O Treponema pallidum, uma bactéria do filo Spirochaetota, é responsável pelas treponematoses, doenças causadas por diferentes subespécies desta bactéria, cada qual associada a infecções específicas. Este estudo concentra-se no Treponema pallidum subsp. pertenue (TPE), que provoca a bouba em seres humanos, uma enfermidade transmitida principalmente pelo contato direto com lesões cutâneas, afetando majoritariamente crianças e pré-adolescentes. Se não tratada, pode evoluir para graves deformidades nos ossos e nas cartilagens. Durante o século XX, houve avanços notáveis na erradicação e controle dessa subespécie, contudo, nas últimas décadas, tem-se observado um aumento no número de casos registrados. Até pouco tempo, acreditava-se que essa subespécie afetava apenas humanos, mas estudos recentes identificaram que primatas não humanos (NHPs) também têm sido naturalmente infectados pelo TPE. Considerando o impacto crescente desta doença, tanto em humanos quanto em outras espécies, a TPE tornou-se um foco de vigilância e investigação científica. Esse estudo visa esclarecer a relação entre a infecção em humanos e em outras espécies de primatas, contribuindo para um melhor entendimento da dinâmica de transmissão e das possíveis estratégias de controle e prevenção. Para isso, utilizamos as sequências de genoma de 58 TPEs (24 de humanos e 19 de NHPs) disponíveis em repositórios públicos e aplicamos análises filogenéticas e de detecção de regiões recombinantes. As árvores inferidas demonstraram uma rápida expansão da subespécie na origem da árvore e a divisão das amostras em 9 grupos. Não houve grupos que apresentassem amostras de humano e de NHP, indicando que as interações entre os dois grupos de amostras são raros ou inexistentes. As análises de recombinação detectaram apenas uma região em que uma amostra de NHP pode ter recombinado com uma amostra humana. A aplicação do relógio molecular na inferência filogenética indicou uma origem recente de TPE em 1885. O estudo da evolução do traço ainda sugere que o hospedeiro do ancestral comum mais recente de TPE tenha sido os humanos. As análises realizadas neste estudo permitiram aprofundar o conhecimento sobre a propagação da doença e a sua interação entre diferentes espécies.

Os avanços tecnológicos nos últimos anos permitiram o desenvolvimento de tecnologias que facilitaram o sequenciamento e armazenamento de dados genômicos em bancos de dados públicos, como o NCBI. Entretanto, espécies do Sul Global, especificamente espécies amazônicas, são pouco representadas nos bancos de dados públicos. Dessa forma, para reduzir essa lacuna, este estudo tem o objetivo de montar e anotar 100 genomas mitocondriais de peixes amazônicos utilizando dados públicos disponíveis no NCBI, contribuindo com dados de 22 novas espécies que não estavam presentes no GenBank. A precisão das montagens foram validadas por meio de comparações de identidade de sequência com mitogenomas de referência, alcançando até 100% de identidade para a espécie Pygocentrus nattereri. Além disso, também encontrou-se possíveis erros de rotulagem de espécies presentes nos bancos de dados públicos. Ao expandir os dados genômicos de peixes amazônicos, este estudo ajuda a preencher lacunas significativas nos bancos de dados genômicos, contribuindo com novos estudos de conservação, gestão sustentável da pesca e biodiversidade de peixes amazônicos. Além de disponibilizar os resultados em bancos de dados públicos, os dados também serão depositados em um site dedicado a reunir dados genômicos de espécies amazônicas.

O sistema imunológico humano constitui uma rede integrada de componentes celulares e moleculares, fundamental para a proteção contra patógenos, monitoramento de células tumorais e homeostase tecidual. Tradicionalmente categorizado em dois eixos, a imunidade inata (resposta rápida) e a adaptativa (específica e com memória), seu funcionamento depende de uma intrincada cooperação regulada por vias metabólicas que sustentam as respostas imunológicas. Entretanto, o cenário evolutivo da diversificação das vias imune metabólicas associadas ainda é pouco explorado. Além disso, falta uma visão integrada da relação entre a emergência evolutiva de tumores malignos e o estabelecimento do sistema imune como conhecido em humanos. Neste estudo, utilizamos 1.209 genes envolvidos em 21 vias metabólicas imunológicas (KEGG Pathway) e 1.124 genes relacionados ao câncer (OncoKB/COSMIC). As informações de ortologia dessas listas de genes foram adquiridas do banco de dados STRING, e em seguida passados para o pacote GeneBridge da linguagem R, capaz de inferir o último ancestral comum mais provável de cada grupo de ortólogos em uma árvore referência contendo 476 espécies eucarióticas. Identificamos quatro clados com surgimento significativos de genes ortólogos (OGs) imunes: Metamonada, SAR, Choanoflagellata e Actinopterygii. Contrastando com os OGs associados ao câncer, que tiveram maior diversificação durante a origem da multicelularidade, os imunológicos apresentaram múltiplos eventos de expansão, especialmente durante a radiação dos vertebrados mandibulados. Nossos resultados indicam que as vias metabólicas imunes humanas passaram por sucessivas ondas adaptativas, com aumento marcante de complexidade nos vertebrados mandibulados. Sugerimos que a emergência de neoplasias malignas e a coevolução entre epitélios e sistema imune representaram pressões seletivas adicionais, impulsionando o refinamento progressivo dos mecanismos de vigilância imunológica nesse grupo.

Este estudo tem como objetivo investigar a dinâmica evolutiva do risco poligênico para esquizofrenia ao longo da história humana, abrangendo períodos desde o Paleolítico (2.5 milhões a 12 mil anos atrás), passando pelo Mesolítico (12 mil a 8 mil anos atrás) , e Neolítico (12 mil a 6 mil anos atrás) , até o Pós-Neolítico (6 mil anos atrás até o início da História registrada). A análise incluiu o cálculo dos escores de risco poligênico para esquizofrenia em genótipos de seres humanos antigos, utilizando dados de estudos de associação genômica ampla. Foram examinadas as variações temporais e espaciais dos PRS, considerando diferentes continentes e períodos históricos. Através de um modelo de Random Forest, foram identificadas as variáveis temporais e espaciais mais influentes na variação dos PRS. Os resultados revelaram que as mudanças nas pressões seletivas e nas estruturas sociais influenciaram a prevalência dos alelos de risco para esquizofrenia, destacando a importância de contextos históricos e sociais na pesquisa psiquiátrica moderna. Além disso, o presente estudo enfatiza a necessidade de inclusão de populações não europeias em estudos genéticos para melhorar a precisão dos cálculos de PRS e a compreensão global das bases genéticas da esquizofrenia. Como conclusão, podemos dizer que nossa análise de genomas antigos, abrangendo do Paleolítico Superior Inicial ao período Pós-Neolítico, revelou flutuações significativas nos escores de risco poligênico para esquizofrenia.

O sarcoma uterino é um tumor maligno de evolução clínica agressiva e que representa em torno de 3-7% de todas as neoplasias uterinas malignas. O leiomiossarcoma uterino (uLMS), é o subtipo, de origem mesenquimal, mais comum de sarcoma uterino. O diagnóstico do uLMS ocorre ao acaso ao se realizar histerectomia para leiomiomas (LM) – tumores benignos – e confirmado por características histopatológicas como atipia celular, índice mitótico e necrose de células tumorais. Do ponto de vista molecular, desenvolver estudos eficazes para buscar biomarcadores de diagnóstico do uLMS é um desafio devido à heterogeneidade molecular do tumor e escassez de amostras. Neste estudo, realizamos um estudo abrangente de integração multiômica (genômica, transcriptômica e proteômica) utilizando tumores frescos afim de buscar características moleculares do uLMS. Os resultados apontaram dois alvos terapêuticos, IDH1_p.Arg132Cys e KRAS_p.Gly12Cys, em pacientes com metástase. Também foi observado que a deficiência de recombinação homóloga (HRD) é a assinatura genômica mais predominante. Além disso, 80% das amostras apresentaram uma assinatura de chromotripsis, reforçando o fenótipo de aneuploidia desses tumores. Ainda foi observado que uLMS são tumores com alto escore de proliferação e alta expressão do gene Ki67 (MIM:176741) e estão associados a uma pior prognóstico. Ademais, foi reportado uma alta frequência de eventos de fusão in-frame envolvendo o gene EEF1A1 (MIM:130590). A análise de integração multiômica identificou a amplificação do gene CTHRC1 (MIM:610635) com um impacto negativo no prognóstico da doença. Por fim, o gene PSMB9 (MIM:177045) se encontrou superexpresso e com valores heterogêneos de expressão gênica no grupo uLMS. Os grupos de quartis não mostraram diferença significativa entre os valores de expressão de PSMB9 altos e baixos no tempo de sobrevida de 3 e 5 anos. No entanto, a presença de linfócitos infiltrantes tumorais (TILs) CD8+ contribuiu para o reconhecimento de células tumorais e da resposta do sistema imune. Essa presença foi observada devida a diferenças significativas associadas à melhor sobrevida ao considerar a razãoCD8+/PSMB9 no tempo de sobrevida de 3 anos. Esses achados contribuem para um melhor entendimento da resposta imune bem como as interações celulares da matriz extracelular (ECM) sugerindo que pacientes com uLMS podem se beneficiar de uma medicina de precisão individualizada.

O câncer de pulmão é a principal causa de morte por câncer em todo o mundo, independentemente do sexo. Dentre os tipos de câncer de pulmão, o Carcinoma de Células Escamosas de Pulmão (LUSC) é o segundo tipo mais comum, caracterizado por diagnóstico em estágios avançados, mau prognóstico e alta associação com tabagismo. Devido à gravidade do câncer de pulmão, é essencial compreender seus mecanismos moleculares. Nesse contexto, este estudo utiliza dados moleculares objetivando a busca por biomarcadores em carcinoma de células escamosas de pulmão. O trabalho utiliza dados moleculares e clínicos para implementar pipelines de bioinformática, aprendizado de máquina, visando prever o prognóstico dos pacientes e obter uma assinatura genética do LUSC para progressão tumoral. Analisamos dados clínicos e moleculares do projeto LUSC-TCGA e realizamos análises de expressão diferencial (DEA) comparando tecidos normais com tecidos tumorais. Com base nos genes selecionados pela DEA, os pacientes foram divididos em três grupos, seguidos por etapas de seleção de características e classificação. A partir disso, foi possível obter resultados de classificações próximas a 70% de acerto para os três clusters. Por fim, também realizamos uma análise de enriquecimento funcional. A análise revelou no cluster 2 genes enriquecidos como CDT1, CENPI e NLGN1, associados ao processo molecular EMT (transição epitelial-mesenquimal). Nossa abordagem facilitou a identificação de genes que são biologicamente relevantes para o processo de desenvolvimento do LUSC, (como os genes ALDH3B1, C7, FAM83A, FOSB, GCGR, BMP7, PPP1R27 e AQP1) e genes relevantes para predição da sobrevivência do paciente e possíveis alvos terapêuticos para LUSC (como os genes FAM83A, CAV1, TNS4, EIF4G1, TFAP2A, GCGR e PPP1R27). Dando sequência, foram utilizados os dados de expressão dos conjuntos de genes selecionados nos clusters, combinados com seleção de características, balanceamento de dados, aprendizado de máquina e inteligência artificial explicável (XAI) para identificar uma assinatura com possíveis biomarcadores relacionados ao estadiamento. Os métodos empregados demonstraram métricas de classificação robustas, com o classificador random forest alcançando a maior precisão (0,91). O uso de técnicas de balanceamento de dados e seleção de características provou ser crucial no processo de classificação. Além disso, foi possível identificar os 16 genes mais relevantes selecionados pelo random forest usando o método SHapley Additive Explanations (SHAP). Entre eles, três genes (MYOSLID, IMPDH1P8 e COL9A3) foram escolhidos por todos os classificadores bem-sucedidos, posicionando-se como potenciais biomarcadores de estadiamento e possíveis alvos terapêuticos moleculares para LUSC.

