as informações sobre seqüências de proteínas foram anotadas e associadas a informações sobre função, domínios funcionais, proteínas homólogas e outros (PROSDOCIMI, CERQUEIRA, BINNECK, 2004). Outro exemplo de banco de dados secundário é o PRODOM, que é um banco de dados de proteínas e consiste de uma compilação automática de domínios homólogos (PRODOM, 2004). 24

34 O Swiss-Prot foi criado em 1986 pelo Departamento de Bioquímica Médica da Universidade de Genebra e EMBL. Atualmente é mantido pelo Swiss Institute of Bioinformatics (SIB) e EBI/EMBL. Este banco mantém um alto nível de anotações, como a descrição e a função da proteína, estrutura dos seus domínios, modificações pós-tradução, além de ter uma estrutura que facilita o acesso computacional a diferentes campos de informações. TrEMBL é um suplemento do Swiss-Prot que contém todas as traduções das entradas de seqüências de nucleotídeos do EMBL, ainda integradas ao Swiss-Prot (SWISS-PROT, 2004). O PROSITE foi o primeiro banco de estruturas a ser desenvolvido e é mantido atualmente pelo Swiss Institute of Bioinformatics. É baseado na filosofia de que famílias de proteínas podem ser agrupadas através de motivos, o que pode ser obtido através do alinhamento múltiplo de seqüências já conhecidas. Esses motivos geralmente estão associados à sua função biológica. No PROSITE, os motivos são codificados como expressões regulares ou "padrões". O processo usado para obter estes padrões envolve a construção de alinhamentos múltiplos e a inspeção manual para a identificação de regiões conservadas. A informação assim obtida é transformada em expressões de consenso e o resultado é usado como dados de entradas para buscas no Swiss-Prot (LBMP, 2004). Um exemplo do uso desse banco de dados pode ser visto na Figura

35 Figura 15. Sistema de busca no banco de dados PROSITE. Como resultado da busca tem-se a Figura 16, que ilustra os motivos encontrados na proteína 3MG_HUMAN. 26

36 Figura 16. Resultados obtidos pela busca no banco de dados PROSITE PROTEÔMICA Apenas um número pequeno de proteínas possui sua função bem caracterizada e, devido a isso, os anotadores de seqüências geralmente classificam-nas em grupos ou famílias a partir de similaridades encontradas com proteínas de outras espécies, sendo essa uma rica fonte para a anotação funcional. É bom lembrar, entretanto, que devido à forma como a evolução acontece, nem sempre proteínas da mesma família possuem funções similares (ALBERTS, BRAY, LEWIS, 1997). Apesar do fato de várias técnicas recentes terem sido desenvolvidas para identificar automaticamente as proteínas pertencentes a diferentes grupos ortólogos (proteínas com a mesma função em diferentes organismos), muitas delas podem ter classificações ambíguas. Na prática, o que é normalmente feito é a classificação das proteínas preditas com base em domínios funcionais, configurações espaciais e presença de padrões conservados, além de pesquisa ampla de similaridade e identidade contra proteínas bem caracterizadas. 27

