O Atracamento Molecular é uma importante ferramenta utilizada no descobrimento de novos fármacos. O atracamento com ligante flexível é um processo computacionalmente custoso devido ao número alto de graus de liberdade do ligante e da rugosidade do espaço de busca conformacional representando a afinidade entre o receptor e uma molécula ligante. O problema é definido como a busca pela solução de menor energia de ligação proteína-ligante. Considerando uma função suficientemente acurada, a solução ótima coincide com a melhor orientação e afinidade entre as moléculas. Assim, o método de busca e a função de energia são partes fundamentais para a resolução do problema. Muitos desafios são enfrentados para a resolução do problema, o tratamento da flexibilidade, algoritmo de amostragem, a exploração do espaço de busca, o cálculo da energia livre entre os átomos, são alguns dos focos estudados. Esta dissertação apresenta uma técnica baseada em um Algoritmo Genético de Chaves Aleatórias Viciadas, incluindo a discretização do espaço de busca e métodos de agrupamento para a multimodalidade do problema de atracamento molecular. A metodologia desenvolvida explora o espaço de busca gerando soluções diversificadas. O método proposto foi testado em uma seleção de complexos proteína-ligante e foi comparado com softwares existentes: AutodockVina e Dockthor. Os resultados foram estatisticamente analisados em termos estruturais. O método se mostrou eficiente quando comparado com outras ferramentas e uma alternativa para o problema de Atracamento Molecular. / Molecular Docking is a valuable tool for drug discovery. Receptor and flexible Ligand docking is a very computationally expensive process due to a large number of degrees of freedom of the ligand and the roughness of the molecular binding search space. A Molecular Docking simulation starts with a receptor and ligand unbounded structures and the algorithm tests hundreds of thousands of ligands conformations and orientations to find the best receptor-ligand binding affinity by assigning and optimizing an energy function. Despite the advances in the conception of methods and computational strategies for search the best protein-ligand binding affinity, the development of new strategies, the adaptation, and investigation of new approaches and the combination of existing and state-of-the-art computational methods and techniques to the Molecular Docking problem are clearly needed. We developed a Biased Random-Key Genetic Algorithm as a sampling strategy to search the protein-ligand conformational space. The proposed method has been tested on a selection of protein-ligand complexes and compared with existing tools AutodockVina and Dockthor. Compared with other traditional docking software, the proposed method has the best average Root-Mean-Square Deviation. Structural results were statistically analyzed. The proposed method proved to be efficient and a good alternative to the molecular docking problem.

Na última década tem sido possível reconstruir o genoma de bactérias e arquéias presentes em comunidades microbianas de ambientes naturais a partir de dados metagenômicos. Isso tem revolucionado nosso entendimento sobre a topologia da árvore da vida e a descoberta de novas capacidades metabólicas, bem como auxiliado na identificação mais acurada de genes de interesse industrial, visto que os dados estão mais completos e menos fragmentados. Com base neste contexto, o objetivo geral deste projeto foi reconstruir o genoma de bactérias ligadas a degradação de biomassa vegetal em comunidades microbianas da compostagem, focando em análises de diversidade de enzimas de Glicosil Hidrolases (GHs), a partir de dados de sequências metagenômicas gerados no projeto temático processo 11/50870-6. Para alcançar os nossos objetivos, foram desenvolvidos pipelines computacionais com softwares já disponíveis na literatura e foram utilizados dois conjuntos principais de dados de sequenciamento massivo (um conjunto de dados seriados que engloba inúmeros estágios do processamento da compostagem e um conjunto de dados do metagenoma de um consórcio microbiano celulolítico e termofílico construído a partir de amostras da compostagem). Foram reconstruídos 13 genomas (sete genomas em amostras dos dados seriados e seis genomas na amostra do consórcio microbiano), sendo identificado no mínimo quatro novas espécies. As análises baseadas em filogenômica indicam a presença de pelo menos uma nova classe dentro do filo Firmicutes, uma nova espécie da família Paenibacillaceae e a reconstrução pela primeira vez do genoma da espécie Bacillus thermozeamaize. Também foram identificadas 33 lacunas/ilhas metagenômicas (IMs). Essas regiões apresentaram genes diretamente ligados a biossíntese de polissacarídeos do envelope celular, pseudogenes e proteínas hipotéticas. Algumas dessas proteínas estão diretamente ligadas ao reconhecimento de bacteríofagos durante a fase de infecção viral. A presença de IMs também indica uma divergência entre as populações microbianas presentes na compostagem com a espécie de referência. Quanto ao potencial de degradação de biomassa vegetal, todos os microrganismos apresentam genes com potencial para degradação de material lignocelulolítico durante o processamento de diferentes estágios da compostagem, indicando a importância do papel funcional dessas bactérias na compostagem. / In the last decade it has been possible to reconstruct Bacteria and Archaea genomes that are in natural microbial communities from metagenomic samples. This has revolutionized our understanding of the topology of the tree of life and the discovery of new metabolic functions, as well as aided in more accurate identification of industrial bioprospecting genes, since the genomic data are more complete and less fragmented. Based on this background, the aim of this project was to reconstruct the bacterial genomes linked to plant biomass degradation in composting communities, focusing on diversity analysis of Glycosyl Hydrolases (GHs) from metagenomic sequence data generated in the Thematic Project (Process 11/50870-6). To achieve our objectives, computational pipelines have been developed (this pipelines were based on software already available in the literature) and we use these pipelines in two massive data sets generated by high-throughput sequencing (one data set of time series compost sample which includes several stages of the composting process and other data set from a cellu- lolytic and thermophilic microbial consortium). Thirteen genomes were reconstructed (seven genomes from time series metagenomic data and six genomes from microbial consortium). At least four new species have been identified, and the analyzes based on phylogenomic inferences indicate the presence of at least one new class of Firmicutes phylum, and a new Paenibacillaceae family and the reconstruction for the first time the Bacillus thermozeamaize genome. They also identified 33 gaps/metagenomic Islands (IMs). These gaps had genes directly linked to polysaccharide biosynthesis of the cell envelope, pseudogenes and hypothetical proteins. Some of these proteins are directly linked to the bacteriophage during the recognition phase of viral infection. The presence of gaps also indicates a divergence between microbial populations present in the compost with the reference genome. All microbial genomes reconstructed in this studyhave genes linked to lignocellulolytic potential degradation during the different stages of composting process, indicating the functional role this bactéria in this environment.

