Ferramentas da Bioinformática para a descodificação do ADN. Daniel Sobral Unidade de Bioinformática do IGC

Transcrição

1 Ferramentas da Bioinformática para a descodificação do ADN Daniel Sobral Unidade de Bioinformática do IGC

2 A informação de todos os seres vivos transmite-se através do ADN A célula é feita sobretudo de proteínas (cadeias de 20 aminoácidos) Mas a informação está no ADN (cadeias de 4 nucleótidos)

3 Já nos anos 60 se descobriu um código genético (quase) universal A célula é feita sobretudo de proteínas (cadeias de 20 aminoácidos) Mas a informação está no ADN (cadeias de 4 nucleótidos) François Jacob and Jacques Monod. Journal of Molecular Biology (1961)?? Google cache

4 Já nos anos 60 se descobriu um código genético (quase) universal candelalearning.com

5 A partir dos anos 70 começou-se a poder ler o ADN com eficiência Nobel Media Genoma Humano: 3x10 9 nucleótidos 1º Genoma ( ): 3x10 9 em 10 anos Hoje em dia: < 10 4 em menos de 1 semana (por outro lado, as proteínas mesmo hoje não são assim tão simples de ler)

6 Tornou-se então possível pensar na descodificação do código da vida atctggtctcgatcgatcgatccggtacgttttcatcgctccggtacgttatattcgacgatttcgacgttcgacgc gattatcgatccggtacgttcggtttcgacgtatcgacgcgatccggtacgttatgacgagttctcgacgttcgac gcgttatgacgagtttcccggtacgttcggttctctcggtcttcgaacgttcggtttctcggtattacgttcggtttct cggtttacgttcggtttctcggtttacacgttcggtcttctcggttctggtttctcggtttacgttcggttatctcggtt? tcgatccggtacgttcggtcgatccggtacgttcggtcgatccggtacgttcgccggtacgttatgacgagttctc gacgttcgacgcgttatgacgagtttcccggtacgttcggttctctcggtcttcgaacgttcggtttctcggtatta cgttcggtttctcggtttacgttcggtttctcgccggtacgttatgacgagttctcgacgttcgacgcgttatgacg agtttcccggtacgttcggttctctcggtcttcgaacgttcggtttctcggtattacgttcggtttctcggtttacgtt cccggtacgttcggttctctcggtcccggtacgttcggttctctcggtcccggtacgttcggttctctcggtcccgg tacgttcggttctctcggtgttctctcggccgtcctgttcggttctctcggtcccggtacgttcggttctctcggtgtt ctctcggccgtcctgttcggttctctcggtcccggtacgttcggttctctcggtgttctctcggccgtcctgttcggtt ctctcggtcccggtacgttcggttctctcggtgttctctcggccgtcct Como interpretar esta sequência?

7 Mas o código da vida não é fácil atctggtctcgatcgatcgatccggtacgttttcatcgctccggtacgttatattcgacgatttcgacgttcgacgc gattatcgatccggtacgttcggtttcgacgtatcgacgcgatccggtacgttatgacgagttctcgacgttcgac gcgttatgacgagtttcccggtacgttcggttctctcggtcttcgaacgttcggtttctcggtattacgttcggtttc tcggtttacgttcggtttctcggtttacacgttcggtcttctcggttctggtttctcggtttacgttcggttatctcggt? ttcgatccggtacgttcggtcgatccggtacgttcggtcgatccggtacgttcgccggtacgttatgacgagttct cgacgttcgacgcgttatgacgagtttcccggtacgttcggttctctcggtcttcgaacgttcggtttctcggtatt acgttcggtttctcggtttacgttcggtttctcgccggtacgttatgacgagttctcgacgttcgacgcgttatgac gagtttcccggtacgttcggttctctcggtcttcgaacgttcggtttctcggtattacgttcggtttctcggtttacgt tcccggtacgttcggttctctcggtcccggtacgttcggttctctcggtcccggtacgttcggttctctcggtcccg gtacgttcggttctctcggtgttctctcggccgtcctgttcggttctctcggtcccggtacgttcggttctctcggtgt tctctcggccgtcctgttcggttctctcggtcccggtacgttcggttctctcggtgttctctcggccgtcctgttcggt tctctcggtcccggtacgttcggttctctcggtgttctctcggccgtcct atg: códão de iniciação do gene (metionina) (qual deles é o verdadeiro início do gene?)

8 Aos poucos foram-se descobrindo padrões ATG Oxford Genetics Estes padrões permitem identificar com maior probabilidade onde estão os genes

9 Mas a Natureza é complicada Distâncias grandes e variáveis (mais difícil encontrar padrões ) Genes repartido em partes Entre muitas outras complicações!

10 Mas a Natureza é complicada Definir onde está um gene nem sempre é fácil Vários padrões alternativos Distâncias variáveis James Kadonaga

11 Mas a Natureza é complicada geneinfinity.org Padrões para definir as várias partes dos genes (exões)

12 Mas a Natureza é complicada Em organismos complexos, padrões que definem início dos genes não têm distâncias bem definidas e não estão sempre presentes (eg. TATA só está em 25% dos genes) Em muitos genes o que existe são ilhas de CpG Mini Projeto 1

13 A Natureza é complicada e fascinante Campbell s book Como se gera um organismo inteiro a partir da fusão entre duas células?

