Mapa do cromossomo X humano (a partir do site NCBI). O mapeamento do genoma humano é uma das maiores conquistas da bioinformática
Bioinformática é um campo interdisciplinar que corresponde à aplicação das técnicas dainformática, no sentido de análise da informação, nas áreas de estudo dabiologia. Como um campo interdisciplinar da ciência, a bioinformática combina abiologia,ciência da computação,estatística,matemática eengenharia para analisar, interpretar e processar dados biológicos.
A bioinformática vem sendo utilizada para análisesin silico de questões biológicas utilizando técnicas de matemática e estatística.
Alguns especialistas[1][2] brasileiros da área acreditam que a bioinformática, como se entende tradicionalmente no meio acadêmico e não pela análise da palavra, é circunscrita àbiologia molecular, às vezes ainda mais especificamente restrita àGenômica.[3] Outros acadêmicos, por outro lado, advogam a noção mais abrangente[4] do termo para algo na direção da definição envolvendo informação biológica de modo geral.
Buscando tratar os dados, é necessário desenvolver programas para, por exemplo: identificargenes, prever a configuração tridimensional deproteínas, identificar inibidores deenzimas, organizar e relacionar informação biológica, simularcélulas, agruparproteínashomólogas, montarárvores filogenéticas, comparar múltiplas comunidades microbianas por construção de bibliotecas metagenômicas e analisar experimentos deexpressão gênica, entre outras inúmeras aplicações. De uma maneira menos formal, a bioinformática também tenta entender os princípios organizacionais de sequências deácidos nucleicos e proteínas.
Uma das maiores conquistas da bioinformática foi o mapeamento completo dogenoma humano.
A bioinformática tornou-se uma parte muito importante de muitas áreas dabiologia molecular. Em biologia molecular experimental, técnicas de bioinformática, tais como imagem e processamento de sinais, permitiram a extração de resultados úteis a partir de grandes quantidades de dados brutos. No campo dagenética egenômica, ela auxilia nosequenciamento e anotações degenomas e suasmutações observadas. Ela também desempenha um papel importante na análise da expressão e regulação de genes e proteínas.
As ferramentas de bioinformática auxiliam na comparação de dados genéticos e genômicos e, mais geralmente, na compreensão dos aspectos evolutivos da biologia ao nível molecular. A um nível mais integrativo, ela ajuda a analisar e catalogar as vias biológicas e redes, que são uma parte importante dabiologia sistêmica. Em biologia estrutural, a bioinformática auxilia na simulação e modelagem deDNA,RNA e proteínas, bem comointerações biomoleculares.
O termo bioinformática foi originalmente usado pelosbiológosPaulien Hogeweg eBen Hesper no começo dos anos 1970 para definir o estudo de processos informacionais nos sistemas bióticos,[5][6] sendo ela uma ciência interdisciplinar, envolvendomatemática, tecnologia computacional ebiologia molecular.[7]
Três fatores importantes facilitaram a emergência da bioinformática:
primeiramente, uma crescente coleção de sequências deaminoácidos, fornecendo tanto dados quanto uma coleção de problemas fascinantes que não poderiam ser resolvidos sem a capacidade de processamento dos computadores;
a ideia que se tornava central na biologia molecular de que as macromoléculas carregavam informações, fornecendo uma importante ligação conceitual entre a biologia molecular e a ciência da computação, muito embora a relevância desta teoria tenha sido questionada;
