The regulation of gene expression at the right time, place, and degree is crucial for many cellular processes such as proliferation and development. In addition, in order to maintain cellular life, cells must rapidly and appropriately respond to various environmental stimuli. Sequence-specific transcription factors (TFs) can recognize functional regulatory DNA elements in a sequence-specific manner so that they can regulate only a specific group of genes, a process which enables cells to cope with diverse internal and external stimuli. Human has approximately 1,400 sequence-specific TFs whose aberrant expression causes a wide range of detrimental consequences including developmental disorders, diseases, and cancers; therefore, it is pivotal to identify the binding sites of each sequence-specific TF in order to unravel its roles in and mechanisms of gene regulation. Even though some TFs have been intensively studied, the majority of TFs still remain to be studied, particularly the tasks of identifying their genome-wide target genes and deciphering their biological roles in specific cellular contexts. Many questions remain unanswered: how many sites on the human genome a sequence-specific TF can bind; whether all TF-bound sites are functional; how a TF achieves binding specificity onto its targets; how and to what extent a TF is involved in gene regulation. Comprehensive identification of the binding sites of sequence-specific TFs and follow-up molecular studies including gene expression microarrays will provide close answers to these questions. Chromatin Immunoprecipitation coupled with recently developed high-throughput sequencing (ChIP-seq) allows us to perform genome-scale unbiased identification of the binding sites of sequence-specific TFs. Here, to gain insight into gene regulatory functions of TFs as well as their influences on gene expression, we conducted, in diverse cell lines, genome-wide identification of the binding sites of several sequence-specific TFs (CTCF, E2F4, MYC, Pol II) that are involved in a wide range of biological functions, including cell proliferation, development, apoptosis, genome stability, and DNA repair. Analysis of ChIP-seq data provided not only comprehensive binding profiles of those TF across the genome in diverse cell lines, but also revealed tissue-specific binding of CTCF, MYC, and Pol II as well as combinatorial usage among these three factors. Analyses also showed that some CTCF binding sites were inherited from parents to children and regulated in an individual-specific as well as allele-specific manner. Finally, genome-wide target identification of several TFs will broaden our understanding of the gene regulatory roles of these sequence-specific TFs. / text

El trabajo presentado en esta tesis cubre varios campos de investigación relacionados con el desarrollo de moléculas bioactivas. Se compone de cinco partes distintas que se resumen aquí. Predicción de la utilidad farmacológica de dianas terapéuticas. El desarrollo de fármacos está generalmente dirigido a inhibir la función de una proteína específica. Pero para validar esta proteína como diana terapéutica, al principio de un proyecto de descubrimiento de fármacos se tiene que saber si una molécula de tipo fármaco puede unirse con suficiente afinidad a la proteína como para alterar su función. Existen métodos que predicen si una potencial diana terapéutica es tratable o no por vía farmacológica, lo que se ha dado en llamar ‘druggability’. El problema es que estos métodos no están accesibles libremente y su validación es discutible. En la primera parte de la tesis se ha compilado un conjunto extensivo de datos de cavidades en proteínas cuyo novel de ‘druggability’ es conocido, haciéndolo accesible en una plataforma web pública (http://fpocket.sourceforge.net/dcd). Estos datos pueden ser modificados por cualquier persona que quiera contribuir al desarrollo de este conjunto de datos, aumentando su volumen o mejorando su calidad. En estudios previos, los sitios druggable se han asociado a cavidades profundas e hidrofóbicas, ignorando la importancia que tiene los grupos polares en el sitio de unión y su posible relación con la ‘druggability’. Utilizando el set de datos compilado previamente, hemos encontrado que aunque las cavidades ‘druggables’ son mas hidrofóbicas, también tienen grupos polares más expuestos pero con poca superficie de interacción. Esta observación es objeto de posteriores investigaciones en la segunda parte de la tesis. Finalmente, se ha utilizado un algoritmo de búsqueda de sitios de unión, fpocket, que empecé a desarrollar como proyecto de master. Este programa se ha utilizado para extraer todas las características de las cavidades ‘druggables’ y no ‘druggables’ y estos parámetros se han utilizado para entrenar un modelo logístico capaz de predecir si un sitio es druggable o no. Demostramos que el algoritmo y la función de puntuación desarrollado durante esta primera parte predice la ‘druggability’ de manera fiable. Los resultados son de igual calidad a los obtenidos con el único otro programa accesible con funcionalidad parecida (SiteFinder, de Schrödinger), pero nuestro programa tiene las siguientes importantes ventajas: 1) es libre; 2) es mucho más eficiente computacionalmente; y 3) trabaja sobre cavidades detectadas automáticamente por el programa, lo que permite aplicaciones a gran escala. En otras partes de la tesis se verá como su aplicación al conjunto del PDB permite novedosas aplicaciones en el área del diseño de fármacos. Análisis de movilidad de cavidades de las proteínas Existen una gran variedad de algoritmos que permiten identificar posibles sitios de unión en las estructuras tridimensionales de las proteínas. El trabajo presentado en la sección anterior de esta tesis permitía extender uno de estos algoritmos para caracterizar la ‘druggability’ de las cavidades. Un problema de gran calado en el estado actual de la técnica, tanto de detección de sitios de unión como en diseño de fármacos en general,4 es que las proteínas se tratan como un cuerpo rígido a pesar de que en realidad gozan de una gran movilidad estructural. El objetivo de esta sección era otorgar todavía otra funcionalidad a fpocket, el programa de predicción de sitios de unión, para permitir también la detección y el análisis de cavidades de proteínas en movimiento. Habitualmente, los movimientos de las proteína se pueden simular usando la dinámica molecular (MD). Una herramienta capaz de analizar conjuntos de estructuras derivados de MD u