O estriado desempenha um papel central no controle motor, mas ainda não se compreende completamente como ele representa de forma dinâmica variáveis como a velocidade de locomoção, especialmente em diferentes contextos comportamentais. Neste estudo, investigamos a codificação estriatal da velocidade de locomoção em ratos executando uma tarefa em um labirinto em T automatizado. Observamos que a atividade da maioria (78%) dos neurônios estriatais analisados — referidos como células de velocidade — apresentou correlação robusta, positiva ou negativa, com a velocidade de locomoção. Essa população incluiu tanto neurônios espinhosos médios (medium spiny neurons, MSNs; 74%) quanto interneurônios de disparo rápido (fast-spiking interneurons, FSIs; 82%). A atividade relacionada à velocidade demonstrou notável estabilidade, sem influência significativa do tempo decorrido, tipo de pista, escolha espacial ou resultado da tentativa. Além disso, os MSNs positivamente correlacionados tenderam a anteceder mudanças de velocidade, enquanto a atividade dos FSIs positivamente correlacionados geralmente seguia essas mudanças, o mesmo ocorrendo com os neurônios negativamente correlacionados de ambos os tipos. Esses achados sugerem papéis distintos para diferentes tipos celulares estriatais na modulação do movimento. As células de velocidade apresentaram forte modulação tanto no início quanto no término do movimento, mas também mantiveram correlações com a velocidade ao longo de episódios contínuos de locomoção. Por fim, as taxas de disparo dessas células predizem de forma confiável a velocidade de locomoção, superando as células não relacionadas à velocidade e os níveis de chance (shuffle); melhorando a precisão de decodificação ainda mais quando os dados de múltiplos neurônios foram combinados, em consonância com um código populacional. Em conjunto, estes resultados demonstram uma representação robusta e independente do contexto da velocidade de locomoção no estriado de ratos, mediada por tipos celulares diversos, e estendem achados anteriores para uma tarefa com maiores demandas cognitivas.

O transtorno do sono e a depressão se destacam entre as condições que mais impactam a população global, resultando em problemas sociais e econômicos para aqueles os possuem, os quais frequentemente ocorrem simultaneamente. Os tratamentos não farmacológicos apresentam eficácia limitada, principalmente em razão da baixa adesão e da dificuldade continuidade. Os tratamentos medicamentosos, especialmente aqueles com fármacos sintéticos, demonstram maior eficácia; no entanto, apresentam diversos efeitos colaterais. A melatonina, por sua vez, demonstra eficácia limitada em razão de sua breve duração de ação. O presente estudo teve como objetivo avaliar, por meio de ferramentas computacionais, a interação molecular entre a melatonina (utilizada principalmente no tratamento de distúrbios do sono), a agomelatina indicada para o tratamento da depressão) e seus análogos com os receptores de melatonina MT1 e MT2. Para tanto, diversos níveis teóricos foram usados nos cálculos: mecânica clássica, mecânica quântica e mecânica híbrida, através de variadas metodologias: ancoragem molecular, dinâmica molecular (DM) e cálculos energéticos de interação entre proteína e ligante. Os resultados demonstraram a notável correlação entre a metodologia empregada e os dados experimentais, resultando no adequado arranjo da afinidade das moléculas em relação aos receptores. Assim, foi possível reconhecer resíduos-chave comuns nas interações com as moléculas, sendo sete na MT1 (Phe179, Met107, Gly108, Val111, Val191, Val159 e Ile112) e seis na MT2 (Phe192, Val124, Gly121, Val204, Leu172 e Asn268). Ademais, foram observadas novas interações conservadas (Gly108/Gly121, Val111/Val124 e Val191/Val204), as quais sugerem a função desses aminoácidos como essenciais no reconhecimento entre ligantes e receptores. Ademais, evidenciou-se a relevância da DM na otimização de estruturas experimentalmente determinadas e na obtenção, por meio de cálculos híbridos, da configuração de mínima energia para análise ab initio. Dessa forma, por meio das análises resultantes do estudo de interações de estruturas que foram resolvidas, otimizadas ou modeladas por ancoragem molecular, tornou-se viável a proposição de um novo ligante: MPI, cujo desempenho revelou-se promissor, especialmente na interação com o receptor MT2. Por sim, foi examinada a interação de uma nova molécula (GW117), cuja aplicação principal é como antidepressivo. No entanto, resultados iniciais indicaram afinidade por receptores de melatonina, podendo também atuar como agonista deles. Ao compará-la com seu análogo, a agomelatina, os resultados indicam uma atuação superior no receptor MT2 e uma eficácia similar no receptor MT1, demonstrando interações mantidas com os análogos da melatonina. Sendo assim, há fortes indícios que a GW117 atua melhor que o fármaco agomelatina no distúrbio do sono, podendo se tornar uma importante aliada no tratamento dos casos depressivos que coexistem com alterações do ciclo do sono. Dessa forma, os dados teóricos-computacionais apresentados aqui abrem uma oportunidade para o desenvolvimento de novos fármacos para tratamento da insônia, sendo necessários estudos in vitro e in vivo para validar as observações aqui realizadas.

As pressões antrópicas sofridas pelos remanescentes de Mata Atlântica no litoral nordestino brasileiro se refletem em impactos no estado de conservação dos animais que compõem sua fauna, dentre estes os primatas neotropicais. Visando a conservação dos primatas ameaçados do Nordeste, o Centro Nacinal de Pesquisa e Conservação de Primatas Brasileiros, CPB/ICMBio, coordena o Plano de Ação Nacional para Conservação dos Primatas do Nordeste (PAN-PRINE). Uma das espécies alvo é o macaco-prego-galego (Sapajus flavius), categorizada como Em Perigo de extinção. Visando contribuir para a implementação de ações do PAN PRINE, o presente trabalho objetivou analisar a estrutura genética de amostras provenientes de vida livre e cativeiro de indivíduos do gênero Sapajus e propor um painel de marcadores genéticos para diferenciação de duas espécies parentais e híbridos utilizando técnicas de aprendizado de máquina. Foram realizadas duas análises de estrutura populacional, uma exploratória com várias espécies do gênero e amostras de cativeiro (n=228) e uma análise específica com amostras de cativeiro e populações naturais de S. flavius e S. libidinosus, incluindo híbridos naturais entre as espécies. Nossa análise exploratória retirou do dataset oito amostras de cativeiro que não possuíam um padrão de ancestralidade esperado para hibridação das espécies de interesse. Das amostras remanescentes, 30 foram classificadas como híbridas, 14 como S. libidinosus e 8 como S. flavius, baseado nos coeficientes de ancestralidade estabelecidos para identificar uma espécie (Q>90%). Essas amostras, juntamente com as de vida livre, foram particionadas em 20% para o dataset de validação e 80% para o dataset de treino e teste. Foram utilizados 6 algoritmos de aprendizado supervisionado para o treinamento de modelos preditivos: k Nearest Neighborhood (kNN), Decision Tree (DT), Naive Bayes (NVB), Support Vector Machine (SVM), X Gradient Boosting (XGB) e Random Forest (RF) e posterior seleção de features, que neste caso são SNPs, todos os modelos foram treinados usando partições do dado com K-fold (K=5). Foram selecionadas 15, 30 e 45 features pelo forward feature selection. Os modelos RF, SVM e NVB foram os mais consistentemente bem colocados no ranqueamento ao longo do aumento do número de features, baseado no score de acerto no dataset de validação, com a RF rendendo os melhores resultados para maiores números de SNPs. Quando ranqueamos os conjuntos de SNPs selecionados pelos modelos de acordo com o melhor agrupamento gerado por uma metodologia não supervisionada, obtivemos XGB e KNN como modelos mais bem colocados baseados no Rand Score. Nenhuma de nossas variantes com alto impacto para a identificação dos grupos se localizam em regiões codificantes do genoma, a maioria estava presente em regiões intergênicas (n=20) e em regiões intrônicas que podem pertencer a diferentes variações de splicing de genes (n_vars=24, n_genes=119). A partir do montante inicial de 2484 SNPs, conseguimos reduzir drasticamente a dimensionalidade do nosso dado enquanto mantivemos variantes altamente informativas para diferenciação dos grupos, além do mais, conseguimos identificar que a maioria dessas variantes não possuem impacto em zonas codificantes mas estão altamente associadas com a diferenciação das espécies. Esses resultados são importantes para desenvolver um produto que possa servir como ferramenta para Planos de Ação Nacionais para Conservação de espécies ameaçadas e decisões de manejo que levem em conta o perfil genético das populações e espécies estudadas para medidas mais assertivas na conservação.

O mamão (Carica papaya) produz um dos frutos mais consumidos ao redor do mundo constituindo alta importância econômica, principalmente nas regiões tropicais. O comércio do mamão se utiliza majoritariamente de cultivares gino dioicos com uma proporção de 1:1 ou 2:1 de hermafroditas e fêmeas. Por motivações comerciais e também inerentes ao cultivo, é desejável a maior quantidade de hermafroditas possível. De forma geral, ainda não é possível produzir apenas sementes hermafroditas, portanto, o sexo da planta é identificado, normalmente, por métodos convencionais após a primeira floração do mamoeiro. Essa ocorre cerca de 4-6 meses depois do plantio da muda, sendo costumeiro o descarte das fêmeas no final. Visando evitar desperdícios de recursos e um rendimento maior da colheita, os produtores também podem recorrer a métodos moleculares por meio de marcadores sexuais. Entretanto, essa alternativa também possui suas limitações, entre elas, o custo elevado. Tendo em vista as adversidades citadas, muitos pesquisadores empenharam-se a estudar o processo de determinação sexual em C. papaya, mas os fatores atuantes diretamente nesse processo permanecem desconhecidos. A elucidação desse mecanismo além de ser de grande interesse agronômico, também se caracteriza como uma grande oportunidade para C. papaya se consolidar como modelo de estudo para pesquisas acerca de cromossomos sexuais de origem recente na história evolutiva. Portanto, neste trabalho, procurou-se usar uma estratégia em bioinformática para abordar o tema. Realizou-se um estudo de associação entre genótipos e fenótipos para encontrar possíveis fatores genéticos envolvidos na determinação sexual a partir de dados de resequenciamento de 36 indivíduos (24 mamoeiros machos e 12 hermafroditas) obtidos em bancos de dados públicos. O estudo de associação foi precedido por uma chamada de variantes realizada no BCFTOOLS, que encontrou 75.607 variantes, restando 37.027 após as filtragens. Foram então realizados estudos de associação utilizando o programa PLINK com as variantes já filtradas e dentre essas, 251 das mais significativas foram submetidas ao programa SnpEff para anotação das variantes, retornando 449 efeitos, entre eles, 402 com nível de impacto modificador, 22 com impacto leve e 25 de efeito moderado. Realizou-se também inferências e anotações dos genes a partir do software Augustus e alinhamentos do tipo BLASTP com as sequências dos genes que tiveram efeitos moderados preditos pelo SnpEff, assim como, montagens de novo do genoma de uma amostra macho e seu alinhamento com a região determinante do sexo hermafrodita. Seus resultados foram registrados e comparados com o que já foi realizado na literatura. Isso permitiu concluir que os resultados obtidos constituem um ponto de partida para estudos mais robustos na compreensão dos mecanismos moleculares da determinação sexual em C. papaya.