Podemos desenhar a árvore da história da bioinformática começando em 1951 comFred Sanger sequenciando o aminoácido da insulina,[8] dois anos depois, em 1953,James D. Watson eFrancis Crick descrevem a estrutura em dupla hélice doDNA,[9] Francis Crick novamente contribui com o Dogma Central da Biologia Molecular, onde ele ilustra os mecanismos de transmissão e expressão da hereditariedade e propõe que o DNA é transcrito emRNA mensageiro e que este é traduzido emproteína, elemento que por fim efetua a ação celular. Francis já compartilhava estas informações em 1956, porém somente em 1970 este conhecimento é compilado e distribuído oficialmente.[10] Em 1961,Marshall W. Nirenberg eHeinrich J. Matthaei realizam oexperimento de Nirenberg e Matthaei, onde se decifrou o código genético usando homopolímeros de ácidos nucleicos para traduzir aminoácidos específicos.[11]Paul Berg juntamente comRobert H. Symons eDavid A. Jackson realizaram a primeira recombinação de uma molécula de DNA em 1972.[12] Em 1973, um ano após o feito de Paul Berg,Stanley N. Cohen,Annie C. Y. Chang,Herbert W. Boyer, eRobert B. Helling realizam a primeira recombinação em um organismo, umaEscherichia coli que teve seu DNA recombinadoin vitro.[13]
Em 1977,F. Sanger,S. Nicklen eA. R. Coulson mapearam ovírus ϕX174, que se torna então o primeiro genoma completamente mapeado.[14] Emerge então um consenso de que era necessário um banco internacional de ácidos nucleicos, e em 1979, em um encontro realizado pelaNational Science Foundation naUniversidade Rockefeller, é emitida uma chamada para a criação dessa base de dados. Nos dois anos seguintes, foram realizadas uma série de oficinas para definir o projeto que culminou em 1982 com o início oficial doGenBank.[15]
No ano de 1990, oNational Institutes of Health (NIH) e oDepartment of Energy (DOE) se juntam a parceiros de todo o globo para iniciar oProjeto Genoma Humano, (HGP, do inglês Human Genome Project).[16] Em 1995, ocorre o mapeamento da primeira bactéria, aHaemophilus influenzae Rd, com todos os seus 1.830.137 bases de pares de nucleotídeos sendo demonstrados no trabalho conjunto de diversos pesquisadores.[17] Com a ajuda internacional e o rápido avanço tecnológico, o HGP anuncia em 2003, dois anos antes do previsto, o mapeamento completo do genoma humano.[16]
Um dos atuais objetivos da bioinformática é ajudar biólogos a recolher e processar dados de genomas para estudar funções de proteínas. Outro papel importante é o de ajudar pesquisadores e companhias farmacêuticas a realizarem estudos detalhados nas estruturas das proteínas a fim de facilitar o desenvolvimento de novas drogas.[18] Tarefas típicas realizadas em bioinformática incluem: deduzir a forma e a função de uma proteína a partir de uma dada sequência de aminoácidos; encontrar todos os genes e proteínas em um determinado genoma; e determinar áreas na estrutura da proteína onde as moléculas da droga podem ser anexadas.[18] Subdisciplinas importantes na bioinformática e biologia computacional incluem:
Desenvolvimento e implementação de programas computacionais que permitem o acesso eficiente para uso e gestão de vários tipos de informação.
Desenvolvimento de novos algoritmos e medidas estatísticas que avaliam as relações entre os membros de grandes conjuntos de dados. Por exemplo, existem métodos para localizar um gene dentro de uma sequência para prever a estrutura e / ou função da proteína, e a agrupar sequências de proteínas em famílias de sequências relacionadas.
O objetivo primário da bioinformática é incrementar e interpretar processos biológicos. O que a diferencia das outras abordagens de interpretação de dados biológicos é seu foco no desenvolvimento e aplicação de técnicas computacionais intensivas para atingir esse objetivo.Exemplos:reconhecimento de padrões,mineração de dados e algoritmos deaprendizado de máquina.
Atividades comuns em bioinformática incluem mapeamento e análise deDNA e sequências de proteínas, alinhando DNA e sequências de proteínas para compará-los, e criação e visualização de modelos 3-D de estruturas de proteínas.