otras fuentes puede ser, por tanto, extremadamente útil para observar la aparición de cavidades transitorias y su plasticidad. Como resultado final de este trabajo, se presenta un nuevo programa informático, llamado MDpocket y que se enmarca dentro del paquete fpocket. Para cada conformación de la proteína, se ejecuta un ciclo de detección de cavidades con fpocket. Los resultados de este proceso se plasman sobre una malla tridimensional superpuesta a la estructura de la proteína. La malla puede entonces ser visualizada o analizada en mayor detalle. Lo primero se puede llevar a cabo con programas de visualización molecular tales como PyMOL, VMD o Chimera. Otra funcionalidad dentro de MDpocket es la de seguir la evolución de las propiedades de una cavidad o zona de interés (definida por el usuario) a lo largo del tiempo. Cabe destacar que MDpocket es igualmente capaz de identificar sitios de unión de moléculas tipo fármaco como pequeños canales en la matriz proteica que pueden ser importantes para la migración de pequeños ligandos como gases o moléculas de agua. Las posibles aplicaciones de MDpocket se ejemplifican en tres casos distintos. El primero es la capacidad de identificar la apertura transitoria de cavidades en el sitio de unión de ATP en la proteína HSP90. En el segundo ejemplo, se muestra como MDpocket permite identificar un canal de migración de moléculas biatómicas en mioglobina, un sistema de referencia bien conocido. Aquí se demuestra que MDpocket puede, no tan solo identificar los sitios internos de unión a Xenón, sino también los canales que se abren de forma transitoria para permitir a los ligandos migrar de un sitio a otro. En el último ejemplo, las propiedades del sitio de unión a ATP de la proteína cinasa P38 se analizaron a lo largo de una trayectoria de MD, evaluando la capacidad de MDpocket para identificar aquellas conformaciones que pueden ser particularmente útiles para realizar docking molecular. Uno de los principales problemas en docking de proteína-ligando es que el receptor generalmente se considera rígido, mientras que si se utilizan múltiples conformaciones (cristalográficas o derivadas de MD) para representar al receptor es difícil decidir a priori cuales de ellas pueden dar mejores resultados. Aquí mostramos que MDpocket se puede utilizar para seleccionar conformaciones concretas de una trayectoria de MD para usarlas en procesos de docking. Concretamente, hemos observado que la densidad hidrofóbica promedio (previamente identificada como un descriptor importante para predecir ‘druggability’) correlaciona bien con la probabilidad de que el modo de unión de ligandos pueda ser predicho correctamente. Tal como en el trabajo anterior, MDpocket se incluye dentro del proyecto fpocket y se está accesible como una herramienta libre y de código abierto. Relaciones estructura-cinética de unión El control de los tiempos en interacciones moleculares es una propiedad esencial de los sistemas bioquímicos, pero poco se conoce sobre los factores estructurales que gobiernan la cinética de los procesos de reconocimiento molecular. Partiendo de una observación realizada durante el trabajo de predicción de ‘druggability’, aquí se ha investigado el papel que átomos con poca superficie expuesta a solvente pueden jugar en los sitios de unión de la proteína. En particular, encontramos que los átomos polares en los sitios druggable son minoritarios en comparación con los átomos apolares, pero si bien pueden tener poca superficie accesible, tienden a ser mas protuberantes, lo que los hace más accesibles para establecer interacciones. Hemos establecido que esta propiedad puede estar relacionada con la cinética de unión/disociación de un ligando a su cavidad en el receptor. En diseño de fármacos, la vida media del complejo formado entre el fármaco y su diana terapéutica determina en gran medida sus efectos biológicos, pero en ausencia de relaciones estructura cinética, se hace imposible optimizar esta propiedad de forma racional. Aquí se muestra que átomos polares prácticamente enterrados (ABPAs) – un elemento comúnmente encontrado en los sitios de unión de proteínas – tienden a formar puentes de hidrógeno que están protegidos de las moléculas de agua. La formación y ruptura de este tipo de puentes de hidrógeno implica un estado de transición penalizado energéticamente porque ocurre de modo asincrónico con el proceso de deshidratación/rehidratación. En consecuencia, los puentes de hidrógeno protegidos se intercambian a velocidades lentas. Estas conclusiones se basan en el estudio computacional del proceso de unión de un pequeño ligando a un sitio de unión modelo. El receptor modelo se construyó para permitir modular tanto el grado de exposición del átomo polar como la curvatura del entorno apolar. Mediante el uso de dinámicas moleculares con constricciones y la relación de Jarzinsky, se obtuvieron los perfiles de energía libre de unión para cada cavidad. La presencia de un estado de transición (y por tanto menor velocidad de asociación/disociación) puede anticiparse mediante un simple análisis estructural tal como la medición de la superficie accesible del átomo polar o su grado de protrusión. Esto constituye una nueva y valiosa clave para interpretar y predecir relaciones estructura-actividad, que se ha puesto a prueba investigando sistemas reales. En primer lugar, analizando tanto estructuras cristalográficas depositadas en el PDB como trayectorias de dinámica molecular, se ha demostrado que aquellas moléculas de agua que forman puentes de hidrógeno con ABPAs tienden a tener menor movilidad e intercambios más lentos. Posteriormente, la validez del principio se ha demostrado en dos pares de inhibidores de la proteína Hsp90, una diana terapéutica para cáncer, para los que se han obtenido datos estructurales, termodinámicos y cinéticos mediante distintas técnicas experimentales. El acuerdo entre observables macroscópicas y los resultados de simulaciones moleculares confirma la función de los puentes de hidrógeno protegidos de solvente como trampas cinéticas e ilustra como nuestro hallazgo puede ser usado para facilitar el proceso de diseño de fármacos basado en estructura. Base de datos de cavidades: hacia el ‘pocketoma’ El trabajo presentado en el principio de la tesis perseguía un objetivo muy especifico, que se enmarca en un proyecto mayor del grupo de investigación. La herramienta de predicción de ‘druggability’ se desarrolló con el fin de cribar grandes bases de datos estructurales, tales como el PDB, identificando