miguel uso da bioinformática na análise genômica
TRANSCRIPT
![Page 1: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/1.jpg)
![Page 2: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/2.jpg)
www.cromatina.icb.ufmg.br
Miguel
![Page 3: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/3.jpg)
![Page 4: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/4.jpg)
Uso da bioinformática na análise genômica
![Page 5: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/5.jpg)
TAGAGCATCGATCGATGCTGCAGATGATGCTAGCATCGGCTAGGCGACG
ATCTCGTAGCTA
ATCTCGTAGCTAGCTACGACGTCTA
ATCTCGTAGCTAGCTA
ATCTCGTAGCTAGATCTCGTAGCTAGCATCTCGTAGCTAGCT
ATCTCGTAGCTAGCTACATCTCGTAGCTAGCTACGATCTCGTAGCTAGCTACGAATCTCGTAGCTAGCTACGACATCTCGTAGCTAGCTACGACGATCTCGTAGCTAGCTACGACGTATCTCGTAGCTAGCTACGACGTCATCTCGTAGCTAGCTACGACGTCT
ATCTCGTAGCTATCTCGTAGCTATCTCGTAGCTATCTCGTAGCTATCTCGTAGCTATCTCGTAGCTATCTCGTAGCTATCTCGTAGCTATCTCGTAGCTATCTCGTAGCTATCTCGTAGCTATCTCGTAGCTATCTCGTAGCTATCTCGTAGCT
A
G
C
T
A
C
G
A
C
G
T
C
T
A
![Page 6: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/6.jpg)
Início
Fim
Receber Processar Anotar Depositar
Bioinformática
![Page 7: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/7.jpg)
20
30
10
• A nomeação é praticamente aleatória no início e no final, onde a chance de erro é alta (baixo valor de Phred)
• O programa Phred lê o cromatograma e nomeia as bases
cromatograma
acgatctcgctagctgctactgtagccgcgattattcgcgatctacgtatatcgcgatcgatc
• Cada base tem uma chance de erro de sua nomeação (10% = 0,1)• A escala de Phred é semelhante à de pH multiplicado por 10: - chance de erro de 0,001 = 10-3 = Phred 30
Processamento de seqüências
0
10
20
30
40
50
![Page 8: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/8.jpg)
I Brazilian Workshop on Bioinformatics October 18th, 2002, Gramado, RS, Brazil
![Page 9: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/9.jpg)
![Page 10: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/10.jpg)
Seqüências
0
2.000.000
4.000.000
6.000.000
8.000.000
10.000.000
12.000.000
14.000.000
16.000.000
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
Ano
606
15 milhões
Crescimento do GenBank
Europeu Japonês
24h
![Page 11: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/11.jpg)
Clonagem hierárquica
Biblioteca de clones grandes- descobre-se a ordem certa- escolhem-se os pouco sobrepostos
Shotguncromossomo cromossomo
Bibliotecas de plasmídios - faz-se o seqüenciamento dos plasmídios- sobreposição cria os contigs
Clonagem hierárquica
Biblioteca de clones grandes- descobre-se a ordem certa- escolhem-se os pouco sobrepostos
Shotguncromossomo cromossomo
Bibliotecas de plasmídios - faz-se o seqüenciamento dos plasmídios- sobreposição cria os contigs
Clonagem hierárquica
Biblioteca de clones grandes- descobre-se a ordem certa- escolhem-se os pouco sobrepostos
Shotguncromossomo cromossomo
Bibliotecas de plasmídios - faz-se o seqüenciamento dos plasmídios- sobreposição cria os contigs
Clonagem hierárquica
Biblioteca de clones grandes- descobre-se a ordem certa- escolhem-se os pouco sobrepostos
Shotguncromossomo cromossomo
Bibliotecas de plasmídios - faz-se o seqüenciamento dos plasmídios- sobreposição cria os contigs
Seqüencias do DNA(genoma)
Repetição calculada•draft = 5x•finished = 10x
Genoma pequeno(seqüenciador grande)
Seqüências do mRNA(genes expressos)
Amostragemtecidos
momentos
Eucariotos
mRNA
cDNA
TR
![Page 12: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/12.jpg)
Seqüenciamento parcial de transcritos
![Page 13: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/13.jpg)
Seqüênciamento de genes expressos:
Documentar a existência de transcritos gênicos num transcriptoma [otorrin... e ...damonh...]