A bioinformática é um campo da ciência que é similar, porém distinto decomputação biológica ebiologia computacional. Computação biológica utilizabioengenharia e biologia para formar computadores biológicos, enquanto que a bioinformática utiliza a computação para a melhor compreensão da biologia. Bioinformática e biologia computacional têm objetivos e abordagens similares, mas se diferem em escala: bioinformática organiza e analisa dados biológicos, enquanto que a biologia computacional monta modelos teóricos de sistemas biológicos, assim comobiologia matemática faz com modelos matemáticos.
As sequências de diferentes genes ou proteínas podem ser alinhadas lado-a-lado para medir a sua similaridade. Este alinhamento compara sequências de proteínas contendo domínios WPP
Desde que oPhage Φ-X174 foi sequenciado em 1977, as sequências de DNA de milhares de organismos vêm sendo decodificados e armazenados em bancos de dados. Essas informações de sequenciamentos são analisadas para determinar genes que codificam proteínas, sequências regulatórias, motivos estruturais e sequências repetitivas.
Uma comparação de genes dentro de umaespécie ou entre diferentes espécies pode mostrar similaridades entre funções das proteínas, ou até relações entre espécies (uso dasistemática molecular para construirárvores filogenéticas). Com a quantidade crescente de dados, há muito tempo se tornou impraticável analisar sequências de DNA manualmente. Para um genoma grande como o genoma humano, pode-se demorar vários dias de tempo de CPU em grande memória, computadores com múltiplos processadores para montar os fragmentos, e o conjunto resultante geralmente inúmeras lacunas que devem ser preenchidas depois. Osequenciamento shotgun é o método de escolha para praticamente todos os genomas sequenciados de hoje, e os algoritmos de montagem de genoma é uma área crítica de pesquisa em bioinformática.
Outro aspecto da bioinformática na análise de sequências é a anotação. Isto envolve descoberta computacional de genes para procurar genes codificadores de proteínas, e outras sequências funcionais dentro de um genoma. Nem todos os nucleotídeos dentro de um genoma fazem parte dos genes. Dentro dos genomas de organismos superiores, grandes partes do DNA não serve qualquer propósito óbvio.
Antes que as sequências possam ser analisadas, precisam ser obtidas.Sequenciamento de DNA ainda é um problema não-trivial, pois os dados brutos pode ser ruidosos ou afligidos por sinais fracos. Foram desenvolvidos algoritmos de base para as várias abordagens experimentais para sequenciamento de DNA.
A maioria das técnicas de sequenciamento de DNA produzem pequenos fragmentos de sequências que precisam ser montados para se obter sequências de genes ou genomas completos. Essa técnica é chamada desequenciamentoshotgun (que foi utilizado, por exemplo, pelo Instituto de Pesquisa Genômica (TIGR) para sequenciar o primeiro genoma bacteriano, Haemophilus influenzae)[17].
No contexto da genômica, anotação é o processo de marcação dos genes e outras características biológicas em uma sequência de DNA. Esse processo teve que ser automatizado pois a maioria dos genomas são grandes demais para serem anotados a mão. A anotação se tornou possível pelo fato de os genes terem regiões reconhecíveis de inicialização e parada, embora a sequência exata encontrada nessas regiões possa variar entre os genes.
Biologia evolutiva é o estudo da origem e descendência de espécies, assim como suas mudanças ao longo do tempo. Ainformática tem ajudado os biólogos evolucionários possibilitando aos pesquisadores:
Rastrear aevolução de um grande número de organismos mensurando mudanças em seu DNA, e não através da taxonomia física ou das observações fisiológicas isoladamente,
Montar modelos degenética populacional computacionais complexos para predizer o resultado do sistema ao longo do tempo[18]
Acompanhar e partilhar informações sobre um número cada vez maior deespécies e organismos
Trabalhos futuros tentam reconstruir a agora mais complexaárvore da vida.
A área de pesquisa dentro daciência da computação que utilizaalgoritmos genéticos as vezes é confundida com biologia evolutiva computacional, mas essas duas áreas não necessariamente são relacionadas.