complejos proteína-proteína no obligados (transitorios) que contengan en su interfase una cavidad potencialmente capaz de unir moléculas de tipo fármaco. Con ello se pretende estabilizar selectivamente dicha interacción y conseguir un efecto biológico que pueda ser terapéutico. Dado que la información sobre cavidades y su druggability asociada va a ser explotadas por otras personas en el grupo en este y otro tipo de proyectos encaminados a facilitar la explotación de nuevos mecanismos de acción, es necesario crear una base de datos que contenga esta información y sea fácilmente navegable. Para empezar, se ejecutó el programa para cada una de las estructuras depositadas en el PDB, identificando todas las cavidades y extrayendo sus descriptores, entre los que se incluye la función de puntuación de druggability. Esta información se guarda de forma organizada en una base de datos relacional (pocketDB), que se relaciona con otras bases de datos tales como Uniprot y Uniref, que contienen información sobre secuencias. Igualmente, se incluyeron información sobre la estructura cuaternaria y otros recursos tales como Kegg, haciendo de pocketDB un potente recurso para filtrar de modo eficiente millones de cavidades, identificando aquellas que tengan mayor interés para cada proyecto. De modo particular, cabe destacar la aplicación de pocketDB a la identificación de cavidades ‘druggable’ situadas en la interfase de complejos transitorios proteína-proteína, resultando en 39 complejos candidatos, entre los que se recobraron 3 casos conocidos previamente, lo que valida la metodología. Además otros tres sistemas identificados, después de una inspección minuciosa, han sido seleccionados en el grupo como candidatos para realizar la prueba de concepto que valide esta nueva estrategia farmacológica. Uno de ellos está actualmente en fase de validación experimental. El ‘pocketoma’ La última sección de mi tesis presenta un proyecto que hace un uso extensivo de la base de datos de cavidades (pocketDB) previamente presentada. Dos cuestiones importantes aún persisten hoy día en el proceso de descubrimiento de fármacos y, de algún modo, contribuyen a la alta tasa de fracasos en las fases tardías del desarrollo, que normalmente se explican por la baja eficacia o el exceso de efectos secundarios (normalmente tóxicos) para el organismo. Ambas situaciones pueden ser explicadas por un fenómeno común: la falta de selectividad. Las fármacos interaccionan en la célula con una diversa variedad de macromoléculas además de con la diana terapéutica, induciendo así efectos secundarios imprevistos. Asimismo, considerar solamente una diana para nuestro fármaco puede resultar menos efectivo de lo esperado, puesto que la pérdida de función de una sola proteína diana puede ser fácilmente reemplazada debido a los mecanismos homeostáticos controlados por robustas redes de interacciones, derivando en una pérdida de eficacia de nuestra molécula. Este trabajo pretende sentar las bases para poder establecer relaciones entre macromoléculas biológicas en base a su potencial para interaccionar con una misma entidad química (fármaco). El trabajo se basa en la asunción de que cavidades similares son capaces de unir ligandos similares. Existen varios métodos que calculan la similitud entre cavidades de unión, sin embargo, hasta la fecha no se ha realizado un análisis relacional profundo de todas las cavidades en el PDB que permita establecer relaciones entre ellos. Con el fin de cumplir con los requerimientos técnicos de unos objetivos tan ambiciosos, se ha desarrollado un novedoso método de comparación de cavidades. En este particular método se considera una representación muy abstracta de la cavidad. Dicha representación reúne información tanto sobre la forma de la cavidad cómo sobre la distribución por pares de los puntos de interacción en la superficie. No obstante, la información sobre la topología exacta de la cavidad es ignorada. Tal abstracción intenta relacionar cavidades que estructuralmente están alejadas, pero que se parecen entre ellas en términos de forma y propiedades fisicoquímicas globales. Usando varios ejemplos de validación en un conjunto de cavidades de referencia, el método resulta capaz de recuperar de un gran set de cavidades aquellas más similares y relacionadas entre sí. Del mismo modo, el método demuestra ser útil para encontrar relaciones entre cavidades previamente no relacionadas y que sin embargo unen los mismos ligandos o moléculas muy similares. Esta nueva implementación se ha utilizado en un experimento de exploración a gran escala para encontrar (i) las mismas cavidades en diferentes estructuras, (ii) cavidades relacionadas y (iii) cavidades con la misma estructura de ligando. Se obtuvieron excelentes resultados para estas tres categorías. Seguidamente, se compararon entre ellas todas las cavidades encontradas en el PDB. Se desarrolló una herramienta computacional novedosa para permitir la navegación en el 'pocketoma' resultante de las comparaciones, que será posible descargar gratuitamente. Los resultados presentados muestran por primera vez un espacio global interrelacionando cavidad-ligando para todas las cavidades del PDB. Finalmente, se señalan a continuación dos aplicaciones que ponen de manifiesto el posible impacto del ‘pocketoma’ y la herramienta de navegación. En el primer ejemplo, una cavidad no caracterizada encontrada en GSK3-β fue comparada contra todas las cavidades del PDB, permitiendo obtener una variedad de cavidades, y sistemas, supuestamente relacionadas. Entre los resultados se encontraban las subunidades de unión a ADP dhaL y dhaM de la PTS dependiente di-hidroacetona cinasa. Se encontró que el sitio de unión a ADP era muy similar a la cavidad investigada en GSK3-β con una sorprendente similitud estructural entre ambos. En el último ejemplo, se navegó por el ‘pocketoma’ utilizando la herramienta visual desarrollada para tal tarea. Durante la exploración se encontró una curiosa e importante relación entre el sitio de unión de la hormona del receptor de estrógenos y una cavidad no caracterizada en la proteína Caspasa-3. Seguidamente, se realizó un estudio de docking con ligandos similares a la hormona y se procedió a realizar una extensiva dinámica molecular con el ligando en la mejor posición para verificar la estabilidad del compuesto en la cavidad de Caspasa-3. El complejo proteína-ligando estudiado resultó ser muy estable. Actualmente, el compuesto identificado se encuentra bajo validación experimental por nuestros colaboradores.

