João da Rocha Pascoal Neto (jrpn) João Paulo Sabino de Moraes (jpsm)

Apresentação em tema: "João da Rocha Pascoal Neto (jrpn) João Paulo Sabino de Moraes (jpsm)"— Transcrição da apresentação:

1 João da Rocha Pascoal Neto (jrpn) João Paulo Sabino de Moraes (jpsm)

2 Roteiro  Introdução  Proteínas e doenças genéticas Fenótipos e genes Complexos/Genes e Genes/Complexos  Análise estrutural de doenças Estruturas de proteínas Databases  Redes de Interação de Proteínas

3 Introdução  Zuckerkandl e Pauling (1962) Discussão em temas como vida e doenças  Mecanismos moleculares de doenças Organismos saudáveis e doentes  Funcionamento de proteínas na célula  Interação com outras proteínas e moléculas

4 Introdução  Termo “Interação de Proteínas” Complexos estáveis e transientes Interações funcionais e físicas  Qual o papel das interações protéicas nas doenças conhecidas ?

5 Proteínas e doenças genéticas  Associação genótipo-fenótipo  Relacionado com interação de proteínas  Mecanismos de genes patológicos Interações também são relevantes Revela influência entre proteínas  Analisando pelo outro lado: Regra de relações entre gene-fenótipo

6 Fenótipos e genes  Progresso no estudo dessa associação  Aumento na identificação de genes causadores de doenças Principal responsável  Conceito de doença Mendeliana Doenças controladas por um simples gene  Procura-se isolar esse gene  Alguns métodos em desenvolvimento

7 Positional Cloning  Identificar um fenótipo específico  Baseado na posição no cromossomo  Linkage Analysis Mapear o gene utilizando grupos de DNA  Genes predispostos à doenças  Estudos de produtos e mutações  Esclarece a natureza do processo

8 Positional Cloning  A correlação entre as mutações no genoma e os sintomas do paciente podem não ser claras Mesmo em doenças Mendelianas  Existem diversas razões para esta aparente falta de correlação gene-fenótipo Fatores ambientais Influência de outros genes ○ Um gene pode mascarar efeitos fenotípicos de outro gene (Epistasia) Pleiotropia

9 Doenças oligogênicas  Começou com doenças Mendelianas Distrofia muscular, fibrose cístrica  Mutação de um gene por outros genes  Interações de poucos genes  Mostram padrões de hereditariedade  Associações complexas genótipo- fenótipo

10 Detalhes moleculares relacionados às doenças  Desafio: Decifrar detalhes de doenças  Mecanismos pouco conhecidos Apesar do conhecimento da base genética  Cooperação de outros genes Para doenças oligogênicas  Criação de modelos para mecanismos moleculares de interrupção Dosage Poison

11 Modelo Dosage  Interrupção de duas proteínas em um complexo  Mutação em uma proteína enfraquece a interação Mas não afeta o fenótipo  Mutação nas duas proteínas afeta a formação do complexo Alteração no fenótipo

12 Modelo Poison  Mutação em uma proteína interrompe o complexo Os outros complexos mantém as funções  Aumento de proteínas com mutação Reduz o número de complexos “normais”  Aumenta as modificações no fenótipo  Nível de modificação caracteriza doença  Explica interações indiretas entre proteínas

13 Métodos de identificação de mecanismos e genes de doenças  Redes de Proteínas Rastrear proteínas e suas interações Objetiva chegar até os genes causadores  Envolve busca de centenas de genes  Técnicas computacionais Genes candidatos e genes catalogados  Aplicado em diferentes características Diferenças funcionais Tamanho da cadeia

14 Métodos de identificação de mecanismos e genes de doenças  Integram várias bases de dados Gene Expression Gene Ontology (GO) MeSH OMIM  Algumas limitações Escassez de dados Qualidade dos dados apresentados  Avanços em abordagens experimentais

15 Métodos de identificação de mecanismos e genes de doenças  Integrar bases de fenótipos  NCBI – dbGAP Acesso aberto Sumariza os dados de associações genotípicas  Grande desafio na área  Depende de alguns fatores Precisão nas descrições clínicas Fenótipos “robustos”

16 Análise estrutural de proteínas e doenças conhecidas  Structural Genomic (SG)  Estrutura tridimensional de proteínas Codificadas em genomas completos  Métodos experimentais Raio-X Cristalografia Espectroscopia NMR  Algumas não relacionadas a doenças humanas