14 Cada tipo de célula precisa de genes (proteínas) diferentes Arthur s clipart

15 As células têm todas a mesma origem (partilham o mesmo código genético) Public Domain: US Gov

16 Alguns genes precisam de ter a sua expressão limitada/regulada Os genes para processar arabinose em bactérias só ativam quando este açúcar está disponível no ambiente e glucose não está presente. igem.org No ADN está codificado (pelo menos em parte) quando e onde os genes se ativam

17 Parte desta regulação é feita por proteínas que se ligam ao ADN Fatores de Transcrição Robert Tjian

18 Fatores de transcrição atuam ao reconhecerem motivos no ADN

19 O enigma do DNA lixo Genoma Humano: ~3x10 9 nucleótidos Só 2% codifica proteínas O que faz o resto? Alguns pensam que é lixo Neste lixo está código para regular genes

20 É importante encontrar os motivos onde se ligam fatores de transcrição Muitas (~90%) das mutações implicadas em doenças não afetam diretamente a proteína Pensa-se que em muitos casos essas mutações afetem a regulação de expressão dos genes

21 Mas encontrar estes sítios é como procurar uma agulha num palheiro atctggtctcgatcgatcgatccggtacgttttcatcgctccggtacgttatattcgacgatttcgacgttcgacgcgattatcgatccggtacgttcgg tttcgacgtatcgacgcgatccggtacgttatgacgagttctcgacgttcgacgcgttatgacgagtttcccggtacgttcggttctctcggtcttcga acgttcggtttctcggtattacgttcggtttctcggtttacgttcggtttctcggtttacacgttcggtcttctcggttctggtttctcggtttacgttcggtt atctcggtttcgatccggtacgttcggtcgatccggtacgttcggtcgatccggtacgttcgccggtacgttatgacgagttctcgacgttcgacgcgt tatgacgagtttcccggtacgttcggttctctcggtcttcgaacgttcggtttctcggtattacgttcggtttctcggtttacgttcggtttctcgccggta cgttatgacgagttctcgacgttcgacgcgttatgacgagtttcccggtacgttcggttctctcggtcttcgaacgttcggtttctcggtattacgttcgg tttctcggtttacgttcccggtacgttcggttctctcggtcccggtacgttcggttctctcggtcccggtacgttcggttctctcggtcccggtacgttcg gttctctcggtgttctctcggccgtcctgttcggttctctcggtcccggtacgttcggttctctcggtgttctctcggccgtcctgttcggttctctcggtcc cggtacgttcggttctctcggtgttctctcggccgtcctgttcggttctctcggtcccggtacgttcggttctctcggtgttctctcggccgtcct Motivos são pequenos (6-30 bases) Temos de procura-los em milhares de bases

22 Felizmente há estratégias para facilitar

23 Felizmente há estratégias para facilitar Procurar apenas nos promotores de genes expressos em condições particulares Procurar zonas conservadas evolutivamente Técnicas experimentais para selecionar apenas as zonas onde o fator está ligado ao ADN

24 Problema de encontrar motivos Entrada: Conjunto de sequências relacionadas Saída: Motivo(s) mais enriquecidos Caso Ideal: - Motivo perfeito, em todas as sequências Realidade: - Motivo imperfeito, em algumas sequências - Combinação de motivos ( gramáticas )

25 Problema de encontrar motivos No caso Ideal: Como definir um motivo (probabilidade)? Como descobrir o tamanho do motivo? No caso Real: Como contruir um motivo imperfeito? Como integrar dependências entre posições?

26 Algumas abordagens Assumir modelo nulo completamente aleatório Não realista, aparecem muitos falsos positivos Usar o genoma todo como modelo nulo Modelo ordem 0: Humano: 41% C e G; 59% A e T O genoma humano tem padrões de ordem superior Modelos de ordem superior (1..k) Precisam de muita informação Fixar numa ordem pode causar outros problemas Usar a própria amostra para construir um modelo nulo Pode não ter informação suficiente para gerar modelo Podemos estar a perder informação ao usar a amostra para criar um modelo nulo Usar sequências pseudo-aleatórias que repliquem propriedades da amostra Nem sempre fácil de gerar, podem causar mais problemas

27 Uma abordagem experimental SELEX: modelo nulo aleatório Sequências aleatórias Fator a testar Jussi Taipale Seleção das sequências Problema maior: não nos dá as sequências reais onde o fator se liga ao ADN

28 Abordagens para motivos imperfeitos Motivo deve minimizar Entropia Informativa ie, deve ser o menos aleatório possível A [ ] C [ ] G [ ] T [ ] A [ ] C [ ] G [ ] T [ ] H(X) = 0.30 H(X) = 2.05

29 Outros desafios Nem sempre há independência posicional GT OU CC Distâncias variáveis

30 Problema de encontrar motivos Mini-Projeto 2? Discutir estratégias para encontrar motivos enriquecidos em sequências de nucleótidos, em diversas condições - Começando pela situação ideal e introduzindo complexidade