Comprendre les interactions réalisées entre un candidat médicament et sa protéine cible est un enjeu crucial pour orienter la recherche de nouvelles molécules. En effet, ce processus implique de nombreux paramètres qu’il est nécessaire d’analyser séparément pour mieux comprendre leurs effets.Nous proposons ici deux nouvelles approches observant les relations protéine/ligand. La première se concentre sur la comparaison de cavités formées par les sites de liaison pouvant accueillir une molécule. Cette méthode permet d’inférer la fonction d’une protéine mais surtout de prédire « l’accessibilité » d’un site de liaison pour un médicament. La seconde tactique se focalise sur la comparaison des interactions non-covalentes réalisées entre la protéine et le ligand afin d’améliorer la sélection de molécules potentiellement actives lors de criblages virtuels, et de rechercher de nouveaux fragments moléculaires, structuralement différents mais partageant le même mode d’interaction. / Understanding the interactions between a drug and its target protein is crucial in order to guide drug discovery. Indeed, this process involves many parameters that need to be analyzed separately to better understand their effects.We propose two new approaches to observe protein/ligand relationships. The first focuses on the comparison of cavities formed by binding sites that can accommodate a small molecule. This method allows to infer the function of a protein but also to predict the accessibility of a binding site for a drug. The second method focuses on the comparison of non-covalent interactions made between the protein and the ligand to improve the selection of potentially active molecules in virtual screening, and to find new molecular fragments, structurally different but sharing the same mode of interaction.

The binding of [³H]opioid ligands to homogenates prepared from the spinal cords of rat and other species has been studied. Similar numbers of sites were seen in all areas of the cord when measured in a rostrocaudal direction. There was found to be approximately 2 x higher density of sites in the dorsal half of the cord compared with the ventral half. Binding studies suggested a similar relative distribution of mu, delta and kappa sites in all areas of the cord. The results are discussed in relation to the reported distribution of opioid peptides. In the above study the kappa binding site was defined as the binding of [³H] unselective opioids in the presence of cold ligands to suppress binding to mu- and delta-sites. Competitive binding assays, however, suggested this site did not have the properties of a single homogeneous group. Approximately 50% of the apparent kappa binding was consistent with a classical kappa site. Saturated binding assays afforded Bmax values which suggested lower 'true' kappa site numbers than previously supposed, values which were confirmed using the kappa peptide' [³H]Dynorphin A-(1-9), and the kappa selective [³H]U-69593. Heterogeneity was also seen in other central nervous system tissues. The heterogeneous nature of the kappa site may be due to different sites, due to interactions at a non-opioid site or may represent different conformations of the same site. The second possibility was discounted since observed binding followed the cellular distribution of the plasma marker Na+/K+-ATPase was stereoselective for levorphanol over dextrorphan, and fully displaceable by naloxone. The third possibility was investigated by studying the role of Na+ and MG2+ ions, which are reported to affect receptor conformation in binding assays employing brain tissues. None of the results obtained suggested that conformational changes were responsible for the observed effects, although the experiments were not exhaustive.

Os projetos genoma têm fornecido uma grande quantidade de informação sobre a arquitetura gênica e sobre a configuração física de suas respectivas regiões flanqueadoras (RF). Estas RF contêm informações com o potencial de auxiliar na elucidação de vários processos biológicos, como os mecanismos de expressão gênica e de sua regulação. Estes mecanismos são de extrema importância para a compreensão do correto funcionamento dos organismos e das patologias que os afetam. Uma parte significativa dos mecanismos de controle de expressão gênica atuam na fase transcricional. Na base destes mecanismos está o recrutamento de proteínas que se ligam às regiões promotoras da transcrição, as quais são segmentos específicos de DNA que podem estar localizados tanto próximos à região de início da transcrição (TSS) quanto a centenas ou até a milhares de pares de bases dela. Essas proteínas compõem a maquinaria transcricional e podem ativar ou inibir o processo de transcrição. Experimentalmente, os segmentos regulatórios podem ser identificadas utilizando métodos complexos de biologia molecular, tais como SELEX, ChiP-ChiP, ChIP-Seq, dentre outros. Uma estratégia alternativa aos métodos experimentais é a utilização de metodologias computacionais. Análises computacionais tendem a ser mais rápidas, baratas e flexíveis do que protocolos experimentais, além de poderem ser utilizadas em larga escala. Atualmente, os métodos computacionais disponíveis necessitam de informações experimentais para a definição de padrões globais de preferências de sequências de DNA para a ligação de fatores de transcrição (TFBS, em inglês transcription factor binding sites). Entretanto, esses métodos apresentam uma elevada taxa de falso positivos e, por vezes, apresentam também taxas significativas de falso negativos, além de serem limitados ao estudo de fatores de transcrição de espécies bem conhecidas, o que diminui a área de aplicação dos mesmos. Diante deste cenário, o uso de métodos computacionais que não necessitem da informação referente aos sítios de ligação, bem como os que utilizem parâmetros mais robustos de detecção dos resultados, em detrimento dos escores de pontuação provindos de alinhamentos, podem acrescentar uma sensível melhoria ao processos de