• EST (Etiqueta de Seqüência Expressa) – seqüenciamento único de cada cDNA
– extremidades 5’ ou 3’
• ORESTES (ESTs ricas em ORFs)– seqüenciamento único do amplicon derivado de
cDNA por PCR inespecífico
– prevalece o centro do cDNA (cds)
![Page 14: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/14.jpg)
(A)200
AUG
Um mRNA & suas ESTs
(A)200(T)18cDNA (fita -)
AUG(A)18
cDNA (fita +)
cDNA (fita +)
(T)18cDNA (fita -)
(A)18
ATGATCATGACTTACGGGCGCGCGAT
GGCGCGCGATATCCAAATTTATTATCC
3’EST
3’EST5’EST
5’EST
AAATTTATTATCCATCTACG
![Page 15: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/15.jpg)
PCR inespecífico & seu ORESTES
(A)200
cDNA (fita -)
AUG amplicon (fita +)
Iniciador(60ºC 37ºC)
amplicon (fita -)
amplicon (fita +)
PCR(60ºC)
ORESTES
AGATCGATCATGACTTACGGGCGCGCGATATCG
GGGCGCGCGATATCGAAAAATTTATAAGGCTAGCCCCGGCGGCTCGGCCGGGGAGATCGATCATGAC
+ORESTES (outros iniciadores)
![Page 16: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/16.jpg)
100
150
200
250
![Page 17: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/17.jpg)
![Page 18: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/18.jpg)
• O formato FASTA, o mais simples, é anotado
>Gene5 EST com homologia...
ACTATTACGGCGTAGCTGTAGCTACGTAGCTAGCTGATGCTGACTGATCGTAGCTAGCTGACTGATCGTACGTAGTGTTTTTTTACGTGCGTATTtCTagCTaGtc
Seqüências > 50 nt, sem ambiguidades e com anotação, ganham entrada no Entrez Protein/Nucleotide
![Page 19: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/19.jpg)
•dbEST: ESTs 5’ e 3’
•Trace Arquive: dados originais
•Entrez Nucleotide: > 50 nt, em fase, com anotação
•Entrez Protein: proteínas deduzidas selecionadas
•mineração automática (KOG, BioCarta e KEGG)
•mineração manual (grupos)
•RefSeq: seqüências de referência
•UniGene:
•dados de expressão diferencial (microarray e DGED)
•número I.M.A.G.E.
Transcriptoma de S. mansoniResultados esperados
Rede Genoma de Minas Gerais
![Page 20: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/20.jpg)
![Page 21: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/21.jpg)
![Page 22: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/22.jpg)
Alinhador local
• Identifica, numa coleção de seqüências, as que apresentam alinhamento com a sua.
• Fragmenta sua seqüência e procura homologia no banco de dados.
• Descarta todas as pesquisas com pontuação pequena (score baixo) e vai alinhando a vizinhança das com pontuação boa, até chegar ao máximo valor.