O núcleo da análise genômica comparativa é o estabelecimento da correspondência entregenes ou outras características genômicas em diferentes organismos. São esses mapas intergenômicos que permitem rastrear os processos evolutivos responsáveis pela divergência de dois genomas. Uma multidão de eventos evolutivos agindo em vários níveis organizacionais formam a evolução do genoma. No nível mais baixo, as mutações pontuais afetam nucleotídeos individuais. Em um nível mais elevado, grandes segmentos cromossômicos sofrem duplicação, transferência lateral, inversão, transposição, deleção e inserção.[19]
Em última análise, genomas inteiros estão envolvidos em processos de hibridização, poliploidização eendossimbiose, muitas vezes levando à rápida especiação. A complexidade da evolução do genoma apresenta muitos desafios emocionantes para os desenvolvedores de modelos matemáticos e algoritmos, que recorrem a um espectro de algoritmos, técnicas de matemática e estatística, que vão desde a exata,heurística, parâmetro fixo ealgoritmos de aproximação para problemas baseados em modelos de parcimônia até algoritmos deMarkov Chain Monte Carlo paraanálise Bayesiana de problemas com base em modelos probabilísticos.
Muitos destes estudos baseiam-se na detecção dehomologia e na computação de famílias de proteínas.[20]
Com o advento da próxima geração de sequenciamento, dados de sequência suficientes para mapear os genes de doenças complexas comodiabetes,[22]infertilidade,[23]câncer de mama[24] oudoença de Alzheimer[25] estão sendo obtidos. Os estudos de associação do genoma inteiro são uma aproximação útil para identificar as mutações responsáveis por tais doenças complexas. Através desses estudos, foram identificadas milhares de variantes de DNA que estão associadas a doenças e traços semelhantes.
Além disso, a possibilidade de genes serem usados no prognóstico, diagnóstico ou tratamento é uma das aplicações mais essenciais. Muitos estudos estão discutindo as maneiras promissoras de escolher os genes a serem usados e os problemas e armadilhas de usar genes para prever a presença de doença ou prognóstico.
Nocâncer, os genomas das células afetadas são organizados de forma complexa ou até mesmo imprevisível. Esforços de sequência maciça são usados para identificar mutações pontuais previamente desconhecidas em uma variedade degenes em câncer. Os bioinformatas continuam a produzir sistemas automatizados especializados para gerenciar o grande volume de dados de sequência produzidos e criam novos algoritmos e softwares para comparar os resultados de sequenciamento com a crescente coleção de sequências degenomas humanos e polimorfismos da linhagerminal. Utilizam-se novas tecnologias de detecção física, tais comomicroarrays deoligonucleotídeos para identificar ganhos e perdas cromossômicas (chamadas hibridização genômica comparativa) e arranjos depolimorfismo de nucleotídeo único (SNPs) para detectar mutações pontuais conhecidas.
Estes métodos de detecção medem simultaneamente várias centenas de milhares de sítios ao longo do genoma e, quando utilizados em alto rendimento para medir milhares de amostras, geramterabytes de dados por experiência. Mais uma vez, as quantidades maciças e os novos tipos de dados geram novas oportunidades para os bioinformatas.
Com os avanços que essa tecnologia de sequenciamento da próxima geração está fornecendo para o campo da Bioinformática, a genômica do câncer poderá mudar drasticamente. Esses novos métodos e softwares permitem aos bioinformatas sequenciar muitos genomas de câncer de forma rápida e acessível. Isto poderia criar um processo mais flexível para a classificação de tipos de câncer através da análise de mutações no genoma do condutor de câncer. Além disso, o rastreamento dos pacientes enquanto a doença progride pode ser possível no futuro com a sequência de amostras de câncer.
A expressão de vários genes pode ser determinada mensurando os níveis demRNA com múltiplas técnicas, incluindomicroarrays, marcação de sequência decDNA expressos (EST), análise em série do sequenciamento deexpressão gênica (SAGE), sequenciamento de assinaturas massivamente paralelas (MPSS), RNA-SEq, também conhecido como "Sequenciamentoshotgun dotranscriptoma completo (WTSS)", ou várias aplicações em hibridizaçõesin-situ multiplexadas.