predição de regiões regulatórias. Neste projeto, foi desenvolvido um novo modelo computacional (TFBSAnalyzer) para análise e identificação de TFBS em elementos regulatórios, que utiliza técnicas de modelagem molecular para a construção de complexos entre um fator de transcrição ancorado a estruturas de DNA com sequências variáveis de bases e, através de cálculos termodinâmicos de entalpia de ligação, determina uma função de pontuação baseada na energia de ligação e realiza a predição de sítios de ligação ao DNA para o fator de transcrição em análise. Esta abordagem foi testada com três fatores de transcrição como sistemas-modelo, pertencentes à família dos receptores nucleares, a saber: o receptor de estrógeno ER-alfa (Estrogen Receptor Alpha), o receptor de ácido retinoico RAR-beta (Retinoid Acid Receptor Beta) e o receptor X retinóico RXR (Retinoid X Receptor). Os modelos previstos computacionalmente foram comparados aos dados experimentais disponíveis para estes receptores nucleares, os quais apresentaram as seguintes taxas de FP/FN: 10%/0 para RAR-beta e RXR, 21%/6% para ER-alfa. Também simulamos um experimento de ChIP-seq do ER-alfa no genoma humano, cujos genes selecionados foram submetidos a uma análise de enriquecimento de fatores de transcrição curados experimentalmente, que fazem sua regulação, revelando que o receptor de estrógeno está realmente envolvido no processo. Para mostrar a aplicabilidade geral de nosso método, nós modelamos a distribuição de energia de ligação para o receptor NHR-28 isoforma a de Caenorhabditis elegans com DNA . Obtivemos distribuições de energia semelhantes àquelas encontradas para os NRs modelos, portanto seria possível aplicar o método para buscar possíveis TFBSs para este receptor no genoma de C. elegans. Os dados gerados e as metodologias desenvolvidas neste projeto devem acrescentar uma sensível melhoria aos processos de predição de regiões regulatórias e consequentemente auxiliar no entendimento dos mecanismos envolvidos no processo de expressão gênica e de sua regulação. / The genome projects have provided a lot of information about the genetic architecture, as well as on the physical configuration of their flanking regions (FR). These FR have the potential to aid in the elucidation of many biological processes, such as the mechanisms involved in gene expression and its regulation. These mechanisms are extremely important for undeerstanfind the correct functioning of organisms as well as the pathologies that affect them. A significant part of the control mechanisms of gene expression act during transcription. On the basis of this mechanisms is the recruitment of proteins that bind to promoter regions of transcription, which are specific segments of DNA that can be located either near the transcription start site or at hundreds or even thousands of base pairs away. These proteins form the transcription machinery, which can activate or inhibit the transcription process. The regulatory segments can be identified experimentally using complex methods of molecular biology, such as SELEX, ChIP-chip, ChIP-seq, among others. An alternative strategy to these experimental methods is the use of computational methodologies for predicting regulatory regions. Computational analysis tend to be faster, cheaper and more flexible than the experimental protocols, and can be used on a larger scale. Currently, the available computational methods require information previously obtained from experiments in order to define global standards of preference of DNA-Binding sequences for transcription factors (TFBS - Transcription Factor Binding Sites). However, these methods have a high rate of false positives and sometimes also have significant rates of false negatives, besides being limited to the study of transcription factors of well-known species, which decreases their application area. In this scenario, the use of computational methods that do not require previous information concerning the binding sites and use more robust parameters of results detection, instead of alignment scores, may add significant improvement to the processes of predicting regulatory regions. In this project, we developed a new computational model TFBSAnalyzer) for analysis and identification of regulatory elements using molecular modeling techniques for the construction of complexes between a transcription factor bound to specific DNA structures with variable sequences of bases and, by means of thermodynamic calculations of bond enthalpy, provides a scoring function based on the binding energy and predicts the DNA binding sites for the transcription factor in analysis. This approach was tested initially with three transcription factors as models, belonging to the nuclear receptor family, namely estrogen receptor ER-alpha (Estrogen Receptor Alpha), the retinoic acid receptor RAR-beta (Retinoid Acid Receptor Beta) and the retinoic X receptor RXR (Retinoid X Receptor). The computationally predicted models were compared to experimental data available for these nuclear receptors, and presented the following rates of FP/FN: 10%/0 for RAR-beta and RXR, 21%/6% for ER-alpha. We also simulated an experiment of ChIP-seq with ER-alpha with the human genome, where the selected genes were subjected to a transcription factor enrichment analysis, with curated information, revealing that the estrogen receptor is indeed involved in their regulation. To show that our method has a general applicability, we modeled the binding energy distribution for the NHR-28 receptor, isoform a, from Caenorhabditis elegans. The energy distributions obtained were similar to the ones obtained for the model NR, so it would be possible to use the method and search for possible TFBS in the C. elegans genome. The data generated and the methodologies developed in this project should add a significant improvement to the prediction processes of regulatory regions and, consequently, help to understand the mechanisms involved in the gene expression process and its regulation.