• É fácil verificar que algumas regiões de certos genes alinham bem, mas outras pouco conservadas, não. O Alinhador Local não quer chegar ao alinhamento final, ele só quer identificar sequências com um nível de homologia significativo
Alignments
>gi|13528923|gb|BC005255.1|BC005255 Homo sapiens, insulin mRNA, Length = 495
Score = 285 bits (144), Expect = 5e-75 Identities = 144/144 (100%)
Query: 1 ctgtgcggctcacacctggtggaagctctctacctagtgtgcggggaacgaggcttcttc 60||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Sbjct: 147 ctgtgcggctcacacctggtggaagctctctacctagtgtgcggggaacgaggcttcttc 206
Query: 61 tacacacccaagacccgccgggaggcagaggacctgcaggtggggcaggtggagctgggc 120||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Sbjct: 207 tacacacccaagacccgccgggaggcagaggacctgcaggtggggcaggtggagctgggc 266
Query: 121 gggggccctggtgcaggcagcctg 144||||||||||||||||||||||||
Sbjct: 267 gggggccctggtgcaggcagcctg 290
Alignments
>gi|13528923|gb|BC005255.1|BC005255 Homo sapiens, insulin mRNA, Length = 495
Score = 285 bits (144), Expect = 5e-75 Identities = 144/144 (100%)
Query: 1 ctgtgcggctcacacctggtggaagctctctacctagtgtgcggggaacgaggcttcttc 60||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Sbjct: 147 ctgtgcggctcacacctggtggaagctctctacctagtgtgcggggaacgaggcttcttc 206
Query: 61 tacacacccaagacccgccgggaggcagaggacctgcaggtggggcaggtggagctgggc 120||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Sbjct: 207 tacacacccaagacccgccgggaggcagaggacctgcaggtggggcaggtggagctgggc 266
Query: 121 gggggccctggtgcaggcagcctg 144||||||||||||||||||||||||
Sbjct: 267 gggggccctggtgcaggcagcctg 290
![Page 23: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/23.jpg)
Alinhamento local
• O fundamento teórico é que a função gênica está quase sempre confinada em domínios contínuos de uma proteína
• Se não fosse assim, não teria sentido usar...
![Page 24: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/24.jpg)
Programas BLAST & Bancos
• Há vários Programas BLAST úteis
• Alguns são usados quando a sua sequência é de nucleotídeos (BLASTn, BLASTx e tBLASTx)
• Outros são usados quando a sua seqüência é de aminoácidos (BLASTp)
• E vários bancos de dados para escolher (nr, pdb, dbEST, yeast, month, etc...)
• Ou usa-se limites [organism]
![Page 25: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/25.jpg)
BLASTn e BLASTx
• A EST identifica o gene homólogo: BLASTn
• A EST identifica proteína ortóloga de outro organismo - a evolução conservou a proteína enquanto o DNA divergiu: BLASTx– BLASTx: a EST traduzida em seis proteínas
– 1 existe, 5 não...
– O mundo Blast é assim
![Page 26: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/26.jpg)
tBLASTx• tBLASTx traduz sua seqüência de nucleotídeos para proteína nas 6
possibilidades, exatamente como BLASTx
• Depois pesquisa com essas 6 proteínas deduzidas, um banco de dados de nucleotídeos também traduzido dessa maneira
• Pra que serve? Pois imagine que a telomerase de Euplotes seja parecida com a telomerase humana, mas os dois DNA não!
• Traduzindo a seqüência pesquisada e o banco de dados dbEST foi possível encontrar seqüências da telomerase humana
![Page 27: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/27.jpg)
Gene hipotético
Contig....actctagt....
Gene predito
Dados de outros genes e genomaspermitem anotar uma função e produto para o Gene 2 com o auxílio do programa BLAST.
Gene 1 Gene 2
A presença do suposto Gene 1 foi assinalada por um algoritmo que busca por ORFssignificativas, enquanto não se conhece seu produto (proteína), é considerado hipotético.
....actctagt....
Produto gênico
Transposon
Regiões repetitivas como transposonspodem ser anotadas com o auxílio de programas como BLAST, RepeatMasker e outros.
Gene hipotético
Contig....actctagt....
Gene predito
Dados de outros genes e genomaspermitem anotar uma função e produto para o Gene 2 com o auxílio do programa BLAST.