Os últimos anos têm testemunhado avanços significativos no estudo de comunidades microbianas complexas, impulsionados pela evolução das tecnologias de sequenciamento e pela crescente adoção de métodos de sequenciamento total do genoma (whole genome shotgun) em detrimento dos métodos, antes mais tradicionais, baseados em amplicon. Com essa evolução, essas abordagens foram desenvolvidas com estratégias computacionais associadas para lidar com os dados que geram. No entanto, esses métodos computacionais geralmente não foram acompanhados por estratégias de design cuidadosas que priorizam o suporte a longo prazo, com baixa necessidade de manutenção, alta acessibilidade de dados e automação de ponta a ponta. Neste trabalho, nosso objetivo é, primeiramente, elaborar sobre o cenário computacional em metagenômica e como os métodos atuais podem negligenciar princípios fundamentais de desenvolvimento de software, que os orientariam para uma maior reprodutibilidade, tais como isolamento de dependências, alta parametrização, geração automática de relatórios com figuras interativas que facilitam a exploração de dados e, por fim, documentação descritiva e prática. Em seguida, abordamos as limitações atuais no processamento de dados metagenômicos ao implementar um novo pipeline de análise de dados, o EURYALE, baseado em uma metodologia anterior, o MEDUSA, que selecionou suas ferramentas por meio de rigoroso benchmarking. Esse novo pipeline, adaptável a diferentes cenários e construído com boas práticas de desenvolvimento de software como princípios norteadores, visa avançar o processamento de dados metagenômicos como um todo e, adicionalmente, tornar os dados resultantes desses pipelines de análise acessíveis a um público mais amplo.

A cana-de-açúcar (Saccharum spp.) é uma monocotiledônea da família Poaceae, uma planta C4 com alta taxa fotossintética, adaptada a regiões de clima tropical e subtropical, sendo o Brasil o maior produtor mundial. As plantas estão sujeitas a diferentes fatores bióticos e abióticos que podem induzir a um estresse oxidativo. Este estresse está associado a um desequilíbrio na homeostase entre a produção e degradação das Espécies Reativas de Oxigênio (EROs). E estas condições podem afetar o seu desenvolvimento. O peróxido de hidrogênio (H2O2) e um produto deste estresse e atua como uma molécula sinalizadora em resposta a vários estímulos celulares nas plantas. Com isso, esta tese foi subdividida em dois capítulos. No primeiro capítulo, foram utilizadas ferramentas de bioinformática para compreender como a alteração no campo gravitacional pode desencadear respostas semelhantes ao estresse oxidativo em plantas de cana-de-açúcar, a partir de dados de sequenciamento de RNA mensageiro. No segundo capítulo, um estresse oxidativo foi induzido por meio da aplicação exógena de H2O2 (0 mM, 10 mM, 20 mM e 30 mM) durante 8 horas, a uma temperatura de 25-27 ºC, em plantas de cana-de-açúcar. E a partir dos dados de proteômica obtidos a partir das raízes e de folhas do material tratado foram realizadas análises de bioinformática. O objetivo deste trabalho foi identificar, nos dois capítulos, genes/proteínas com expressão diferencial nas raízes e folhas sob a condição de microgravidade, assim como em resposta a diferentes concentrações de H2O2. Para alcançar esse propósito, em ambas as abordagens, as espécies Sorghum bicolor, Zea mays e Oryza sativa subs. japonica foram utilizadas como referências. Os resultados da análise de bioinformática revelaram genes únicos e específicos em cada uma das nove bibliotecas de dados analisadas, destacando genes como C5WVD4 e C5YLK6, associados a síntese de isoleucina e NADPH, respectivamente, em resposta à microgravidade, e genes com expressão alterada em diferentes concentrações de H2O2, como C5XFH6 e B4G143, associadas ao fornecimento de NADPH e a fotossíntese na regulação positiva de EROs, respectivamente. E vias metabólicas enriquecidas em resposta à microgravidade e ao H2O2, incluindo o Selenocompound metabolism, Photosynthesis - antenna proteins e Pentose phosphate pathway. Através deste estudo multidisciplinar, que combinou histologia, bioquímica, análise de RNA-seq e proteômica, tem-se uma compreensão aprofundada dos efeitos da microgravidade e do H2O2 na cana-de-açúcar, destacando mudanças na organização estrutural dos tecidos, acúmulo de lignina, H2O2 e EROs. Portanto, o presente trabalho auxiliou na identificação dos genes/proteínas únicos e específicos que foram expressos em cada tecido e das vias metabólicas ativadas em folhas e raízes, esclarecendo as diversas respostas da planta de cana-de-açúcar sob a condição da alteração do padrão de gravidade com o voo do foguete de sondagem VSB-30 e a exposição a diferentes concentrações do H2O2.  Revelando uma complexa rede de genes e vias metabólicas que atuam em resposta às condições de estresse oxidativo, desencadeando mecanismos de defesa e tolerância. Os dados obtidos avançam o entendimento de como as plantas respondem a cada uma das condições adversas analisadas, utilizando estratégias adaptativas específicas. Além disso, destacam a importância do H2O2 nas respostas adaptativas e de sobrevivência, bem como a versatilidade do fitormônio ácido abscísico (ABA) na sinalização entre raízes e folhas. Essas descobertas proporcionam insights importantes que poderão ser utilizadas no desenvolvimento de estratégias de melhoramento genético e práticas de cultivo otimizadas para o melhor desempenho da planta em condições variáveis de campo de produção.

Neste trabalho, abordamos o desafio crescente de processar eficientemente o vasto e continuamente expansivo volume de dados em bases de dados biológicas. A necessidade de técnicas de análise de sequências rápidas e precisas é mais premente do que nunca, dada a importância de identificar semelhanças entre sequências biológicas para aplicações em genômica, taxonomia e além. Central para este esforço é a otimização de algoritmos de alinhamento de sequências, particularmente o Smith-Waterman (SW), um método de alto nível de precisão baseado em programação dinâmica, e o K-Mers, uma técnica para a contagem de subsequências que é fundamental na análise genômica. Propomos uma inovadora arquitetura de hardware paralelo para o algoritmo SW, incorporando uma estrutura de array sistólico que acelera significativamente as fases de avanço e retrocesso do alinhamento. Esta arquitetura pré-organiza o alinhamento na etapa de avanço, reduzindo a complexidade do subsequente retrocesso, que é iniciado a partir da posição de pontuação máxima. Validada em Field-Programmable Gate Array (FPGA), a arquitetura alcançou uma taxa de até 79,5 Giga Cell Updates por Segundo (GCPUS), demonstrando um avanço notável na eficiência de processamento. Adicionalmente, desenvolvemos um algoritmo baseado em K-Mers focado na extração exata de subsequências curtas, caracterizado por seu baixo consumo de memória, viabilidade de tempo de execução, alta capacidade de paralelização, e eficiência energética. Destinado primariamente para uso em FPGA, o algoritmo é também adaptável a outras plataformas de hardware. Estas contribuições não apenas estabelecem novos padrões em termos de velocidade e eficiência para o processamento de dados biológicos, mas também abrem caminho para avanços significativos em pesquisas genômicas e taxonômicas, entre outras áreas de bioinformática.

A contaminação de solos e ecossistemas marinhos por hidrocarbonetos que compõem o petróleo, provenientes de vazamentos de grande e pequena escala em toda sua cadeia produtiva, traz grave consequências o meio ambiente. Dentre as estratégias existentes para atenuar os impactos ambientais nas áreas acometidas, a biorremediação por bioaumentação ao utilizar organismos capazes de degradar petróleo se mostra uma alternativa com melhor custo-benefício e que promove maior remoção de compostos quando comparada a métodos físico-químicos. São listados por agências reguladoras ambientais nacionais e internacionais 179 compostos com prioridade para biorremediação devido ao seu potencial toxico e/ou mutagênico. A partir de trabalhos anteriores, os integrantes do grupo de pesquisa do Laboratório de Biologia Molecular e Genômica vem obtendo isolados bacterianos a partir de amostras de ambientes contaminados por petróleo, mantendo um estoque desses isolados que formam um banco de microrganismos preservado pelo laboratório. Os genomas de isolados com perfil promissor para atuar em biorremediação estão sendo sequenciados, visando a identificação taxonômica e de seu e perfil metabólico. Sendo assim, até agora, através do sequenciamento do genoma completo de 22 isolados bacterianos obtidos anteriormente pelo grupo e sequenciamento do gene 16S de 18 isolados obtidos a partir de amostras de petróleo coletadas em praias do Rio Grande do Norte no desenvolvimento deste trabalho, resultaram na identificação de 10 gêneros de bactérias capazes de crescer utilizando petróleo como fonte de carbono. A partir da análise dos dados gerados, por meio da linguagem de programação R, foi possível realizar a comparação com os respectivos genomas de referência, determinando suas relações e particularidades. Foram identificados dentre todos os isolados com genoma completo sequenciado 53 genes que codificam enzimas, presentes em 20 vias de degradação e metabolismo de xenobióticos do KEGG, que participam do processo de degradação de 37 hidrocarbonetos relatados como prioritários, bem como o grau de semelhança do perfil de degradação entre isolados. Através da análise dos resultados in sílico foi proposta a formulação de um consórcio de 4 isolados com potencial de atuar na biorremediação de 34 dos 37 compostos.

O carcinoma renal, por ser uma patologia de desenvolvimento silencioso e multifatorial, é caracterizada por apresentar uma alta taxa de pacientes com metástases. Após diversos estudos elucidarem a atividade dos genes codificantes no desenvolvimento metastático do carcinoma renal, novos estudos buscam avaliar a associação de genes não codificantes, como RNA endógeno competidor (ceRNA), ao processo metastático. Desta forma, o objetivo deste estudo é construir uma assinatura transcricional para o carcinoma renal de células claras (ccRCC), associada ao desenvolvimento metastático a partir de uma rede de ceRNA e analisar as prováveis funções biológicas desempenhada pelos participantes da assinatura. Utilizando os dados de ccRCC do The Cancer Genome Atlas (TCGA), construímos nove assinaturas transcricionais a partir de oito técnicas de seleção de características e analisamos a sensibilidade e especificidade da classificação dos modelos de regressão no processo de benchmarking. Consequentemente, foram obtidos os genes da assinatura e foram realizadas análises de alterações somáticas e de número de cópias, análise de risco para sobrevida e progressão metastática, e análises de anotação funcional. Neste estudo apresentamos uma assinatura transcricional de 10 genes, composta por 2 RNAs longos não codificantes, SNHG15 e AF117829.1, 2 miRNAs, hsa-miR-130a-3p e hsa-mir-381-3p, e 7 mRNAs, BTBD11, INSR, HECW2, RFLNB, PTTG1, HMMR, RASD1. A validação utilizando o conjunto de dados externos do International Cancer Genome Consortium (ICGC) possibilitou avaliar a generalização da assinatura, que apresentou uma acurácia de 72% e área abaixo da curva de 81.5%. As análises genômicas identificaram que os participantes da assinatura se localizam em cromossomos com regiões altamente mutadas (G-index > 2). Os genes hsa-miR-130a-3p, AF117829.1 e HECW2 tiveram uma relação significativa entre a expressão e a sobrevida dos pacientes, e os dois últimos possuem relação significativa com o desenvolvimento metastático. Além disso, foi analisada a anotação funcional em vias importantes para o desenvolvimento tumoral, como: PI3K/AKT, TNF, FoxO, regulação da transcrição da RNA polimerase 2, controle celular e entre outras. Por fim, ao analisar as conexões dos genes da assinatura dentro da rede ceRNA em conjunto com estudos da literatura, foi possível obter um panorama das atividades desempenhadas por eles dentro do ccRCC. Sendo assim, esta assinatura transcricional pode identificar genes não codificantes como potenciais biomarcadores a serem utilizados para uma melhor compreensão do carcinoma renal, bem como no desenvolvimento de futuros tratamentos na área clínica.