<div><div><div><p>Lewis acid zeolites contain framework metal heteroatoms that catalyze sugar iso- merization reactions at different turnover rates depending on the local coordination around metal centers and the polarity of their confining secondary environments. Post-synthetic modification routes that react metal precursors with framework va- cancy defects in dealuminated Beta zeolites (Sn-Beta-PS-OH) are developed as an alternative synthetic strategy to the hydrothermal crystallization of Sn-Beta zeolites (Sn-Beta-HT-F). Post-synthetic routes provide the ability to systematically tailor the structural features of active and defect sites in Sn-zeolites, especially in composition ranges inaccessible to materials crystallized by hydrothermal routes (Si/Sn < 100; > 2 wt.% Sn), yet often result in incomplete or unselective Sn grafting within framework vacancy defects and form extraframework metal oxide domains and residual defect sites. The development of robust post-synthetic routes to prepare Sn-zeolites with intended active and defect structures has been limited by the dearth of characteri- zation techniques to unambiguously detect and quantify such structures present in stannosilicate materials, and of mechanistic links between such structures and the turnover rates of catalytic reactions.</p><p><br></p><p>The presence of framework Sn centers that can expand its coordination shell from four- to six-coordinate structures, and small extraframework tin oxide domains that cannot, were unambiguously detected from diffuse reflectance UV-Visible spectra of stannosilicate materials measured after dehydration treatments (523 K, 0.5 h) to discern ligand-to-metal charge transfer bands for tetrahedrally-coordinated Sn heteroatoms (< 220 nm, > 4.1 eV) and those for tin oxide domains (> 230 nm, < 4.1 eV). Liquid-phase grafting of stannic chloride in dichloromethane reflux (333 K) enables preparing Sn-Beta zeolites with higher framework Sn content (Si/Sn = 30– 144; 1.4–6.1 wt.% Sn) than grafting performed in isopropanol reflux (423 K, Si/Sn > 120; 1.6 wt.% Sn). This reflects competitive adsorption of isopropanol solvents with stannic chloride at framework vacancy defects during grafting procedures, consistent with infrared spectroscopy (IR) and temperature-programmed desorption (TPD) of dealuminated Beta samples after saturation with isopropanol at reflux temperatures (423 K), and not any limitations inherent to the structure of vacancy defects within dealuminated zeolite supports that would prevent reaction with metal precursors as often proposed.</p><p><br></p></div></div></div><div><div><div><p>This insight enabled preparing Sn-Beta zeolites with varying densities of residual defects, via dichloromethane-assisted grafting of stannic chloride to different extents, into dealuminated Beta supports of different initial Al content (Si/Al = 19–180) and mineralizing agent used for hydrothermal crystallization of the parent Al-Beta sam- ple (e.g., fluoride or hydroxide). Preparation of low-defect Sn-Beta zeolites using post-synthetic routes (Sn-Beta-PS-F) first required the synthesis of parent Al-Beta zeolites in fluoride media to minimize residual siloxy defects (OSi−) formed during crystallization, and dilute Al content (Si/Al > 100, < 0.6 Al (unit cell)−1), to min- imize the density of intrapore silanol groups formed after dealumination and high temperature oxidative treatment. The methanol packing density within microporous voids of Sn-Beta zeolites was assessed from relative volumetric uptakes at the point of micropore filling from single-component methanol (293 K) and nitrogen (77 K) adsorption isotherms, and decreased systematically among samples with increasing density of silanol groups. The total density of silanol groups within micropores and at external crystallite surface in Sn-Beta zeolites was quantified by H/D isotopic ex- change during temperature-programmed surface reactions (500–873 K), and within microporous voids from IR spectra measured after saturation of microporous binding sites with CD3CN (2275 cm−1, 303 K). In situ IR spectra collected at low methanol pressures (P/P0 < 0.2, 303 K) provide further evidence that methanol molecules ar- range in localized clusters within Sn-Beta-PS-F, but form extended hydrogen-bonded networks within Sn-Beta-PS-OH.</p><p><br></p></div></div></div><div><div><div><p>Glucose-fructose isomerization rate constants (373 K) were used to probe the lo- cal coordination of Sn heteroatoms and the polarity of the secondary environment as influenced by silanol defects within microporous cavities. Ex situ pyridine titration of Sn-Beta-HT-F samples suppressed isomerization rates (per total Sn, 373 K) after only a subset of Sn sites were poisoned, which correspond to the number of open Sn sites quantified ex situ via CD3CN IR (303 K), providing further evidence that open Sn sites are dominant active sites for glucose isomerization. First-order isomerization rate constants (373 K) decrease with increasing Sn content when normalized by total Sn density, and are invariant when normalized by the number of open Sn sites, be- cause open Sn sites are grafted preferentially within Sn-Beta-PS-OH (Si/Sn = 30–144; 1.4–6.1 wt.% Sn) at low Sn densities. Isomerization rate constants (per open Sn, 373 K), however, are lower by ∼4x and ∼15x on Sn-Beta-PS-F (Si/Sn = 284; 0.7 wt.% Sn) and Sn-Beta-PS-OH, respectively, than on Sn-Beta-HT-F. Open Sn sites catalyze aqueous-phase glucose isomerization at higher turnover rates (373 K) when their mi- croporous surroundings contain silanol defects present in low (hydrophobic) densities than high (hydrophilic) densities, which are characteristic of Sn-Beta-HT-F and Sn- Beta-PS-OH samples, respectively. This reflects reorganization of extended water networks, which are stabilized in high-defect, hydrophilic micropore environments, at kinetically relevant 1,2-hydride shift transition states that incurs entropic penal- ties that lower turnover rates. This thesis highlights the development of synthesis- structure-function relationships to guide the preparation of catalytic materials with intended active and defect site structures within confining reaction environments, the development of characterization techniques for the identification and quantification of such structures, and the influence of such structures on turnover rates of liquid-phase sugar isomerization.</p></div></div></div>

Understanding the connection between an organism’s genotype and its phenotype is a key question in evolutionary biology and genetics. It has been shown that many changes of morphological or other complex phenotypic traits result from changes in the expression pattern of key developmental genes rather than from changes in the genes itself. Such altered gene expression arises often from changes in the gene regulatory regions. That usually means the loss of important transcription factor (TF) binding sites within these regulatory regions, because the interaction between TFs and specific sites on the DNA is a key element of gene regulation. An established approach for the genome-wide mapping of genomic regions to phenotypes is the Forward Genomics framework. This approach compares the genomic sequences of species with and without the phenotype of interest based upon two ideas. First, the initial loss of a phenotype relaxes selection on all phenotypically related genomic regions and, second, this can happen independently in multiple species. Of interest are such regions that diverged specifically in phenotype-loss species. Although this principle is general, the current implementation is only well-suited for the identification of phenotype related gene-coding regions and has a limited applicability on regulatory regions. The reason is its reliance on sequence conservation as divergence measure, which does not accurately measure functional divergence of regulatory elements. In this thesis, I developed REforge, a novel implementation of the Forward Genomics principle that takes functional information of regulatory elements in the form of known phenotype-related TF into account. The consideration of the flexible organization of TF binding sites within a regulatory region, both in terms of strength and order, allows the abstraction from the region’s sequence level to its functional level. Thus, functional divergence of regulatory regions is directly compared to phenotypical divergence, which tremendously improves performance compared to Forward Genomics, as I demonstrated on synthetic and real data. Additionally, I developed TFforge which follows the same approach but aims at identifying the TFs relevant for the given phenotype. Given a multi-species alignment with a phenotype annotation and a set of regulatory regions, TFforge systematically searches for TFs whose changes in binding affinity between species fit the phenotype signature. The reported output is a ranking of the TFs according to their level of correspondence. I prove the concept of this approach on both biological data and artificially generated regions. TFforge can be used as a standalone analysis tool and also to generate the input set of TFs for a subsequent REforge analysis. I demonstrate that REforge in combination with TFforge is able to substantially outperform standard Forward Genomics, i.e. even without foreknowledge of relevant TFs. Overall, the in this thesis introduced methods are examples for the power of computational tools in comparative genomics to catalyze biological insights. I did not only show a detailed description of the methods but also conducted a real data analysis as validation. REforge and TFforge have a wide applicability on endless phenotypes, both on their own in the association of TF and regulatory region to a phenotype. Moreover, particularly their combination constitutes in respect to gene regulatory network analyses a valuable tool set for evo-devo studies.