Gene 1 Gene 2
A presença do suposto Gene 1 foi assinalada por um algoritmo que busca por ORFssignificativas, enquanto não se conhece seu produto (proteína), é considerado hipotético.
....actctagt....
Produto gênico
Transposon
Regiões repetitivas como transposonspodem ser anotadas com o auxílio de programas como BLAST, RepeatMasker e outros.
Receber Processar Anotar Depositar
bioinformática
![Page 28: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/28.jpg)
![Page 29: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/29.jpg)
3. Quais proteínas vamos estudar?
![Page 30: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/30.jpg)
Proteína pré-selecionada
EST
Saldo de códons positivo
Algoritmo de seleção de clones com CDS completoPatrimônio de um projeto EST
![Page 31: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/31.jpg)
Demonstração de agente selecionador de clones(utilizando 16 mil ESTs dbEST)
0
5
10
15
20
25
30
1 2 3 4 5 6 8 14 15 19 20 21 22 23 24 25 26 30 31 34 35 36 37 40 47 51
Identificador da via COG com presença de genes eucarióticos (Dm e Ce)
Núm
ero
de p
rote
ínas
dep
osit
adas
(az
ul)
e d
e E
ST
s co
m s
aldo
de
códo
ns p
osit
ivo
(ver
mel
ho)
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
1 2 3 4 5 6 8 14 15 19 20 21 22 23 24 25 26 30 31 34 35 36 37 40 47 51
![Page 32: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/32.jpg)
![Page 33: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/33.jpg)
![Page 34: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/34.jpg)
• Uma das atividades em bioinformática é formar aglomerados de todas as sequências geradas no projeto (as figurinhas de um álbum)
• Podemos saber quantas vezes um gene foi seqüenciado, e detectar os freqüentes!
• E quantos dos genes foram detectados– Usa-se também para validar bibliotecas
Aglomerados ou Clusters
![Page 35: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/35.jpg)
Programas para aglomerar
• Icatools
• Phrap
• Cap3, Cap4
• Swat
• BLAST
• MegaBLAST
Um aglomerado = Um gene
![Page 36: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/36.jpg)
Qualidade das bibliotecas(100 primeiras ESTs)
Freqüência em que uma EST foi amostrada
Boa biblioteca?
Nú
mer
o d
e se
qü
ênci
as
1
2
3
4
5
7
9
11
![Page 37: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/37.jpg)
• Organização das sequências do GenBank em um conjunto de aglomerados
• Cada aglomerado do UniGene contém as sequências que representam um gene único
• E também informações relacionadas, como em que tecidos o gene é expresso, etc.
• E também onde está mapeado
UniGene
![Page 38: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/38.jpg)
MegaBLAST gera o UniGene
Todas ESTs contra todas
Detecção de homologia
> 96% de identidade
> 70% do potencial
Aglomerar
![Page 39: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/39.jpg)
020004000600080001000012000140001600018000
Resultado parcial com 14.853 seqüências12/03/2003
UFMG
UFOP
Produção por laboratório
Seq
üênc
ias
boas
![Page 40: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/40.jpg)
12
34
0
100000
200000
300000
Etapa
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 >150
200
400
600
800
1000
1200
1400
1600
1800
Número de seqüências no aglomerado
Nú
mero d
e algomerad
os
Construção de UniGene para AW1(5.145 ESTs correspondem a 2.026 clusters)
identidade > 96 %
alinhamento > 70 %do potencial
![Page 41: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/41.jpg)