A leptospirose é uma zoonose de grande impacto na saúde pública, pois é considerada uma doença de notificação compulsória ocorrendo principalmente em regiões tropicais com saneamento básico precário e condição socioeconômica vulnerável. Ela é causada por bactérias do gênero Leptospira e filo Spirochaetes e a contaminação se dá através do contato direto ou indireto com o agente contaminante. Além da classificação taxonômica, que é realizada através do sequenciamento e a análise de alguns genes marcadores, como o 16S rRNA e o secY, elas são habitualmente classificadas com base nas suas características antigênicas em sorogrupos e sorovares. Este tipo de classificação é intensamente aplicado nos estudos epidemiológicos e de desenvolvimento de vacinas. Apesar da sua importância, poucos estudos foram realizados para entender a dinâmica evolutiva do surgimento ou a mudança de sorologia neste gênero. Diante disso, aplicamos neste estudo métodos de filogenia molecular no intuito de entender os processos evolutivos que envolvem a sorologia do gênero. Para isso, sequências de genes que fazem parte do locus rfb de amostras dos sorogrupos Sejroe, Mini e Hebdomadis (34 amostras) foram extraídas e submetidas ao pipeline filogenético, resultando na inferência de 75 árvores de máxima verossimilhança. Analisando as árvores, pode-se verificar que aqueles genes do locus rfb encontrados na maioria das espécies de Leptospira apresentaram uma topologia semelhante ao da árvore de espécies. Já aqueles genes que se encontram na região variável do locus apresentaram árvores com topologias que sugerem a ocorrência de transferência lateral entre as espécies L. borgpetersenii e L. kirschneri e L. interrogans e L. weilli. O estudo sugere uma nova interpretação da história evolutiva dos genes do locus rfb e da dinâmica evolutiva das mudanças de sorogrupos.

Embora a terapia do câncer forneça um vasto repertório de medicamentos e tratamentos, muitos tipos de câncer desenvolvem maneiras de escapar e continuam a proliferar. A imunoterapia, em particular, tem se mostrado eficiente na destruição de alguns tipos de câncer, mas não é uma opção infalível. Prever a eficiência de cada opção de tratamento seria uma ferramenta valiosa para o processo de tomada de decisão na prática clínica. A imunoterapia aumenta as células T do paciente para atacar as células cancerígenas. As células T usam uma proteína receptora de sua superfície para identificar possíveis alvos, como células cancerígenas. O advento do NGS (Next Generation Sequencing) trouxe uma velocidade considerável para sequenciar grandes quantidades de material genético, como o TCR (T Cell Receptor). A diversidade de receptores é colossal, e entender esses repertórios altamente complexos pode ser a chave para decifrar o comportamento do sistema imunológico. Aqui, avaliamos o processo de extração de recursos significativos dos dados do repertório do TCR para construir modelos preditivos para distinguir controles saudáveis de pacientes com câncer ou pacientes tratados com diferentes medicamentos. Diante disso, é essencial desenvolver ferramentas que possam gerar informações de maneira fácil e rápida a partir dos dados do repertório do TCR para prever resultados futuros. Desenvolvemos uma ferramenta de bioinformática chamada GENTLE (GENerator of T cell receptor repertoire features for machine LEARNING), voltada para qualquer pesquisador que trabalhe com dados de repertório TCR que visa explorar esses dados e construir ferramentas de previsão. O GENTLE é de código aberto, tem uma plataforma web, pode ser instalado localmente, implementa muitas métricas de diversidade, constrói redes usando a distância de Levenshtein, calcula a frequência de motivos, transforma os dados com métodos de redução dimensional, implementa métodos de normalização, realiza seleção de recursos, constrói, avalia e implanta classificadores. Usando esta ferramenta, pode-se obter grandes insights dos dados do repertório TCR.

O desenho de iniciadores para reação em cadeia da polimerase (PCR) que tenham como alvo segmentos conservados de genomas virais é importante para prevenir resultados falso- negativos e diminuir a necessidade de padronização de diferentes protocolos de PCR para o mesmo alvo. Neste trabalho, foi projetado e descrito um conjunto de iniciadores e sondas que têm como alvo regiões conservadas identificadas a partir de alinhamento múltiplo de 2.341 genomas de SARS-CoV-2 disponíveis no banco de dados GISAID (Global Initiative on Sharing All Influenza Data). Subsequentemente os iniciadores foram validados juntamente com as sondas em 211.833 sequências de genomas completos de SARS-CoV-2. Foram obtidos nove sistemas (primer direto+reverso+sondas) que potencialmente se anelam às regiões altamente conservadas do genoma do vírus identificadas nessa análise. Predições in silico também demonstraram que os iniciadores não interagem com alvos não-específicos em sequências de humanos, bactérias, fungos, Apicomplexa e outros betacoronavirus e linhagens menos patogênicas do coronavírus. A publicação das sequências destes iniciadores e sondas tornará possível validar protocolos mais eficientes para identificação do SARS-CoV-2.

O câncer de pulmão representa a principal causa de morte com câncer no mundo, e possui altos níveis de incidência. Assim como outros tipos de câncer, pode ocorrer por diversas causas, de genéticas à ambientais, por isso estudos realizados a partir de diferentes tipos de dados podem ser relevantes para o controle dessa neoplasia, especialmente quando considerados fatores que têm impacto na sobrevivência dos pacientes. No contexto do câncer de pulmão, esse estudo foi desenvolvido para utilizar deep learning a fim de prever a sobrevivência de pacientes. Para tanto foram obtidos dados clínicos e moleculares presentes em bancos de dados do TCGA (The Cancer Genome Atlas) referentes às coortes LUSC (Carcinoma de Células Escamosas do Pulmão) e LUAD (Adenocarcinoma do pulmão), seguido da análise de das alterações genômicas, e aplicação de redes neurais usando como entrada os genes frequentemente mutados para cada coorte, seleção de genes chave e validação com outro banco de dados. As coortes apresentaram diferenças na sobrevida entre si quando submetidas ao método de Kaplan-Meier e ao teste Log-Rank. Na análise genômica, foram selecionados todos os genes com frequência de mutação superior a 15%, sendo encontrados 34 genes para LUAD e 32 para LUSC. A utilização desses genes como entrada nas redes construídas possibilitou a geração das redes LUSC e LUAD com 100% de acurácia, identificando, de acordo com as mutações, se o paciente estava vivo ou morto. Além disso, foi obtida também uma rede LUSC usando como validação um outro banco de dados o LUSC-KR que alcançou 99% de acurácia. Desta forma, este trabalho mostrou que a utilização de genes com mutações frequentes associadas ao uso de deep learning é uma ferramenta robusta e permite predizer a sobrevida de pacientes com câncer de pulmão.

Os estudos da proteômica têm mostrado o grande número de proteínas descobertas e a sua importância para o estudo da vida. Porém, ainda existe uma alta porcentagem dessas proteínas que não foram anotadas funcionalmente, limitando os avanços em diversas áreas com da saúde e de biotecnologia. As funções das proteínas são definidas pela sua conformidade e mudança da estrutura tridimensional da proteína, por isso, dados da estrutura tridimensional dessas proteínas auxiliam na definição de suas funções. Atualmente, existe uma grande quantidade e diversidade de proteínas que possuem sua sequência caracterizada, porém, ainda há um gargalo metodológico para a obtenção de seus dados estruturais. Com o recente desenvolvimento do programa AlphaFold, que prediz de forma acurada a estrutura tridimensional de proteínas a partir de sua sequência de aminoácidos, este gargalo pode ser superado. Assim, o objetivo desse projeto é avaliar o impacto do uso dessas ferramentas de predição estrutural nas anotações funcionais de proteínas. Neste trabalho, procuramos anotar funcionalmente domínios proteicos de função desconhecida (DUF). Para isso, dados preditos da sua estrutura tridimensional foram submetidos a ferramentas computacionais que realizam uma busca por outras estruturas que compartilhem similaridade estrutural. Análises preliminares demonstraram que muitos domínios podem ser beneficiados com esta análise. Além disso, geramos um modelo de classificação que identifica se duas proteínas que compartilham uma similaridade estrutural são homólogos remotos. Este classificador será utilizado futuramente para analisar os resultados de similaridade e sugerir funções a esses domínios.

A metagenômica envolve o estudo da comunidade microbiana encontrada numa amostra extraída de um determinado ambiente. Este ambiente pode ser a parede de uma caverna, uma porção de água do oceano, o intestino humano, ou qualquer fonte contendo micro- organismos de interesse. Tais estudos revelam detalhes sobre a composição taxonômica e as funções exercidas por comunidades microbianas. Como uma análise metagenômica completa requer diferentes ferramentas para diferentes propósitos, a escolha e instalação destas ferramentas representa um desafio. Além disto, o conjunto de ferramentas escolhido afeta a precisão, formatação, e os identificadores funcionais informados nos resultados, impactando a interpretação dos resultados e as respostas biológicas obtidas. O presente trabalho tem como objetivo propor um fluxo de trabalho a ser usado em análises taxonômicas e funcionais de metagenomas. Para isto, foram pesquisadas ferramentas do estado da arte disponíveis na literatura, e conjuntos de dados simulados foram criados para realizar comparações. Como resultado, ferramentas adequadas para cada etapa de análise foram selecionadas, e um fluxo de trabalho sensível e flexível para análises metagenômicas foi projetado. MEDUSA, um fluxo de trabalho eficiente para execução de análises metagenômicas completas, realiza pré-processamento, montagem, alinhamento, classificação taxonômica, e anotação funcional de dados shotgun, permitindo o uso de dicionários criados pelos usuários para transferir anotações para qualquer identificador funcional. MEDUSA inclui diversas ferramentas, tais como o fastp, Bowtie2, DIAMOND, Kaiju, MEGAHIT, e uma nova ferramenta implementada em Python para transferir anotações para resultados de alinhamento BLAST/DIAMOND. Estas ferramentas são instaladas via Conda, e o fluxo de trabalho é gerenciado pelo Snakemake, facilitando a instalação e execução. Comparado com o MEGAN 6 Community Edition, MEDUSA identifica corretamente mais espécies, especialmente as menos abundantes, e é mais adequado para análises funcionais usando identificadores do Gene Ontology.