37 O desenvolvimento de técnicas para o seqüênciamento de moléculas de DNA permitiu determinar seqüências de aminoácidos de milhares de proteínas a partir da seqüência de nucleotídeos de seus genes. Bancos de dados de proteínas estão disponíveis para pesquisa de possíveis seqüências homólogas entre proteínas recém-seqüenciadas e outras previamente estudadas com estrutura e funções definidas. Como resultado dessa pesquisa é comum encontrar uma proteína recém-seqüenciada que é homóloga a uma parte de outra proteína, indicando que a maioria das proteínas devem descender de ancestrais comuns. O campo de análises de seqüências tornou-se importante, pois a seqüência da biomolécula, DNA ou proteína, possui grande quantidade de informação sobre sua função e história (LOURENÇO, 2004). A comparação de seqüências biológicas é baseada no critério de evolução. Quando seqüências são comparadas ou alinhadas, algumas vezes duas ou mais seqüências mostram-se similares. Essa similaridade pode ser devida a uma homologia (implica ancestral comum) ou apenas acaso, sem que as seqüências tenham tido uma origem comum. Comparações entre proteínas são importantes porque estruturas relacionadas geralmente implicam funções relacionadas. Anos de pesquisa podem ser poupados pelo descobrimento de uma seqüência de aminoácidos homóloga a uma proteína de função conhecida Ferramentas para Proteômica Segundo EXPASY (2006) em 2006 existiam cerca de estruturas de proteínas disponíveis no banco de dados Swiss-Prot, e este número está aumentando a cada ano. Uma maneira simples e rápida de acessar toda a informação contida nos bancos de dados de proteínas é fundamental para trabalhar com esse enorme volume de dados estruturais. O EMBOSS (European Molecular Biology Open Software Suíte) é um conjunto de programas com ferramentas para a visualização e análise estrutural de proteínas. Através de um dos seus diversos módulos disponíveis é possível determinar a estrutura secundária de uma proteína. Esse módulo é chamado de Garnier, que utiliza como parâmetros de entrada a seqüência da proteína a ser analisada (EMBOSS, 2004). O ExPASy (EXpert Protein Analysis System) é um servidor de ferramentas para proteômica e é dedicado à análise de seqüências e estruturas de proteínas, disponibilizando bancos de dados, ferramentas computacionais, cursos e serviços educacionais, documentações, hiperlinks diversos e 28

38 ferramentas de busca em diversos bancos de dados, dentre eles o Swiss-Prot e o PROSITE, os quais que serão utilizados nesse trabalho (EXPASY, 2004). O Pfam Search Engine é uma ferramenta de busca de domínios de proteínas nos mais respeitados bancos de dados, tais como o Prosite, Swiss-Prot e o Protein Data Bank. A busca se dá através do número do registro. As Figuras 16 a 19 mostram o acesso a essa ferramenta em busca de domínios da proteína com nome de registro 3MG_HUMAN. Figura 16. Página inicial do sistema de busca de domínios PFam. 29

39 Após preenchimento dos campos necessários e executar a busca, o sistema apresenta uma tela de resultados como a da Figura 17. Figura 17. Resultados obtidos pelo sistema de busca de domínios PFam. A Figura 17 mostra os dois domínios encontrados na proteína 3MG_HUMAN representados por barras horizontais com padrões distintos. 30

40 2.3. TECNOLOGIA APLICADA proposto. Esta seção descreve as tecnologias a serem utilizadas para desenvolvimento do sistema PROCESSAMENTO PARALELO E DISTRIBUÍDO Quando se avalia o custo de micros pessoais PC, encontra-se ótima relação preço/performance. Porém, quando se coloca uma máquina, independente para cada usuário, tem-se a dificuldade de compartilhar os dados. Além da comunicação necessária entre os usuários, é desejável o compartilhamento de recursos oferecidos por cada máquina. Este compartilhamento é possível se as máquinas estiverem interligadas em rede. Assim um sistema distribuído pode ser implementado com computadores pessoais ligados em rede a servidores, os quais executariam os processos mais pesados de forma distribuída (LaCPaD, 2006). Segundo Buyya (1999), a principal razão para a criação e o uso de computadores paralelos é que o paralelismo é uma das melhores formas de resolver o problema de gargalo de processamento em sistemas de um único processador. A relação preço/performance de um pequeno sistema de processamento distribuído em rede é muito melhor se comparado com um minicomputador. O grande objetivo do processamento paralelo/distribuído é aumentar o desempenho de aplicações que necessitam de grande poder computacional e que são pouco eficientes quando executadas seqüencialmente. Para tanto, o aumento de desempenho é obtido particionando-se uma tarefa em tarefas menores e executando-as em diferentes processadores, paralelamente. Um conjunto de processadores interconectados é a definição mais simples de um ambiente paralelo/distribuído (LaCPaD, 2006). Vários fatores explicam a necessidade do processamento paralelo. O principal deles trata-se da busca por maior desempenho. As diversas áreas nas quais a computação se aplica, sejam científicas, industriais ou militares, requerem cada vez mais poder computacional, em virtude dos 31