17 Análise estrutural de proteínas e doenças conhecidas  Necessidade de mais exemplos catalogados  PDB – 40.000 proteínas conhecidas Poucas centenas de proteínas estão relacionadas a doenças  Técnicas de predição de funções Utilizando sequenciamento e estrutura  Experimentos necessitam de validação

18 Análise estrutural de proteínas e doenças conhecidas  Estudos sobre mutações herdadas são importantes para análise de doenças  Mutações herdadas Responsáveis por interrupções funcionais  nsSNPs Não estão relacionadas a doenças  Vários métodos desenvolvidos para prever o impacto das mutações Métodos computacionais Baixa exatidão

19 Análise estrutural de proteínas e doenças conhecidas  Interações entre proteínas podem envolver transições de ordem-desordem  As regiões de desordem estão envolvidas em mecanismos de doenças Podem interferir em várias proteínas O supressor cancerígeno BRCA1 possui diversas regiões de desordem  Análise estrutural de proteínas elucidou bases moleculares de várias doenças Lindau syndrome (VHL)

20 Bases de dados  GeneCards Inclui informação do CGAP  OMIM database Atualizada diariamente Um dos maiores catálogos de genes Contém mais de 11.000 genes com sequências conhecidas e 6.000 fenótipos  PhenoGO Usa processamento de linguagem natural combinado com GO data

21 Base de Dados  Gene2Disease Atribui prioridades a genes relacionados a doenças  Orthodisease Mantém um cluster de mais de 3.000 genes de doenças  PharmaGKB Possui plataforma única que estuda a relação entre drogas, genes e doenças

22 Base de Dados  A maioria das bases pode ser usada para procura de doenças e genes  Uso de vocabulários padronizados na busca  Pequena porção dos dados genômicos possui gene e fenótipo conhecido

23 Redes de interações de proteínas  Técnicas do passado eram bastante limitadas Estudavam interações individuais  Experimentos recentes demonstram uma drástica mudança  É possível reconstrução de redes protéicas de genomas inteiros  Predição de novos papéis funcionais das proteínas

24

25 Redes de interações de proteínas  A Bioinformática possui dois papéis nas interações protéicas e doenças Predizer interações putativas de proteínas Desenvolver um framework para integrar, representar e visualizar os dados  Técnicas computacionais Respaldadas por experimentos avançados  Os métodos vêm obtendo sucessos na predição das interações Ainda possuem limitações

26 Redes de interações de proteínas  As interações prótéicas podem ser representadas como grafos  As proteínas constituem os nós enquanto as interações as arestas  Certas propriedades das redes são úteis para diferenciar proteínas Disease and non-disease proteins  Classificador baseado em características topológicas da proteína

27

28 Redes de interações de proteínas  As redes podem ser usadas para melhorar as anotações funcionais A partir da inferência de algumas funções das proteinas  Reconstruir redes protéicas é útil para predizer o impacto da interrupção  Nós menos conectados são ótimos candidatos a alvo da droga Constituem pontos vulneráveis da disease- related network

29 Trabalho de Goehler  Goehler fez descobertas sobre a HD Doença neurodegenerativa  É causada pela expansão do trinucleotídeo CAG no gene Htt Uma das polyglutamine diseases  Goehler gerou as redes de interação proteína-proteína  Isto permtiu a anotação funcional de várias proteínas não caracterizadas

30 Neurônio infectado

31 Trabalho de Goehler  Foi descoberta a interação do Htt com o GIT1 Proteína relacionada à agregação do Htt  O GIT1 pode ser um excelente alvo para estratégias terapêuticas

32 Outros trabalhos  Surgiram outros trabalhos relacionados aos de Goehler  Lim e colaboradores descobriram interações entre ataxias e Purkinge cells  Interações entre proteínas de doenças similares são mais fáceis de acontecer  Chen utilizou este princípio para encontrar subredes relacionados ao AD Mal de Alzeheimer

33 Outros trabalhos  Jonsson and Bates  Realizaram um estudo computacional com subconjunto de proteinas do câncer  As proteínas relacionadas ao câncer são muito diferentes das não envolvidas na doença Proteínas do câncer são altamente conectadas

34 Conclusões  Ainda estamos longe de entender a etiologia da maioria das doenças  A reconstrução de interações protéicas facilitam o entendimento da doença  Um melhor entendimento das interações revelerá estratégias para combater as disease-proteins