G-CSF besitzt direkte Effekte auf die Aktivierung bakterizider Eigenschaften neutrophiler Granulozyten und verbessert das Überleben bakteriell infizierter Tiere. Daher wurde in der hier vorliegenden Arbeit der Effekt einer prophylaktischen oder therapeutischen Gabe von G-CSF bei experimenteller Pneumonie durch Klebsiella pneumoniae in Mäusen untersucht. Unerwarteterweise verschlechterte aber eine prophylaktische G-CSF-Gabe das Überleben und führte dosisabhängig zu einer Steigerung der bakteriellen Dissemination von der Lunge in Leber und Milz. Im Gegensatz dazu konnte ein spezifisch gegen K2-Kapselpolysaccharid (K2-KPS) von K. pneumoniae gerichteter monoklonaler Antikörper signifikant die Vermehrung der Bakterien in Lunge, Leber und Milz reduzieren. Die Blockierung von TNF?? durch Pentoxifyllin hingegen verzögerte die Letalität nach Induktion der Pneumonie, verhinderte sie jedoch nicht. In vitro konnte hier nachgewiesen werden, daß G-CSF spezifisch an K. pneumoniae bindet und daß diese Bindung an mehrere Proteine mit einem Molekulargewicht von 41, 25 und 21 kDa erfolgt. Die Bindung von G-CSF an K. pneumoniae führte zu einer signifikant erhöhten Produktion des wichtigsten Virulenzfaktors, K2-KPS. Dies verminderte in vitro signifikant eine Phagozytose der Bakterien durch neutrophile Granulozyten. Damit gelang es zum ersten Mal, die Bindung von G-CSF an ein gram-negatives Bakterium, K. pneumoniae, nachzuweisen und zu zeigen, daß diese Bindung in vitro zu einer erhöhten Produktion des wichtigsten Virulenzfaktors und in vivo zur Verschlechterung einer experimentellen Pneumonie durch erhöhte bakterielle Disseminierung bei prophylaktischer Gabe von G-CSF vor Infektion führt. Die weitere Untersuchung dieser Phänomene hinsichtlich einer möglichen Bindung von G-CSF auch an andere Bakterien könnte zu einer differenzierten supportiven Therapie bakterieller Infektionen mit G-CSF in nicht neutropenischen Patienten führen. / Besides its well-established effects on granulocytopoiesis, granulocyte colony-stimulating factor (G-CSF) has been shown to have direct effects on the recruitment and bactericidal ability of neutrophils, resulting in improved survival of experimentally infected animals. The effect of G-CSF on the course of experimental pneumonia induced by Klebsiella pneumoniae was studied. Using a highly reproducible murine model, the paradoxical finding that mortality from infection was significantly increased when animals received G-CSF before induction of pneumonia could be demonstrated. Administration of G-CSF promoted replication of bacteria in the liver and spleen, thus indicating an impairment rather than an enhancement of antibacterial mechanisms. By contrast, a monoclonal antibody against Klebsiella K2 capsule significantly reduced bacterial multiplication in the lung, liver, and spleen, and abrogated the increased mortality caused by G-CSF. Blocking of TNF-? with pentoxifylline, however, could not prevent increased mortality caused by G-CSF. In vitro studies showed a direct effect of G-CSF on K pneumoniae resulting in inreased capsular polysaccharide (CPS) production. When bacteria were coincubated with therapeutically achievable concentrations of G-CSF, phagocytic uptake and killing by neutrophils was impaired. Western blot analysis showed three binding sites of G-CSF to K pneumoniae. Thus, in this model, the direct effect of G-CSF on a bacterial virulence factor, CPS production, outweighed any beneficial effect of G-CSF on recruitment and stimulation of leukocytes. Further investigations of possible binding of G-CSF to other bacteria might influence a differentiated supportive therapy of bacterial infections in non-neutropenic patients with this growth factor.