![Page 42: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/42.jpg)
• Interface gráfica• Alternativa para encontrar só o gene
![Page 43: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/43.jpg)
• Online Mendelian Inheritance in Man
• Um catálogo de genes humanos e anomalias genéticas de autoria do Dr. Victor A. McKusick e seus colaboradores e desenvolvido para a Web pelo NCBI
• Funciona como uma revisão já feita
![Page 44: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/44.jpg)
catcgatcgatcgtcgtagctacgtagctagctagctagctagctagctaactagctgactgcatcgatcgatcgtcgtagctacgtagctagctagctagctagctagctagctagctgactgcatcgatcgatcgtcgtagctacgtagctagctagctagctagctagctagctagctgactgcatcgatcgatggtcgtagctacgtagctagctagctagctagctagctagctagctgactgcatcgatcgatcgtcgtagctacgtagctagctagctagctagctagctagctagctgactgcatcgatcgatcgtcgtagctacgtagctagctagctagctagctagctagctagctgactgcatcgatcgatcgtcgtagctacgtagctagctagctagctagctagctagctagctgactgcatcgatcgatcgtcgtagctacgtagctagctagctagctagctagctagctagctgactgcatcgatcgatcgtcgtagctacgtagctagctagctagctagctagctagctagctgactgcatcgatcgatcgtcgtagctacgtagctatctagctagctagctagctagctagctgactgcatcgatcgatcgtcgtagctacgtagctagctagctagctagctagctagctagctgactgcatcgattgatcgtcgtagctacgtagctagctagctagctagctagctagctagctgactgcatcgatcgatcgtcgtagctacgtagctagctagctagctagctagctagctagctgactgcatcgatcgatcgtcgtagctacgtagctagctagctagctagctagctagctagctgactgcatcgatcgatcgtcgtagctacgtagctagctagctagctagctagctagctagctgactgcatcgatcgatcgtcgtagctacgtagctagctagctagctagctagctagctagctgactgcatcgatcgatcgtcgtagctacgtagctagctagctagctagctagctagctagctgactg
![Page 45: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/45.jpg)
• No NCBI é acessado um banco de dados: MMDB– Molecular Modelling DataBase (PDB sem teóricos)
• O banco de dados PDB tem um mirror no Brasil– www.pdb.ufmg.br
• Arquivos do tipo “1MEY.pdb” são descarregados• As coordenadas 3D de totos os átomos• As proteínas podem ser vistas com programas (RasMol) ou direto no
navegador (Plug-in Chime)
![Page 46: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/46.jpg)
Modelagem Molecular por Homologia
• A proteína precisa ter uma ortóloga no PDB• Pode ser automaticamente modelada pelo Swiss Model (Modeller na UFMG)• Já modelaram todas proteínas
– confira 3DCrunch:
![Page 47: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/47.jpg)
![Page 48: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/48.jpg)
Arquitetura computacional(estações de trabalho e instalações CENAPAD/MG-CO)
metionina.cenapad.ufmg.brProcessamento, Linux RedHat: Phred, BLAST, Java
2x Xeon 2,4 GHz, 4 GB RAM, 2x 36 GB HD, RAID 0
adenina.cenapad.ufmg.brArmazenamento de dados, Linux RedHat: Oracle
2x PIII 1,4 GHz, 4GB RAM, 3x 36 GB HD, RAID 5Unidade de fita DAT 20/40
bionfo.cenapad.ufmg.brInterface Web, Windows 2000: QuickPlace
1x PIII 1,4 GHz, 512 MB RAM, 2x 18 GB HD, RAID 1
![Page 49: Miguel Uso da bioinformática na análise genômica](https://reader036.vdocuments.net/reader036/viewer/2022062623/552fc112497959413d8c6b5f/html5/thumbnails/49.jpg)
LCC-CENAPAD
A
T
GC
BIOINFORMÁTICA UFMG
Osvaldo Carvalho Farah
Coordenador de Computação Científica:Fabiano Peixoto
Equipe:OperaçãoSuporte Oracle
J. Miguel Ortega
Estudantes de Doutorado:Alessandra Faria-Campos AnotaçãoMaurício Mudado* Bases de dadosSaulo de Paula* MicroarrayCristiane Nobre Redes neuraisDaniela Campos Genoma
Iniciação Científica:Estevam Bravo-Neto (ciências biológicas)*João Torres (ciências da computação)