O transtorno depressivo maior (TDM) é um importante distúrbio neuropsiquiátrico com grande prevalência no Brasil, sendo caracterizado por persistente humor deprimido e/ou perda de prazer por pelo menos duas semanas. O TDM é uma condição incapacitante e que predispõe a outras patologias complexas, como doenças cardiovasculares, podendo até resultar em suicídio. O TDM é mais prevalente em mulheres do que em homens e observa-se diferenças anatômicas, imunológicas, neuronais e hormonais, as quais refletem diferentes prognósticos e sintomatologias entre os sexos. No entanto, não há consenso quanto às alterações transcricionais do TDM em homens e mulheres, bem como as implicações funcionais destas alterações no metabolismo celular. A maior parte dos estudos transcricionais do TDM tenta explicar a fisiopatologia do TDM buscando por alterações da expressão global dos genes. Entretanto as alterações podem ocorrer também em nível de transcrito, de modo que o processamento alternativo de transcritos, pode estar alterado. O presente trabalho busca investigar as alterações transcricionais do TDM em homens e mulheres por meio da análise de expressão diferencial de genes (DGE), a análise de expressão diferencial de transcritos (DTE) e a análise do uso diferencial de isoformas (DTU) em amostras post-mortem de seis regiões cerebrais. O conjunto dos genes identificados em pelo menos uma das três abordagens foi chamado de genes transcricionalmente alterados (TAGs), os quais representam o perfil de alteração transcricional ampla do TDM. Ao todo, 1075 TAGs foram identificados principalmente nas regiões de córtex pré-frontal. Ainda, aproximadamente metade das alterações transcricionais ocorreram apenas em nível de transcrito. Verificamos uma quase ausência de sobreposição entre os genes alterados identificados em homens e mulheres, indicando que o perfil das alterações transcricionais do TDM, em nível de expressão global de genes e de transcritos, é distinto entre os sexos. Verificamos alterações nas vias de processamento e exportação de RNA mensageiro no córtex orbitofrontal de mulheres, além da alteração da expressão do gene DDX39B, um constituinte da maquinaria de processamento de RNA, em diferentes regiões cerebrais de homens e mulheres, respectivamente. Além disso, mostramos que o gene ATAT1 encontra-se alterado em múltiplas regiões cerebrais de mulheres e o gene ABR encontra-se alterado em múltiplas regiões cerebrais de homens, constituindo potenciais biomarcadores sexo-específicos para o TDM.

O sono é um estado corporal e mental importante para a eliminação de toxinas geradas pelo metabolismo e para a consolidação de memórias. É um estado bastante conservado ao longo da evolução animal, sendo presente em todas as espécies de répteis, aves e mamíferos já estudadas, bem como diversos invertebrados. Por sua alta conservação evolutiva, é bem provável que o sono tenha exercido grande influência sobre a constituição dos diferentes comportamentos encontrados nos animais. A importância do sono para a consolidação de memória tem estabelecido o papel fundamental deste fenômeno para a melhoria do desempenho em tarefas. Além disso, recentemente demonstrou-se que o sonho também está envolvido no aperfeiçoamento da realização de tarefas. A Teoria de Simulação de Ameaças de Revonsuo e Valli (2000) propôs que o sonho teria sido selecionado ao longo da evolução por seu valor adaptativo, funcionando como alerta para a possibilidade de ameaças futuras. Teria sido a evolução dos distintos hábitos de presas e predadores influenciada pelo sono e/ou pelos sonhos? A investigação do papel do sono e dos sonhos na relações presa versus predador em humanos é bastante promissora, tanto pelo fato de humanos poderem comunicar o conteúdo dos sonhos que tiveram, quanto pela possibilidade de elaborar tarefas complexas usando jogos de videogame, que simulem situações presa versus predador que seriam difíceis de emular em modelos animais.

Nesse contexto, foram realizados experimentos com 15 duplas de voluntários, as quais vieram conjuntamente ao laboratório e tiveram a atividade cerebral registrada simultaneamente através de eletroencefalografia (EEG). Durante o registro, cada dupla engajou-se num jogo eletrônico interativo por 45 minutos, depois dispuseram-se a dormir por 2 horas e em seguida jogou novamente por mais 45 minutos. Durante o jogo, um dos participantes foi sorteado para atuar no papel de presa e o outro para atuar no papel de predador. A presa poderia abater o oponente apenas com socos, enquanto o predador dispunha também de uma arma de fogo. Portanto, o predador possuía grande vantagem na disputa direta com a presa, assim como ocorre na natureza. Os relatos de sonho dos participantes foram analisados através da opinião de 4 avaliadores independentes que revisaram os relatos de forma cega. Os avaliadores indicaram o grau de certeza de que o participante efetivamente sonhou e grau de clareza dessa lembrança; eles também definiram se os sonhos estavam relacionados ao jogo, ao laboratório, à vida pessoal, a ser presa e a ser predador. Os sinais de EEG foram analisados de maneira automática, através de algoritmos de processamento de dados desenvolvidos especificamente para esse estudo, adequando a sequência de transformações dos dados após inspeção visual dos resultados. Foram avaliadas a potência das oscilações em bandas de frequências características, as propriedades de oscilações lentas e dos fusos do sono, as características dos estágios do sono e escalas do sono. Foi também aplicada ao sinal de EEG uma técnica analítica que busca por padrões recorrentes de distribuição espacial da atividade elétrica; tais microestados estão relacionados às atividades de circuitos neurais específicos através das etiquetas “A”, “B”, “C“ e “D”.

Os resultados indicam que as presas relataram sonhar mais do que os predadores, e que a pontuação das presas esteve positivamente correlacionada com o quanto o relato de sonho estava relacionado com o jogo. As presas também foram mais beneficiadas do que os predadores por terem um sono mais profundo, o que também se correlacionou com a pontuação da presa. As presas tiveram maior potência em delta (1 a 3 Hz), que também favoreceu a pontuação da presa, principalmente através da amplitude das oscilações lentas durante o sono. Não foi encontrado qualquer efeito significativo para os fusos do sono. As presas tiveram seu desempenho prejudicado pelo número de ocorrências do microestado C, que está associado a ativações neurais não relacionadas especificamente com a tarefa proposta.

Em conjunto, os resultados sugerem que as ondas lentas durante o sono e o conteúdo dos sonhos relacionado ao jogo influenciam favoravelmente o desempenho dos participantes no papel de presa, mas não de predador. Uma possível explicação para esta dicotomia seria que o sono e os sonhos são importantes para a adaptação a situações desafiadoras, não sendo tão relevantes em situações às quais o indivíduo já se encontra adaptado.

O meduloblastoma é um câncer do cerebelo que afeta majoritariamente a população pe- diátrica. Este tumor é classificado em quatro subgrupos molecularmente diferentes (WNT, SHH, grupo 3 e grupo 4), onde cada cada um também apresenta características clínicas distintas. Alguns drivers epigenéticos do meduloblastoma já foram descritos por alguns estudos, entretanto, a inferência de suas redes regulatórias e de seus reguladores mestres só é citada uma vez, na literatura. Aqui, foram inferidas as redes regulatórias dos subgrupos SHH, grupo 3 e grupo 4. Após isso, foi identificado um grupo de 10 unidades regulatórias simultaneamente identificadas como reguladores mestres e regulões diferencialmente me- tilados, posteriormente nomeado de “regulões de interesse”. Foi percebido que o padrão de atividade destes regulões varia de acordo com o subgrupos. A análise de enriquecimento de vias do KEGG também foi aplicada, levando em conta o conteúdo de todos os regulões de interesse em cada rede regulatória. Dois termos do KEGG foram identificados conco- mitantemente para os três subgrupos investigados. Este trabalho auxilia na compreensão do reguloma do meduloblastoma, identificando possíveis reguladores mestres, analisando seu metiloma e indicando potenciais alvos terapêuticos.

Redes de regulação gênica (GRNs) influenciam a resposta comportamental dos indivíduos quando submetidos a diferentes contextos, além de participarem de processos extremamente importantes para a vida, como diferenciação celular, metabolismo e evolução. Modelos computacionais de redes de regulação gênica, associados à inteligência artificial, possibilitam-nos criar soluções adaptáveis e independentes de contexto. Neste trabalho, simulamos a evolução de GRNs com o objetivo de avaliar como eventos de variação de ambiente e crescimento de rede impactam na capacidade de aprendizado do modelo. Para isso, criamos populações de indivíduos representados por redes de regulação gênicas artificiais (AGRNs), com características físicas e comportamentos baseados em bactérias. Submetemos então essas populações às tarefas: “Orientação a Objetivo”, “Fototaxia” e “Fototaxia com Obstáculos”, avaliando como os eventos de duplicação de gene único, duplicação de genoma completo e mudança de contexto afetam a evolução da população. Os resultados indicaram que um aumento gradual de complexidade das tarefas realizadas é benéfico para a evolução do modelo. Além disso, vimos que redes de regulação gênica maiores são necessárias para tarefas mais complexas, sendo a duplicação de gene único uma boa estratégia evolutiva para o crescimento dessas redes, ao contrário da duplicação de genoma completo. Estudar como GRNs evoluíram em meio biológico nos possibilita não só melhorar os modelos computacionais produzidos, como também prover insights sobre aspectos e eventos que influenciaram o desenvolvimento da vida na terra.

A leptospirose é uma zoonose amplamente distribuída, causada por cepas de bactérias patogênicas do gênero Leptospira (Filo Spirochaetes). Seus agentes são comumente classificados com base em suas características antigênicas em sorogrupos e sorovares, que são relevantes para estudos epidemiológicos e desenvolvimento de vacinas. No entanto, os métodos utilizados para isso são considerados trabalhosos e requerem uma infraestrutura especializada. Alguns métodos moleculares foram propostos para acelerar esses procedimentos, mas ainda não podem substituir os testes imunológicos, exigindo assim um maior conhecimento da base genética subjacente à classificação sorológica. Neste trabalho, nos concentramos em elucidar os fatores genéticos determinantes do sorogrupo Sejroe, que é um dos sorogrupos mais prevalentes da pecuária. Para isso realizamos uma análise genômica comparativa utilizando mais de 700 amostras de leptospiras disponíveis no banco de dados públicos. A análise mostrou que os genes que compõem o locus rfb são os principais fatores genéticos associados a classificação sorológica O locus rfb de amostras do sorogrupo Sejroe tem uma composição de gene conservada que difere da maioria dos outros sorogrupos. Hebdomadis e Mini foram os únicos sorogrupos cujas amostras apresentam locus rfb com composição gênica semelhante aos do sorogrupo Sejroe, corroborando com a similaridade antigênica compartilhada por eles. Finalmente, nós pudemos determinar uma pequena região no locus rfb em que cada um desses três sorogrupos pode ser distinguido por sua composição gênica. Este é o primeiro trabalho que utiliza um extenso repertório de dados genômicos de amostras de leptospira para elucidar as bases moleculares da classificação sorológica e abrir caminho para estratégias mais confiáveis baseadas em métodos moleculares de sorodiagnósticos.

Quantitative Structure Activity Relationship (QSAR) é uma tecnologia da área da química medicinal que busca esclarecer as relações existentes entre estruturas moleculares e suas respectivas atividades biológicas. Para isso, são construídos modelos QSAR a partir dos dados estruturais (2D, 3D ou 4D) provenientes de uma série de moléculas já testadas para uma determinada atividade. Através de predições realizadas por esses modelos, objetiva- se identificar quais modificações na molécula podem influenciar, reforçando ou não a resposta biológica. Tal tecnologia permite acelerar o desenvolvimento de novos compostos, reduzindo os custos destinados ao planejamento de fármacos. Considerando o contexto brevemente exposto, o presente trabalho apresenta como objetivo geral propor uma metodologia e testa-la em diversos conjuntos de dados através do desenvolvimento de uma ferramenta para QSAR-3D, então denominada 3D-QSARpy. A metodologia foi validada com sucesso através da aplicação da ferramenta em dois conjuntos de dados com resultados superiores aos previamente publicados. O primeiro deles envolvendo o tratamento de diabetes, alcançando r 2 pred de 0.91. O segundo conjunto referente ao tratamento de câncer, com r 2 pred =0.98. Por fim, duas aplicações da ferramenta foram realizadas, contribuindo com a identificação de novas estruturas moleculares bioativas usando diferentes abordagens. Sendo a primeira delas destinada ao tratamento da doença de chagas, incluindo a construção de modelos QSAR híbridos para três séries, obtendo, r 2 pred =0.8, 0.68 e 0.85. A segunda aplicação para construção de modelos QSAR-4D foi destinada ao tratamento da tuberculose com r 2 pred =0.72. Todos os experimentos realizados, sejam para validação ou para identificação dessas novas moléculas demonstraram, não somente a eficiência da metodologia proposta e da ferramenta desenvolvida, como também a versatilidade de aplicações possíveis por meio dela, seja seguindo o seu pipeline geral, seja utilizando-o parcialmente de modo combinado com outras ferramentas existentes.