L’albumine sérique humaine (HSA) est une protéine connue pour ses propriétés de transport exceptionnelles et son contenu élevé en ponts disulfure. L’étude de sa dynamique conformationnelle représente un défi important dans la compréhension de ses fonctions physiologiques. Le but de notre travail a été d’étudier cette dynamique conformationnelle et de comprendre le rôle des ponts disulfure dans le maintien de la structure native de la protéine. Notre analyse est basée sur des simulations de dynamique moléculaire couplées à des analyses par composantes principales. Outre la validation de la méthode de simulation les résultats fournissent de nouveaux éclairages sur les principaux effets de la réduction des ponts disulfure dans les albumines sériques. Les processus de dépliement/repliement protéique ont été détaillés. La prédiction de la structure réduite d’équilibre a également fait l’objet d’une attention particulière. Une étude détaillée de la dynamique conformationnelle globale de la protéine ainsi que celle des deux sites principaux de complexation a été effectuée. D’éventuels effets allostériques entre ces deux sites ont été recherchés. Les résultats théoriques obtenus ont été discutés avec les données expérimentales disponibles / Human serum albumin (HSA) is a protein known for its exceptional transport properties and its high content of disulfide bridges. The study of the conformational dynamics represents a major challenge in the comprehension of its physiological functions. The aim of our work was to study the conformational dynamics and to understand the roleof disulfide bonds in the stability of the native protein structure. Our analysis is based on simulations of molecular dynamics coupled with principal component analysis. Beyond the validation of the simulation method, the results provide new insights on the main effects of the disulfide bonds reduction in serum albumins. Protein unfolding/refolding processes were detailed. A special attention is paid to the prediction of the reduced structure at the equilibrium. A detailed study of the global protein conformational dynamics as well as the two main binding sites were performed. Possible allosteric effects between these two sites were researched. The theoretical results have been discussed with the available experimental data

O câncer configura uma das maiores causas de mortalidade no mundo, caracterizando-se como uma doença complexa orquestrada por alterações genômicas e epigenômicas capazes de alterar a expressão gênica e a identidade celular. Nova evidência obtida por meio de um estudo genômico em larga escala e cujos dados encontram-se disponíveis no banco público do TCGA sugere que um em cada dez pacientes portadores de câncer pode ser classificado com maior eficácia tendo como base a taxonomia molecular quando comparada à histologia. Dessa maneira, nós hipotetizamos que o estabelecimento de mapas genômicos exibindo a localização de sítios de ligação de fatores de transcrição combinada à identificação de regiões diferencialmente metiladas e perfis alterados de expressão gênica possa nos auxiliar a caracterizar e explorar, ao nível molecular, fenótipos associados ao câncer. Avanços tecnológicos e bancos de dados públicos a exemplo do The Cancer Genome Atlas (TCGA), The Encyclopedia of DNA Elements (ENCODE) e o NIH Roadmap Epigenomics Mapping Consortium (Roadmap) têm proporcionado um recurso inestimável para interrogar o (epi)genoma de linhagens de células tumorais em cultura, bem como de tecidos normais e tumorais em alta resolução. Todavia, a informação biológica encontra-se armazenada em diferentes formatos e não há ferramentas computacionais para integrar esses dados, evidenciando um cenário atual que requer, com urgência, o desenvolvimento de ferramentas de bioinformática e softwares capazes de direcionar a solução deste obstáculo. Nesse contexto, o objetivo principal deste estudo consiste em implementar o desenvolvimento de ferramentas de bioinformática, na linguagem de programação R que, ao final do estudo, será submetido à comunidade científica do projeto Bioconductor sob a licença de código aberto GNU GPL versão 3. Além disso, ajudaremos nossos colaboradores com o aperfeiçoamento do ELMER, um pacote R/Bioconductor que identifica elementos reguladores usando dados de expressão gênica, de metilação do DNA e análise de motivo. Nossa expectativa é que essas ferramentas possam automatizar com acurácia a pesquisa, o download e a análise dos dados (epi)genômicos que se encontram atualmente disponíveis nas bases de dados públicas dos consórcios internacionais TCGA, ENCODE e Roadmap, além de integrá-los facilmente aos dados genômicos e epigenômicos gerados por pesquisadores por meio de experimentos em larga escala. Além disso, realizaremos também o processamento e a análise manual dos dados que serão automatizados pelas ferramentas, visando validar sua capacidade em descobrir assinaturas epigenômicas que possam redefinir subtipos de câncer. Por xi fim, as usaremos para investigar as diferenças moleculares entre dois subgrupos de gliomas recentemente descobertos por nosso laboratório. / Cancer, which is one of the major causes of mortality worldwide, is a complex disease orchestrated by aberrant genomic and epigenomic changes that can modify gene regulatory circuits and cellular identity. Emerging evidence obtained through high-throughput genomic data deposited within the public TCGA international consortium suggests that one in ten cancer patients would be more accurately classified by molecular taxonomy versus histology. Therefore, we have hypothesized that the establishment of genome-wide maps of the de novo DNA binding motifs localization coupled with differentially methylated regions and gene expression changes might help to characterize and exploit cancer phenotypes at the molecular level. Technological advances and public databases like The Cancer Genome Atlas (TCGA), The Encyclopedia of DNA Elements (ENCODE), and The NIH Roadmap Epigenomics Mapping Consortium (roadmap) have provided unprecedented opportunities to interrogate the epigenome of cultured cancer cell lines as well as normal and tumor tissues with high resolution. Markedly however, biological information is stored in different formats and there is no current tool to integrate the data, highlighting an urgent need to develop bioinformatic tools and/or computational softwares to overcome this challenge. In this context, the main purpose of this study is the development of bioinformatics tools in R programming language that will be submitted to the larger open-source Bioconductor community project under the GNU GPL3 (General Public License version 3). Also, we will help our collaborators improve of the R/Bioconductor ELMER package that identifies regulatory enhancers using gene expression, DNA methylation data and motif analysis. Our expectation is that these tools can effectively automate search, retrieve, and analyze the vast (epi)genomic data currently available from TCGA, ENCODE, and Roadmap, and integrate genomics and epigenomics features with researchers own high-throughput data. Furthermore, we will also navigate through these data manually in order to validate the capacity of these tools in discovering epigenomic signatures able to redefine subtypes of cancer. Finally, we will use them to investigate the molecular differences between two subgroups of gliomas, one of the most aggressive primary brain cancer, recently discovered by our laboratory.