Search

A geração de dados biológicos experimentou um crescimento sem precedentes nas últimas décadas. Fatores como otimização e diminuição do custo de diversos processos laboratoriais associados às novas técnicas de sequenciamento de DNA, o sequenciamento de proteínas e a determinação de sua estrutura foram responsáveis pela geração de uma grande quantidade de dados. Muitos deles estão em bases de dados biológicos disponibilizadas publicamente através da Internet. Essas bases armazenam não apenas dados biológicos propriamente ditos, mas também informações relevantes a respeito de função de proteína, dados da literatura e relação entre proteína e seu gene codicante, dentre outros metadados, também chamados de anotação. Nesse trabalho é proposta uma estratégia baseada em aprendizado supervisionado para caracterizar e prever mudanças de anotação em dados temporais denominada ENZYmatic Metadata Annotation Predictor (ENZYMAP). Mais precisamente, estamos interessados em prever anotação de função de enzima com base em metadados das entradas do repositó- rio UniProt/Swiss-Prot. Essa proposta permite sugerir possíveis correções para anotações e pode ser utilizada de modo complementar a outros métodos de anotação ajudando a aprimorar a qualidade e conabilidade do repositório usando dados já disponíveis, o que não demanda novos experimentos de bancada. Além disso, há um enorme volume de dados que não pode ser analisado manualmente, daí a importância de métodos de anotação automática conávies. Foi realizada uma exploração inicial dos dados na qual as mudanças de anotação de enzima foram modeladas considerando a natureza numérica e hierárquica do sistema de classificação de enzimas Enzyme Comission (EC) number. Essa etapa deu origem à uma ferramenta de visualização interativa chamada ADVISe e a um artigo publicado no IEEE Symposium on Biological Data Visualization (BioVis), 2012. Na sequência foram selecionados metadados do Swiss-Prot para descrever entradas que sofreram um tipo especíco de mudança de EC das entradas cuja anotação se manteve constante. Matrizes de ocorrência foram propostas para modelar as mudanças de EC number em termos dos metadados do Swiss-Prot e serviram como insumo para a estratégia de aprendizado supervisionado. Para caracterizar e prever as mudanças de anotação EC, três experimentos foram realizados: Descritivo Multiclasse, no qual conclui-se que os metadados selecionados foram capazes de discriminar entradas que experimentaram uma mudança específica no EC number daquelas entradas em que a anotação permaneceu constante; Previsivo Multiclasse nos indicou que prever a última ocorrência de um determinado tipo de mudança de EC utilizando um único classicador multiclasse com número escasso de exemplos não foi possível; Previsivo Origem Comum, no qual conclui-se que é possível fazer previsão de um determinado tipo de mudança de EC utilizando classicadores mais especializados mesmo com a restrição do número de exemplos. As previsões realizadas pelo ENZYMAP foram comparadas às previsões feitas pelo software DETECT, que associa um EC number à sequência de resíduos de uma proteína, e ambas foram confrontadas com as anotações do Swiss-Prot. O percentual de previsões feitas pelo ENZYMAP que está de acordo com o Swiss-Prot é maior que o mesmo percentual para o DETECT para todos os quatro níveis da anotação EC. In recent decades there has been a surge in the amount of available biological data. New DNA sequencing technologies have made economically possible an increasing number of large data projects, which led to an exponential increase in DNA sequence data. Also, vast amounts of data such as protein sequences and structures, gene-expression measurements, protein and genetic interactions and phenotype studies have been produced. Much of these data are organized and publicly available to the scientic community in biological repositories via the Internet. These repositories store not only biological raw data but also relevant information such as protein function, literature information and the relationship between a protein and its encoding gene, among other metadata, also called annotation. In this work we propose a supervised learning approach to characterize and predict annotation changes in temporal data, which we term ENZYmatic Metadata Annotation Predictor (ENZYMAP). More precisely, we are interested in predict enzyme function annotation based on UniProt/Swiss-Prot entry metadata. This proposal allows us to suggest possible corrections to annotations from biological repositories and can be used in a complementary manner to other annotation methods improving the quality and realiability of these data. Our approach uses data already available to enhance the repository, which does not demand new expensive bench experiments. Furthermore, there is a huge volume of data that can not be analyzed manually, hence the importance of reliable automatic annotation methods. We performed an initial exploration of the data in which changes in enzyme annotation were modeled considering the numeric and hierarchical nature of the enzyme classication system called Enzyme Commission (EC) number. This step led to the creation of an interactive visualization tool called ADVISe and also to the publication of an article in IEEE Symposium on Biological Data Visualization (BioVis), 2012. Then some metadata from Swiss-Prot were selected to discriminate entries that experienced a specic EC change type from those which annotation remained constant. Ocurrence matrices were proposed to model EC number changes in terms of Swiss-Prot metadata and such matrices served as input for the supervised learning approach. We performed three experiments to characterize and predict EC number changes: Descriptive Multiclass, in which we concluded that selected metadata were able to discriminate entries that undergone a specic EC number change from those which annotation remained constant; Predictive Multiclass indicated that predicting the last ocurrence of an EC change type using a single multiclass classier with a scarce number of examples was not possible; Predictive Common Source, in which we concluded that predicting an EC change type using more specialized classiers is possible even with a scarce number of examples. We compared predictions made by ENZYMAP to predictions made by DETECT, a technique able to associate an EC number to the residues' sequence of a protein, and both were checked against Swiss-Prot annotations. The percentage of predictions made by our approach that is in accordance with Swiss-Prot is greater than the same percentage for DETECT for all four levels of EC annotation.

CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico FAPEMIG - Fundação de Amparo à Pesquisa do Estado de Minas Gerais CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior Outra Agência The emergence and development of antimicrobial resistance (AMR) against conventional antimicrobials are the main fears of modern medicine and food security, leading both pharmaceutical and food industries to renew their interest in the discovery of microbial natural products with antimicrobial properties. With the advent of the massive amount and freely available metagenomic data, containing sequences from cultured and uncultured species, the field of natural product discovery is transforming, and new strategies such as peptide mining are being developed. Here, we present the first pattern-matching tool created to prospect lasso peptide directly from short reads of metagenomic data, which is a constraint for the classical genome mining approach based on sequence similarity. The tool receives as input FASTQ or FASTA format files and query patterns. A control test was performed on a mock community containing 27 genomes from known lasso peptide producers and 9 negative genomes. The query patterns were designed based on 35 lasso sequences associated with 27 genomes. The sequences were randomly divided into a group termed training, containing 21 sequences and a testing group with 14 sequences. For the training group, a distance matrix was obtained by multidimensional scaling technique based on the plot of three groups. For each group, a consensus sequence was obtained, and a query pattern was used to screen potential lasso peptides in rumen metagenomics data resulting in 3 new peptides. To validate the potential new lasso peptides, a user-friendly E. coli expression vector containing optimized genes to produce lasso peptides in high yield was designed and synthesized. The vector was able to produce the lasso peptide microcin J25 with the ability to inhibit both gram-negative and gram-positive bacteria. The study presents the potential to access data from whole communities, which are a potentially unique resource for novel antimicrobial peptides. O surgimento e o desenvolvimento da resistência antimicrobiana (AMR) contra os antimicrobianos convencionais são os principais temores da medicina moderna e da segurança alimentar, levando ambas as indústrias farmacêutica e alimentícia a renovar seu interesse na descoberta de produtos naturais microbianos com propriedades antimicrobianas. Com o advento de abundante quantidade de dados metagenômicos disponíveis, contendo sequências de espécies cultivadas e não-cultivadas, o campo da descoberta de produtos naturais está se transformando, e novas estratégias, como a mineração de peptídeos, estão sendo desenvolvidas. Aqui, apresentamos a primeira ferramenta de correspondência de padrões criada para prospectar peptídeo laço diretamente a partir de short reads de dados metagenômicos, que atualmente é uma restrição para a abordagem clássica de mineração genômica com base em similaridade de sequências. A ferramenta recebe como entrada arquivos de formato FASTQ ou FASTA e os padrões de consulta. Um teste controle foi realizado em uma comunidade simulada, contendo 27 genomas de produtores conhecidos de peptídeos laço e 9 genomas não produtores. Os padrões de consulta foram obtidos a partir de 35 sequências peptídeos laço de 27 genomas distintos. As sequências foram divididas aleatoriamente em grupo treino, contendo 21 sequências e um grupo teste com 14 sequências. Para o grupo reino, uma matriz de distância foi obtida pela técnica de dimensionamento multidimensional e na separação de três grupos. Para cada grupo, uma sequência consenso foi obtida, e um padrão de consulta foi usado para procurar potenciais peptídeos laço em dados metagenômicos de rúmen, levando a descoberta de 3 novos potenciais peptídeos. Para validar os potenciais peptídeos laço, um vetor de expressão para E. Coli contendo genes otimizados para produção de peptídeos laço em alto rendimento foi projetado e sintetizado. O vetor foi capaz de produzir o peptídeo laço microcina J25, com a capacidade de inibir bactérias gram-negativas e gram-positivas. O estudo demonstra o potencial de acessar dados de comunidades bacterianas, um recurso potencialmente único para novos peptídeos antimicrobianos.