Nas últimas décadas o interesse biológico em compreender a regulação gênica, tem levado a descobertas de genes tumorais com expressões diferenciadas em subgrupos de pacientes. Estes genes possuem um perfil bimodal de distribuição dos valores de expressão, o que têm despertado a atenção para investigar os padrões de desenvolvimento e de sua funcionalidade. Uma das grandes limitações dos métodos tradicionais está em identificar subgrupos homogêneos, que representam os distintos níveis do valor de expressão gênica para o mesmo tumor. Neste trabalho, desenvolvemos um método que seleciona genes candidatos ao padrão de bimodalidade a partir da função densidade de probabilidade dos valores de expressão, permitindo minimizar a heterogeneidade interna dos picos. Analisamos 25 tipos de tumores e encontramos 96 genes com amostras consistentes quanto ao prognóstico de sobrevida, com p-valor ≤ 0,01. Como contribuição apresentamos um método com o código livre, que possibilita reduzir os níveis de variabilidade interna dos grupos e que relaciona o padrão de expressão bimodal com o prognóstico de sobrevida. Assim, acreditamos que a utilização do método poderá ser útil na avaliação do padrão bimodal de expressão gênica e na descoberta de novos biomarcadores clínicos para diferentes tipos de câncer.

As memórias são armazenadas no cérebro pela mudança persistente da conectividade entre neurônios e o sono desempenha um papel decisivo para a persistência dessas mudanças. Pesquisas sobre a neurobiologia do sono demonstram a ativação de mecanismos de plasticidade sináptica de longa duração. Dados experimentais apontam para um duplo papel do sono, tanto no esquecimento de memórias irrelevantes quanto no reforço das lembranças mais importantes. A hipótese investigada nesta tese é de que os mecanismos de reorganização sináptica envolvidos na consolidação de memórias podem trazer vantagens na performance das redes neurais artificiais. Este trabalho visa aplicar mecanismos neurobiológicos de aprendizagem dependente de sono na aprendizagem de máquina. Para isto, foi feita uma revisão das teorias de consolidação da memória através do sono, assim como dos modelos computacionais que dão suporte a essas teorias. Com a observação de como o cérebro otimiza os recursos biológicos, a pesquisa seguiu a tendência das redes neurais artificiais onde foram aplicados conceitos presentes na aprendizagem biológica, na aprendizagem de máquina. Então foram realizadas simulações de computador para explorar a hipótese de que os mecanismos subjacentes utilizados pelo cérebro para aprendizagem biológica através do sono são capazes de otimizar o aprendizado em redes neurais artificiais. A esparsialidade sináptica pode trazer vantagens na economia de recursos sem que haja um decaimento na aprendizagem, então, usamos uma rede neural artificial esparsa para aprender diferentes conjuntos de dados e, em seguida, testar se o sono poderia reduzir ainda mais o número mínimo de sinapses que um sistema precisa para o aprendizado de padrões. As simulações foram realizadas com diferentes tamanhos de rede, diferentes níveis de esparsialidades, diversas bases de dados além de utilizar modernos frameworks e algoritmos em aprendizagem de redes neurais profundas. Os resultados corroboram a hipótese de que o sono reduz o número necessário de sinapses para que se atinja um determinado limite de aprendizagem.

O hipocampo tem sido relacionado com a codificação de memórias bem como com a navegação espacial, enquanto que o córtex pré-frontal é associado a funções cognitivas como a tomada de decisões. Supõe-se que ambas as áreas interajam entre si em tarefas que exijam tanto a navegação no espaço quanto processos de tomada de decisão. Entretanto, as assinaturas eletrofisiológicas por trás dessa comunicação carecem de uma melhor elucidação. Para investigar as dinâmicas das interações hipocampo-prefrontais, nós analisamos potenciais de campo local registrados em ratos desempenhando uma tarefa de alternação espacial num labirinto em formato de oito. Observamos que a coerência de fases nas bandas oscilatórias teta (6- 10 Hz) e beta (23-30 Hz) atingem seu pico próximo à região da tomada de decisão do labirinto. Ademais, análises de causalidade de Granger apontam para um fluxo informacional de direcionalidade hipocampo -> córtex pré-frontal na banda teta com maior intensidade em áreas iniciais do labirinto, e na direcionalidade oposta na banda delta, com um pico no início da curva. Adicionalmente, mostramos que os padrões de acoplamento fase- frequência intra e inter-regionais apresentam seletividade espacial. Análises de acoplamento de disparos mostraram que neurônios individuais do córtex pré-frontal são mais moduladas pelo ritmo teta hipocampal que pelo ritmo equivalente da sua própria região. Nossos resultados demonstram maiores níveis de interações eletrofisiológicas entre o hipocampo e o córtex pré-frontal situados próximos à área de decisão do labirinto numa tarefa de alternação espacial. Essas observações corroboram a hipótese de que uma comunicação dinâmica entre essas duas regiões acontece durante decisões espaciais.

O Pirarucu, (Arapaima gigas) é um dos maiores peixes ósseos de água doce do mundo,podendo pesar por volta de 200 quilogramas e medir cerca de 3 metros de comprimento quando adulto. Pertence a família Arapaimidae, ordem dos Osteoglossiformes e tem como habitat natural a Bacia amazônica. Devido ao seu grande porte, à sua carne conter baixo conteúdo de gordura e pequeno número de espinhas, Arapaima gigas tornou-se uma espécie de especial interesse na pesca. Um dos problemas relacionados à sua exploração pesqueira é que não se conhecem ao certo os mecanismos genéticos ligados a sua diferenciação sexual. A maturação sexual em Arapaima gigas ocorre tardiamente, por volta do terceiro ao quinto ano de vida, e o dimorfismo sexual não é uma característica proeminente nesta espécie. Para um manejo mais sustentável, é de suma importância buscar um método eficaz e pouco invasivo para diferenciar sexualmente os indivíduos juvenis de Arapaima gigas. Para isso, o estabelecimento de um marcador genético molecular relacionado com a diferenciação sexual seria uma vantajosa ferramenta. Análises anteriores do genoma de Arapaima gigas não obtiveram resultados significativos em determinar genes ou grandes regiões genômicas associadas ao sistema de determinação sexual destes indivíduos. Neste estudo, propusemos realizar diferentes abordagens em Bioinformática, que não são tão usuais para a identificação de diferenças genômicas entre indivíduos de sexooposto, com o intuito de identificar regiões repetitivas em excesso ou em falta em um dossexos ou pequenas regiões presentes em apenas um sexo. Para isso, utilizamos dados genômicos de seis representantes adultos de Arapaima gigas, sendo três machos e três fêmeas,além do genoma referência de Pirarucu ID: 12404 depositadas no NCBI. Após realizados esses estudos exploratórios no genoma de Arapaima gigas, notou-se a existência de k-mers que estão representados de maneira distinta entre os indivíduos de sexo oposto. E não só aexistência desses k-mers como também, a identificação de 22 scaffold’s onde ocorrem existência de haploidias, que se fazem presentes em um sexo e com cenário antagônico no outro. Ademais, foi realizada a identificação do painel de microssatélites em Arapaima gigas, onde foi computado a existência de 95.485 microssatélites. O conhecimento dessas regiões de microssatélites é de suma importância para a continuação deste trabalho pois viabiliza sua utilização como marcadores moleculares de regiões genômicas, que aliado principalmente as porções de haploidia existentes em apenas um dos sexos de Arapaima gigas facilitaria técnicas experimentais de isolamento de sequências de interesse. As diferentes proporções na contagem de k-mers e sítios de heterozigose (haploidia) podem indicar a existência de fatores genéticos, que se comprovados através de experimentos na bancada, podem auxiliar na sexagem dos indivíduos de Arapaima gigas.

O estudo da essencialidade das proteínas por meio de métodos laboratoriais é caro e não escalável para grandes quantidades de proteínas, desta forma é relevante avaliar a essencialidade das várias proteínas de uma via metabólica como um todo através de ferramentas computacionais. Em geral, uma via metabólica pode ser analisada como grafos, os quais fornecem diferentes recursos para o estudo das características topológicas de redes, como os seus pontos de articulação e disposição dos nós. Atualmente, pesquisas em bioinformática estudam a essencialidade de proteínas com base nas métricas de betweenness e degree, contudo a teoria dos grafos sugere que os pontos de articulação podem ser nós importante em uma rede resta avaliar se esses pontos de articulação são de fato essenciais para as vias metabólicas e seu impacto topológico na rede. Utilizando análises baseadas em métricas de rede, o nosso objetivo é verificar se de fato esses pontos de articulação representam gargalos na rede, sendo estes caracterizados como proteínas de frequências elevadas e localizadas no centro das redes. Para tanto, identificamos os pontos de articulação em diferentes vias metabólicas do KEGG, avaliamos o impacto de cada um deles, calculamos sua frequência e comparamos suas ocorrências com as demais proteínas. Inicialmente, fizemos o levantamento das vias metabólicas do KEGG que estavam disponíveis através dos arquivos KGML associados às redes. Após a listagem das vias disponíveis, os dados estruturais de cada uma delas foram convertidos em objetos do tipo grafo. Os parâmetros ponto de articulação, betweenness e degree foram utilizados para classificar as proteínas constantes em cada via metabólica. Aproximadamente 20% das proteínas foram classificadas como pontos de articulação, das quais 3,75% foram identificadas pela alta frequência e localização em regiões centrais da rede. Além disso, a maior concentração dos pontos de articulação ocorreu na faixa de frequência dos 80 a 90%. Um padrão de não aleatoriedade na distribuição dos pontos de articulação foi identificado nos grupos com frequências acima de 74,5%. Finalmente, a biossíntese de esteroides foi a via metabólica com o maior número de pontos de articulação com frequências superiores a 80% em sua constituição. A oxidoredutase foi a classe dos pontos de articulação presente no maior número de vias metabólicas. As descobertas sugerem que os gargalos das redes avaliadas são pontos de articulação com as frequências mais altas e localizados no centro da rede. Resta realizar análises mais aprofundadas a respeito dos papéis biológicos destes pontos de articulação encontrados.

Esta tese apresenta três pesquisas realizadas no campo da simulação ab initio, baseadas em princípios da Mecânica Quântica. O primeiro estudo retrata as particularidades das interações entre o receptor androgênico (RA) carregando uma mutação T877A, cuja a qual promove promiscuidade no receptor, e dois fármacos antagonistas acetato de ciproterona e hidroxiflutamida (CPA e HFT) e um composto agonista (RLL). As energias de interação foram obtidas com base em métodos da química quântica baseados na Teoria do Funcional da Densidade (DFT) utilizando o método de Fragmentação com Capas Conjugadas (MFCC). Os resultados demonstram a relevância individual entre T877A-RA e os ligantes, apontando os principais resíduos que perfazem as interações. O segundo estudo apresenta a análise da interação entre RNA ribossômico 16S e a higromicina B (hygB) é um antibiótico aminoglicosídeo que afeta a translocação ribossômica, utilizando a estratégia MFCC à luz do DFT e parametrizações de constantes dielétricas. Os resultados apontaram que os nucleotídeos C1403, C1404, G1405, A1493, G1494, U1495, C1496 e U1498 tinham as energias de ligação mais negativas, tornando-os fortes candidatos para estabilizar o hygB em uma bolsa de ligação adequada da subunidade ribossômica 30S dos procariontes. Já o terceiro trabalho apresentado aqui investiga as interações entre a proteína anti-apoptótica MCL-1, a qual sua superexpressão tem a capacidade de bloquear a via de sinalização da apoptose permitindo o crescimento celular desordenado, e sete compostos químicos com potencial para inibir a proteína. A metodologia utilizada aqui também utiliza métodos quânticos baseados no DFT, além do MFCC. Os resultados apontaram que os resíduos Arg263, Met231, Val253 Phe270, Phe228, Phe254, Leu267 e Thr266 são de crucial importância para a ligação dos inibidores ao bolso hidrofóbico de MCL-1. Os métodos computacionais utilizados nos três estudos emergem como uma alternativa elegante e eficiente para o desenvolvimento de medicamentos.