Todas essas técnicas são extremamente propensas à ruídos e / ou sujeitas a viés na medição biológica, e uma importante área de pesquisa em biologia computacional envolve o desenvolvimento de ferramentas estatísticas para separar o sinal do ruído em estudos de expressão gênica de alto rendimento.[30]Tais estudos são frequentemente utilizados para determinar os genes implicados num distúrbio: pode comparar-se os dados demicroarray de célular epiteliais cancerosas a dados de células não cancerosas para determinar os transcritos que são regulados para cima e regulados para baixo numa determinada população de células cancerosas.
Osmicroarrays de proteína eespectrometria de massa de alta produtividade (HT) podem fornecer umsnapshot das proteínas presentes em uma amostra biológica. A bioinformática está diretamente envolvida em dar sentido aos dados demicroarrays de proteínas e de espectrometria de massas (MS); a primeira abordagem enfrenta problemas semelhantes aosmicroarrays direcionados para o mRNA, o último envolve o problema de combinar grandes quantidades de dados de massa contra as massas previstas a partir de bases de dados de sequências de proteínas e a análise estatística complicada de amostras onde múltiplos, mas incompletos peptídeos de cada proteína são detectados. As técnicas de bioinformática foram aplicadas para explorar várias etapas neste processo.
Aregulação é a orquestração complexa de eventos pelos quais um sinal, potencialmente um sinal extracelular tal como umhormônio, conduz eventualmente a um aumento ou diminuição na atividade de uma ou maisproteínas.
Por exemplo, a expressão gênica pode ser regulada por elementos próximos no genoma. A análise de promotor envolve a identificação e estudo de motivos de sequência no DNA envolvendo a região codificante de um gene. Estes motivos influenciam a extensão em que essa região é transcrita em mRNA. Elementosenhancer afastados do promotor também podem regular a expressão de genes, através de interações de loop tridimensional. Estas interações podem ser determinadas pela análise bioinformática de experimentos de captura de conformação cromossômica.
Os dados de expressão podem ser usados para inferir a regulação de genes: um pode comparar dados demicroarrays de uma grande variedade de estados de um organismo para formar hipóteses sobre os genes envolvidos em cada estado. Em um organismo unicelular, pode-se comparar os estádios dociclo celular, juntamente com várias condições de estresse (choque térmico, fome, etc.), então pode-se aplicaralgoritmos declustering a esses dados de expressão para determinar quais genes são co-expressos.
Por exemplo, as regiõesupstream (promotoras) dos genes co-expressos podem ser pesquisadas para elementos reguladores super representados. Exemplos de algoritmos declustering aplicados em agrupamento de genes sãok-means, mapas auto-organizados (SOMs),agrupamento hierárquico e métodos deagrupamento por consenso.
Várias abordagens foram desenvolvidas para analisar a localização de organelas, genes, proteínas e outros componentes dentro das células, isso é relevante porque a localização desses componentes afeta os eventos dentro de uma célula e, portanto, nos ajuda a prever o comportamento dos sistemas biológicos. Uma categoria dogene ontology,compartimento celular, foi concebida para capturar a localização subcelular em muitasbases de dados biológicas.
A localização de proteínas nos ajuda a avaliar o papel de umaproteína. Por exemplo, se uma proteína é encontrada nonúcleo, ela pode estar envolvida naregulação gênica ousplicing. Em contraste, se uma proteína é encontrada nasmitocôndrias, ela pode estar envolvida na respiração ou em outros processos metabólicos. A localização das proteínas é, portanto, um importante componente da predição da função das proteínas.