Mesmo que a função não possa ser diretamente inferida puramente a partir do padrão de enovelamento especíco adotado por uma determinada proteína, os dados estruturais podem ser usados para detectar proteínas com funções semelhantes. Neste contexto, uma estratégia possível é a denição de assinaturas estruturais, que são conjuntos de características capazes de identicar inequivocamente um tipo de enovelamento proteico. O objetivo do corrente trabalho é encontrar possíveis padrões estruturais conservados em proteínas de mesma família. Para demonstrar que um modelo que utiliza as informações posicionais em nível atômico é conservado e discriminativo entre famílias, construiu-se classicadores estruturais. A partir deste estudo, foi possível discriminar os átomos do backbone como a melhor assinatura estrutural estudada. Inserindo pontos intermediários ctícios entre os carbonos alfa, obtêm-se uma poligonal geométrica, similar à poligonal geométrica obtida pela inclusão dos átomos da cadeia principal. Dessa forma, consegue-se um efeito similar à poligonal geométrica da cadeia principal sem a inuência do posicionamento dos átomos CeNe, indiretamente, sem a inuência dos ângulos phi e psi. O corrente estudo sugere que não são as posições desses átomos os fatores determinantes no incremento da precisão da classicação, mas o fortalecimento do caráter geométrico linear da cadeia principal. Portanto, a principal contribuição do presente trabalho é a investigação do uso da disposição geométrica poligonal da cadeia principal (ou dos próprios Cá, caso sejam adicionados pontos intermediários ctícios entre esses) como uma assinatura estrutural discriminativa.

Elucidar os mecanismos envolvidos no reconhecimento molecular e quais forças contribuem para o reconhecimento é um problema central na biologia, uma vez as interações entre duas moléculas são de extrema importância para os sistemas biológicos como um todo e são difíceis de serem preditos até mesmo para pequenas moléculas.Portanto, propomos uma ferramenta que visa ser fácil e intuitiva a partir do uso de estratégias visuais para descrever os padrões e tipos de interações estabelecidas entre proteínas e seus ligantes. Para tanto, propomos nAPOLI (Analysis of PrOtein Ligand Interactions), uma ferramenta web interativa para o estudo em larga escala das interações proteína-ligante utilizando estratégias visuais e análises estatísticas. Realizamos um estudo de caso que consistiu de 73 inibidores para a proteína humana CDK2 (Ciclin-dependent kinase 2). nAPOLI mostrou ser muito útil, pois ajudou na descoberta do que era conservado em um conjunto de ligantes e quais interações foram estabelecidas com o receptor. Através da ferramenta, fomos capazes de confirmar resultados experimentais da literatura. Além disso, apesar da existência de outras ferramentas para analisar interações proteína-ligante, nenhuma delas apresenta análises estatísticas, visuais e interativas em larga escala. A ferramenta pode ser acessada em: http://www.napoli.dcc.ufmg.br/ Elucidating the mechanisms involved in the molecular recognition and which forces contribute to the recognition is a central problem in biology, since the interactions between two molecules are extremely important to biological systems as a whole and are very toilsome to be predicted even for small molecules. Therefore, we propose an easy and intuitive tool through visual strategies to depict the patterns and the types of interactions established between proteins and their ligands. In order to achieve it, we propose nAPOLI (Analysis of PrOtein Ligand Interactions), an interactive web tool to study the protein-ligand interactions in large scale by using visual strategies and statistical analysis. We performed a case study consisting of 73 inhibitors to the human protein CDK2 (Ciclin-dependent kinase 2). nAPOLI showed to be very useful as itshed some light on the problem of discovering what is conserved in a set of ligands and which interactions they establish with a receptor. Through this tool, we were able to confirm literature experimental results. Despite of the existance of other tools to analyse protein-ligand interactions, none of them present statistical, visual and interactive analysis in large scale. The tool can be accessed in: http://www.napoli.dcc.ufmg.br/