A detecção de ácidos nucleicos por eletroforese ainda é uma técnica rápida e acessível para muitos métodos de diagnóstico, principalmente em laboratórios de pesquisa ou em unidades básicas de saúde. Protocolos padrão detectam moléculas de DNA/RNA através de corantes químicos específicos usando um transiluminador de UV ou sistema de fotodocumentação ultravioleta. No entanto, os custos de aquisição e a disponibilidade desses dispositivos, principalmente aqueles com capacidade de fotografia e conexão à Internet, podem ser proibitivos, principalmente nas unidades de saúde pública dos países em desenvolvimento. Além disso, a radiação ultravioleta é um fator de risco adicional comum para profissionais que usam a detecção de ácidos nucleicos baseada em eletroforese. Com isso em mente, este trabalho descreve o desenvolvimento de um sistema inteligente de detecção de DNA/RNA de baixo custo, capaz de obter dados qualitativos e semiquantitativos da análise em gel. O dispositivo proposto explora a faixa de absorção de luz visível dos corantes de DNA/RNA comumente usados, usando peças prontamente disponíveis e processos de fabricação simples, como diodos emissores de luz (LEDs) e impressão 3D. Ao aplicar técnicas de Internet Of Things, nosso sistema cobre uma ampla gama de espectros de cores para detectar bandas de vários corantes usados comercialmente, usando comunicação Bluetooth e um smartphonepara controle de hardware, captura e compartilhamento de imagens. O projeto também permite a escalabilidade do processo e possui baixos custos de fabricação e manutenção. O uso de LEDs no espectro visível pode obter imagens muito reproduzíveis, fornecendo um alto potencial para diagnósticos rápidos e no local de atendimento, além de aplicações em vários campos, como saúde, agricultura e aquicultura.

Nos últimos anos, os neoantígenos têm gerado grande interesse na imunoterapia devido à sua capacidade de elicitar respostas imunológicas antitumorais. Os neoantígenos surgem como consequências de mutações somáticas especificas e podem ser apresentados, pelas moléculas de HLA, na superfície das células tumorais e reconhecidos pelas células T como moléculas não-próprias. Diversos estudos indicaram resultados promissores quanto ao uso dos neoantígenos em diferentes abordagens imunoterapêuticas. No entanto, a identificação precisa dos neoantígenos ainda permanece um desafio. Portanto, o objetivo do presente trabalho foi desenvolver uma ferramenta computacional que integre análises imunogenômicas individuais, porém, fundamentais para a identificação de potenciais neoantígenos. Foram utilizados dados de RNA-seq do projeto GEUVADIS e dados de mutações somáticas provenientes de melanoma do projeto TCGA para auxiliar na validação do pipeline desenvolvido. Como resultado, obteve-se a ferramenta, denominada neoANT-HILL, desenvolvida na linguagem de programação Python e, disponível através de uma interface gráfica amigável e interativa. A ferramenta utiliza dados provenientes do sequenciamento genômico ou exômico e/ou dados de RNA-Seq para a execução das análises imunogenômicas disponíveis. A integração dos resultados auxiliam na identificação precisa de potenciais neoantígenos candidatos à imunoterapia.

Micobactérias não tuberculosas são micobactérias ambientais responsáveis por um crescente número de infecções respiratórias e sistêmicas nas últimas décadas, especialmente entre crianças, idosos e indivíduos imunodeficientes. O complexo do Mycobacterium avium, composto por M. avium e M. intracellulare é responsável pela maior parte desses casos e esta primeira espécie possui quatro subespécies de diferentes capacidades infecciosas e hospedeiros. Uma dessas subespécies, Mycobacterium avium subsp. hominissuis, foi isolada de humanos e suínos, enquanto outras variedades infectam gado, aves e animais silvestres. Até o presente momento o tratamento das infecções causadas pelo complexo se dá pelo uso de múltiplos antibióticos em um regime longo, custoso e por vezes ineficiente. A identificação de alvos efetivos para o controle desses organismos é essencial e desafiadora uma vez que proteínas de superfície, moléculas alvo chave em diversas imunoterapias bem-sucedidas, são de difícil isolamento. Além disso, o desenho de imunoterapias e formulações vacinais dependem da identificação de peptídeos de maior interesse imunológico os quais decorrem de protocolos repetitivos e custosos. Nesse trabalho buscou-se integrar ferramentas computacionais de maneira a investigar proteínas de superfície com porções imunogênicas expostas e ubíquas a linhagens de Mycobacterium avium subsp. hominissuis. Para isto, 32648 proteínas de 7 diferentes linhagens de Mycobacterium avium subsp. hominissuis, obtidas do NCBI, foram submetidas à predição de seus domínios trans-membranares pelo software TMHMM e as 3426 sequências contendo estes domínios foram agrupadas em 577 clusters com respeito a sua homologia de modo a classificar proteínas de membrana comuns a todas esses organismos utilizando ferramentas da plataforma CMG Biotools. Utilizando essas sequências, juntamente com os métodos disponíveis no IEDB foram empregados em predições de afinidade aos 27 alelos de MHC mais frequentes em diversas populações humanas e os peptídeos de maior imunogenicidade foram selecionados, restando 112 clusters. Dos peptídeos altamente imunogênicos presentes, apenas os pertencentes a 58 clusters cujas sequências os situavam mais de 50% na porção externa da membrana foram considerados possíveis candidatos a uma formulação vacinal. Foram ainda calculadas a conservação dos peptídeos (presença nas diferentes linhagens analisadas), em que 60% dos clusters são completamente formados por peptídeos ubíquos e a promiscuidade dos mesmos (número de diferentes MHCs aos quais se ligam), em que apenas um cluster possui um peptídeo com alta afinidade a quatro MHCs distintos. Com respeito aos candidatos para a formulação vacinal, um conjunto mínimo de 9 peptídeos com alta afinidade ao número maior de MHCs distintos foi selecionado com peptídeos interagindo com 15 moléculas. Nenhuma das sequências desses peptídeos candidatos mostrou potencial para geração de reatividade cruzada com proteínas humanas ou suínas. O trabalho computacional aqui desenvolvido poderá ser aplicado a outros conjuntos de organismos de maneira a identificar possíveis candidatos para aplicações vacinais.

A ciência de dados está se tornando um campo difícil de trabalhar, não apenas pela enorme quantidade de dados e sua variedade de formatos; também pela a necessidade de colaboração entre vários especialistas, a fim de recuperar
informações valiosas. Nesse contexto, criamos o Bio-DIA, um software on-line para criar projetos focados na integração de dados e algoritmos. Os resultados obtidos em um projeto podem ser reutilizados em outros projetos, sem conhecimentos específicos de programação. O software foi criado com o Angular no front-end, o Django no back-end com o Spark para lidar com problemas de big data, como a variedade de extensões de arquivos, e para usar o sistema, o único requisito é usar um padrão xml específico. O aplicativo Bio-DIA facilita a colaboração entre os usuários, permitindo que grupos de pesquisadores compartilhassem dados, scripts e informações.

A citometria de fluxo (CMF) é uma técnica analítica baseada na caracterização espectroscópica de partículas em suspensão. Essa técnica permite a descrição quantitativa e qualitativa de uma vasta gama de sistemas celulares em poucos segundos e a custos relativamente baixos - características que a tornam uma ferramenta bastante ubíqua em protocolos analíticos, tanto industriais quanto acadêmicos. Nesse tocante, as ciências ambientais vem lidando com obstáculos bastante notórios quanto à estruturação de protocolos de CFM: a natureza altamente heterogênea das amostras ambientais dificulta o ajuste de protocolos que equilibrem raciocínios matemáticos padronizados e os significados biológicos intrínsecos do sistema em estudo. Diversas abordagens vem sendo concebidas com vistas a corrigir essas incongruências e, dentre elas, as que exploram a ideia da diversidade citométrica - o estudo de dados de CFM com base em métodos de ecologia numérica - vem se mostrando bastante auspiciosas. Contudo, apesar da disponibilidade de soluções, muitos desafios técnicos ainda precisam ser superados. Neste trabalho, nós desenvolvemos e aplicamos uma nova ferramenta computacional, o flowDiv, especialmente projetada para a análise da diversidade citométrica de dados ambientais. Aqui, além de pormenorizamos a lógica por trás do método e o compararmos a estratégias computacionais similares, nós o aplicamos a problemas reais, revelando como alguns fatores ecológicos importantes, como o estado nutricional, afetam a diversidade citométrica de grupos microbianos de lagos naturais da Patagônia argentina e do nordeste brasileiro.

A  oscilação  gama  está  presente  em  diversas  áreas  do  cérebro,  como  no  hipocampo, desempenhando um importante mecanismo para o funcionamento da memória. Encontramos diversos  modelos  capazes  de  explicar  a  geração  das  oscilações  gama  e  explicam  suas  duas funcionalidades, a de agrupar de forma sincronizada as sinapses dos neurônios e a de selecionar quais neurônios devem disparar em cada ciclo deste sincronismo. Funcionalidades estas que imprimem um caráter computacional do processamento neural a este sistema, como a separação de padrões e a formação de assembleias neurais. Porém, a análise destes modelos existentes demonstra ser muito sensível às variações das atividades cerebrais, sendo fortemente afetados por variações ne suas camadas de entrada, de modo a aparentar não possuir uma boa robustez, gerando muita variação de sua frequência de saída, assim como na competitividade entre estes neurônios.  Entretanto,  ao  se  considerar  uma  importante  parte  do  circuito  biológico  não considerada em trabalhos anteriores, uma rede de inibição alimentada a frente nos possibilitou a criação de um novo modelo. Baseando-nos no modelo de neurônio de Izhikevich, geramos um novo modelo com uma maior robustez às variações na camada de entrada, bem como um custo computacional  reduzido  e  proximidade  do  modelo  biológico.  Em  posse  deste  novo modelo, será possível  criar  redes  neurais  com  maior  capacidade  de  neurônios,  com  custo computacional reduzido, além da possibilidade de análise do comportamento individual em cada neurônio do modelo.

O transcriptograma, um método utilizado na análise de transcriptomas, utiliza dados de interação proteína-proteína para construir uma lista ordenada de genes. Nesta lista, genes são posicionados de forma que a probabilidade de interação entre seus produtos decaia exponencialmente com o aumento da distância entre suas posições. A lista ordenada de genes é então utilizada para calcular o valor de expressão médio de genes funcionalmente associados numa janela com raio configurável, permitindo a expressão diferencial de grupos gênicos não pré-definidos em estudos caso-controle. O objetivo deste estudo é a implementação de um pacote em R que use transcriptogramas e integre funcionalidades de pacotes já conhecidos pela comunidade científica, capaz de realizar: expressão diferencial, enriquecimento funcional, e visualização de rede. O pacote transcriptogramer foi implementado e encontra-se disponível no Bioconductor, um repositório para softwares open source desenvolvidos na linguagem R para utilização em bioinformática. Numa comparação entre o transcriptogramer e um pipeline combinando funcionalidades dos pacotes limma e topGO, observou-se que o transcriptogramer identificou aproximadamente 10 vezes mais termos do Gene Ontology significativamente enriquecidos, dentre os quais foram encontrados a maioria dos termos identificados pelo pipeline convencional.