Estrutura protéica 3D. Estruturas como essa são assuntos comuns nas análises de bioinformática
Abioinformática estrutural pode ser entendida com uma área da bioinformática responsável pelo estudo de moléculas que possuem estruturas, como por exemplo, DNA, RNA, proteínas e outros compostos menores. Um dos grandes desafios dessa área é compreender como essas moléculas interagem, as suas funções e observar suas estruturas. Algumas técnicas utilizadas são o alinhamento e comparação de sequências. Atualmente uma das grandes aplicações da bioinformática estrutural é o desenvolvimento de novos fármacos, que tem crescido devido ao grande investimento de grandes empresas.
Uma das ideias chave em bioinformática é a noção de homologia. No ramo da genômica em bioinformática, a homologia é utilizada para predizer a função de um gene:se a sequência do gene A, cuja função é conhecida, é homóloga a sequência do gene B, cuja função é desconhecida, pode-se inferir que o gene B pode compartilhar das funções do gene A.
No ramo estrutural da bioinformática, a homologia é utilizada para determinar quais partes de uma proteína são importantes na formação da estrutura e interação com outras proteínas. Atualmente, esta continua a ser a única maneira de prever estruturas de proteínas de forma confiável.
Um exemplo disto é a homologia similar entre a hemoglobina em seres humanos e a hemoglobina em leguminosas (leghemoglobin). Ambas têm o mesmo propósito, que é o transporte de oxigênio no organismo. Embora ambas estas proteínas apresentem sequências de aminoácidos completamente diferentes, as suas estruturas de proteínas são praticamente idênticas, que reflete nas suas funções idênticas.
Em novembro de 1999, introduziu-se a bioinformática no Brasil, por meio do do sequenciamento completo do DNA da bactériaXylella fastidiosa, patógeno que causava prejuízos à cultura de cítricos. A dupla João Meidanis[19] e João Carlos Setúbal[20] utilizou softwares de sequenciamento genético com base na internet.
Uma década depois do projeto de inovações tecnológicas, a dupla de pioneiros, que na época coordenava o Laboratório de Bioinformática (LBI) do Instituto de Computação daUniversidade Estadual de Campinas (Unicamp), ganhou o prêmioDistinguished Innovators, cujo objetivo é reconhecer a contribuição de indivíduos e organizações a fim trazer benefícios econômicos e sociais a seus países.[21]
↑Hesper, B and Hogeweg, P (1970). «Bioinformatica: een werkconcept. Kameleon 1 (6): 28--29».Dutch.) Leiden: Leidse Biologen Club !CS1 manut: Nomes múltiplos: lista de autores (link)
↑F. Sanger, H. Tuppy. «The amino-acid sequence in the phenylalanyl chain of insulin. 1. The identification of lower peptides from partial hydrolysates».Biochemical Journal.doi:aiid:1197535Verifique|doi= (ajuda)
↑J. D. Watson, F. H. C. Crick. «Molecular Structure of Nucleic Acids: A Structure for Deoxyribose Nucleic Acid».Nature Publishing Group.doi:10.1038/171737a0
↑CRICK, FRANCIS. «Central Dogma of Molecular Biology».Nature Publishing Group.doi:10.1038/227561a0
↑Jackson, David A. «Biochemical Method for Inserting New Genetic Information into DNA of Simian Virus 40: Circular SV40 DNA Molecules Containing Lambda Phage Genes and the Galactose Operon of Escherichia coli».Proceedings of the National Academy of Sciences of the United States of America.doi:aiid:389671Verifique|doi= (ajuda)
↑Stanley N. Cohen, Annie C. Y. Chang, Herbert W. Boyer, Robert B. Helling. «Construction of Biologically Functional Bacterial Plasmids In Vitro».Proceedings of the National Academy of Sciences of the United States of America.doi:aiid:427208Verifique|doi= (ajuda) !CS1 manut: Nomes múltiplos: lista de autores (link)
↑F. Sanger, S. Nicklen, A. R. Coulson.«DNA sequencing with chain-terminating inhibitors».Proceedings of the National Academy of Sciences. Consultado em 25 de janeiro de 2015 !CS1 manut: Nomes múltiplos: lista de autores (link)