Com o desenvolvimento de sequenciadores de próximageração, uma revolução ocorreu na pesquisa genômica, e atualmente o genoma completo de milhares de linhagens de bactérias são conhecidos. A análise de proteínas por espectrometria de massas (MS) também passou por grandes desenvolvimentos tecnológicos na última década em termos de sensibilidade e capacidade de sequenciamento. A proteômica ainda não se encontra no mesmo nível que a genômica, mas para amostras contendo proteínas de um eucarioto simples (por exemplo, levedura) ou de uma bactéria, a proteômica já é capaz de detectar e quantificar proteínas de maneira completa e exaustiva. Mas há ainda há desafios no que tange a caracterização de regiões codificadoras de um genoma, bem como na validação de modelos genéticos. Dados da literatura mostram que anotações de um mesmo genoma realizado por abordagens independentes geram resultados conflitantes tanto no número de ORFs anotados, quanto aos seus tamanhos (i.e., diferentes escolhas de início de transcrição/tradução). A caracterização de sequências peptídicas em amostras de proteômica pode ser utilizada para validar regiões do genoma como codificantes, área de pesquisa conhecida como proteogenômica. Para tal ocorrer, é necessário a construção de bancos de sequências customizados, que permitem a identificação de novas regiões que anteriormente não eram preditas como codificadoras e se encontravam ausentes em bancos de dados proteicos. Neste trabalho, foi desenvolvida uma estratégia computacional que constrói bancos de sequências de proteínas customizados, a partir do processamento e análise de dados de sequências proteicas de várias linhagens de uma mesma espécie de bacteria. A abordagem identifica e compara proteínas homólogas e unicamente anotadas em todas as linhagens, e reporta as sequências de proteínas de forma não-redundante, ou seja, sequências extensivamente repetidas entre anotações são reportadas somente uma vez com o intuito de manter o tamanho do espaço de busca sob controle. Os bancos também reportam variações de sequência, sejam elas resultantes de variações genéticas ou divergências de anotação de genes, que normalmente são abdicadas em bancos de dados utilizados em análise proteômica. Além dos bancos, houve também uma preocupação de se criar um arquivo de registro, no qual cada observação referente a presença de homólogos, diferenças de sequências, tipo de modificação e presença em linhagens estivesse bem descrita. Com o objetivo de avaliar se os bancos gerados produziam sequências relevantes e não ocorria perda de informação se comparados às sequências originais utilizadas, dados de MS coletados de linhagens clínicas de Mycobacterium tuberculosis foram submetidas à identificação proteica. Comparou-se o banco de dados criado com essa abordagem com uma base de dados formada pela mera concatenação de todas as proteínas anotadas em M. tuberculosis. Além de reduzir o tempo computacional, o número de identificações obtidas em ambas as buscas foi praticamente idêntico. Finalmente, foram criados bancos para 10 espécies bacterianas com pelo menos 65 linhagens caracterizadas. Ao analisar tais bancos, percebeu-se que quanto maior a diversidade do pangenoma da espécie bacteriana, maior a quantidade de proteínas e peptídeos esperados. Os resultados também demonstram a possibilidade de se utilizar tal estratégia para criar bancos contendo sequências de múltiplas espécies, com o intuito de realizar análises metaproteômicas de dados de MS.

Os atuais avanços científicos, no âmbito da genômica, têm sido proporcionados devido à extração de informações significativas do DNA em virtude do uso das novas tecnologias disponibilizadas para realização da análise dos dados genéticos. A medicina de precisão faz uso desses avanços tecnológicos para melhor conhecer a constituição genética e as possíveis alterações que possam vir a produzir doenças com respostas diferenciadas aos tratamentos em um indivíduo. Considerando as mutações genéticas como um dos propulsores da evolução e tendo em vista a compreensão mais apurada dos seus efeitos, o presente trabalho objetiva contribuir nas futuras análises de dados de mutações, visando auxiliar futuramente na identificação de novos hotspot e SNPs. Para que essa análise possa ser realizada foi desenvolvido um produto de software responsável por oferecer assistência aos dados coletados, com o intuito de analisá-los de maneira eficiente e visualizá-los de maneira mais precisa. Este trabalho propõe a implementação de novas funcionalidades que possam agregar valor a este produto, contribuindo diretamente na automatização e aperfeiçoamento dos processos realizados pelas ferramentas de análise de variantes disponíveis no mercado. Visando uma aplicabilidade prática do que foi desenvolvido, foi proposta uma análise dos dados públicos utilizados para anotar os variantes do sistema. Para isso, será realizado um estudo referente aos dados dos preditores existentes, para que possa ser verificada a acurácia dos mesmos em relação aos dados clínicos registrados no banco ClinVar (https://www.ncbi.nlm.nih.gov/clinvar/). Com o intuito de extrair dados para demonstrar a relevância da análise dos falsos positivos/negativos apresentados por meio dos preditores existentes, foi proposto um protótipo de processo que visa melhorar a acurácia dos SNPs identificados pelo sistema.

O filo Apicomplexa compreende protozoários de vários filo ao nível de gênero causadores de parasitoses mundialmente distribuídas como malária, toxoplasmose ou distúrbios intestinais oportunistas. Ainda nos dias de hoje, os principais protozoários de importância médica geralmente são identificados por microscopia óptica, o que dificulta a classificação precisa e o diagnóstico dos pacientes, principalmente nos casos em que a parasitemia é baixa. Nesse contexto o presente trabalho teve como objetivo desenvolver um método molecular alternativo, que possibilite a identificação de ampla variedade de protozoários do filo Apicomplexa. Dessa forma, foi desenvolvido um sistema de primers para utilização em uma reação de PCR (Polymerase Chain Reaction) em duas etapas (semi-nested PCR). O alvo investigado para o desenho de primers foi a região 18S rDNA, por ser um alvo amplamente utilizado para screening e identificação de espécies em estudos de biodiversidade. A partir da análise e caracterização estrutural do ácido nucleico ribossomal in silico, foram desenhados conjuntos de primers que se anelam em regiões conservadas e flanqueiam regiões variáveis no gene. A eficiência de cada conjunto de primers foi avaliada por PCR in silico. Foi selecionado um conjunto de primers que, quando usado de forma aninhada, pode gerar ~166 amplicons com sequências distintas, que podem ser usados para discriminar gêneros e espécies de Apicomplexa por diferença no tamanho em gel de agarose e por sequenciamento. O método proposto foi validado in vitro e sua eficiência na identificação de algumas espécies de protozoários de interesse médico foi confirmada. Após etapas adicionais de validação, esse método poderá ser utilizado para triagem inicial em casos de suspeita de parasitoses e também para determinação de diferentes espécies de parasitas.

A caracterização in silico vem sendo empregada como uma alternativa mais acessível para predição de sequências proteicas que não podem ser reproduzidas in vitro ou ter suas estruturas cristalizadas, bem como pode fornecer dados que complementam abordagens experimentais. O vírus causador da síndrome da mancha branca (WSSV) é um dos maiores problemas enfrentados pela carcinicultura mundial, causando consideráveis danos econômicos. Apesar de os efeitos do vírus nos cultivos serem bem conhecidos, até o momento existem poucas informações sobre os mecanismos de infecção e replicação viral, principalmente devido ao fato de grande parte de suas sequências codificantes não apresentar homologia com sequências conhecidas. Além disso o genoma do WSSV apresenta algumas regiões codificantes que variam entre os diferentes isolados, que até o momento não foram caracterizadas funcionalmente, denominadas ORF75, ORF94, ORF125, ORF23/24, ORF14/15. Esse trabalho teve como objetivo a caracterização in silico das proteínas putativas codificadas pelas regiões variáveis do genoma do WSSV, no intuito de se identificar possíveis funções. Foram empregadas análises filogenéticas a partir do alinhamento de dez sequências genômicas do WSSV obtidas do GenBank. As regiões variáveis das ORF75, ORF94 e ORF125 foram alinhadas e as unidades de repetição e SNPs anotados através da plataforma Geneious. As sequências de aminoácidos foram submetidas a buscas por homólogos remotos, motivos, domínios conservados, reconhecimento de fold e predição estruturas secundárias e terciárias. Foi possível modelar estruturas terciárias de domínios proteicos e inferir possíveis funções que incluem um motivo de reconhecimento de RNA associado a processos pós-transcricionais entre as posições 70-150 da ORF23, um motivo Ankyrim repeat (ANK) atuando em conjunto com o domínio RING-H2 na modulação da proteólise dependente de Ubiquitina na ORF125, helicases de reparo na ORF23/24, uma proteína associada a polimerização de filamentos de actina (ORF14/15) e uma proteína semelhante a subunidade HA2 da hemaglutinina do Influenzavirus (ORF23/24). Também foi possível detectar assinaturas associadas a sinais de localização nuclear dentro das unidades de repetição das sequências de aminoácidos codificadas por ORF75 e ORF94 que podem estar envolvidos na emissão de sinais para proteínas carreadoras do núcleo da célula hospedeira. Foi realizada a análise de algumas regiões regulatórias 100 e 200nt upstream das regiões codificante e foi possível detectar alguns motivos, incluindo um sítio de ligação de “Zinc-Finger”, sugerindo a interação entre possíveis fatores de transcrição. Por meio desses resultados foi proposto um modelo de atuação para cada uma das proteínas estudadas.

A pesquisa contra o câncer abrange diversas facetas, incluindo desde a compreensão de que processos biológicos são ganhos e perdidos na doença, até como essas características podem afetar a taxa de sobrevida do paciente. Nesse contexto, a bioinformática tem sido aplicada para a prospecção de possíveis candidatos para terapia e diagnóstico. A presente tese contempla o conjunto de três capítulos voltados: i) a prospecção de alvos terapêuticos; ii) identificação de possíveis antígenos tumorais; iii) compreensão de mecanismos associados à resistência droga. No primeiro capítulo, é apresentado um catálogo de proteínas de superfície celular denominado como surfaceoma. O catálogo contempla 3.758 proteínas, as quais foram categorizadas quanto as alterações genéticas e a sua influência na redução sobrevivência em diversos tumores. Além disso, foi proposta uma assinatura de três (WNT5A, CNGA2 e IGSF9B) associados a mau prognóstico em câncer de mama. No seguinte capítulo, são apresentados dados derivados de um segundo artigo, no qual são explorados aspectos adicionais relacionados a antígenos tumorais, com ênfase de CTAs – cancer-testis antigens. Como resultado, foi desenvolvido um método para priorização de possíveis antígenos tumorais em escala genômica. Em seguida, foi discutido a eficácia de combinações entre CTAs no que consta o desenvolvimento de vacinas anticâncer. Finalmente, foram elencadas combinações significativas entre HEATR9, INSL3, GTSF1L e HSF5, que abrangem em média 35% dos pacientes. Por último, o terceiro capitulo discorre sobre um trabalho em desenvolvimento, o qual envolve uma classe de proteínas com função de regulação pós-transcricionais e a sua importância na resposta a drogas anticâncer. Em particular, os achados desse capítulo sugerem uma interessante discussão sobre a regulação mediada por RBPs (RNA-Binding proteins) e a resposta a drogas em pacientes com genótipo TP53 Wildtype e TP53 Mutated. Em conclusão, a presente tese contempla três aspectos fundamentais da pesquisa contra o câncer, sobretudo no desenvolvimento de novas estratégias de tratamento e diagnóstico.