Oligodendroglial tumours originate from oligodendrocytes usually arising in the white matter and could be classified into grade-II oligodendrogliomas (OD) and anaplastic oligodendrogliomas (AOD, grade-III) according to the 2016 World Health Organization (WHO) grading scheme. ODs1 could be diagnosed by pathological and immunohistochemical analyses, however recent evidence suggests that they could be better diagnosed on the basis of defined genetic entities, such as the combined loss of chromosome 1p and 19q arms and IDH mutation. 1p/19q co-deletion is molecular hallmark of ODs and is clinically associated with better prognosis, response to chemo/radio-therapy and overall survival. Typical oligodendroglial histological features are strongly associated with 1p/19q loss and IDH mutation, which is critically important as diagnostic point of view. The examining of exclusive molecular signatures and transcriptome expression profiles added to histological class could compliment the classification of OD subtypes. In this regard, microRNAs (miRNAs, miRs) profiles could serve classifier signatures for tumour subsets. MiRNAs are 22nt short non-coding RNAs which are expressed endogenously and regulate diverse cellular process through negative control on gene expression at the posttranscriptional level by direct or imperfect interaction with their target mRNAs. MiRNAs are involved in regulating human tumorigenesis acting as either tumour suppressors or oncogenes. During the passage of tumorigenesis miRNA expression level is significantly increased or decreased compared to corresponding normal tissue. The same is observed with their mRNAs. Therefore, transcriptome profiling of human tumours could identify signatures associated with progression, diagnosis, prognosis and response to therapy. However, until recently the information regarding the expression of miRNAs and mRNA in oligodendroglial tumours is scarce. In this study we performed miRNA and mRNA differential expression profiling between grade II and grade III ODs using microarray based expression profiling platforms (723 transcripts and 41,000 genes, respectively). 7 cases for OD grade-II, and 7 for AOD grade-III, and 15 non neoplastic white matter (nnWM) samples were used after microdissection with no previous history of treatment. We performed a systematic evaluation of miRNAs and mRNAs expressions and determined miRNAs and putative target genes that are differentially expressed in grade III AOD, but not in grade II OD and in non-neoplastic white matter (nnWM). 1 ODs when used with ,,s\" will represent both OD and AOD. 50 miRNAs were overexpressed and 43 were down regulated in AOD-III, whereas 7 miRNAs showed significant reduction in expressions in OD-II group. 3 miRNAs were commonly down regulated in comparisons of both groups. The hsa-miR-23a was strongly upregulated and hsamiR-27a was strongly downregulated in AOD-III. The functions of hsa-miR-23a and hsa-miR- 27a were tested in human adult fibroblasts for cell proliferation assay and apoptosis detection. Cells treated with pre-miR-23a and pre-miR-27a showed 20% reduction in cell proliferation as compared with controls. Further, the functional relevance of miRNAs to their target mRNAs was validated for each group, using real time qPCR. 10 key-miRNAs from AOD were subjected to validation by qPCR. We were able to confirm 7 miRNAs (p? 0.05). Among these, 5 miRs (miR- 193a-3p, miR-24, miR-27a, miR-30a-5p and miR-30c) showed reduced expression whose target genes (CCND1, HDAC2, PDGFA and RAB-26) were upregulated. Whereas, 2 miRNAs likewise miR-301b and miR-378 were overexpressed whose target genes BCL2, FGF2, CD44 and PPP4R4 confirmed by qPCR (p? 0.05). Bioinformatics based gene ontology (GO), and networking analysis revealed that differential expression and targets are attributed to differentiation of embryonic stem cells, cell adhesion, angiogenesis and neurogenesis, resistance to apoptosis, protein-protein interactions and cell proliferation. It was possible to identify and validate miRNAs and their mRNA-targets potentially involved in the progression of oligodendrogliomas particularly in grade III-AOD. Collectively, this analysis provides new insights to malignant progression of oligodendroglial tumours and could compliment WHO-2016 diagnosis scheme and may provide predictive outcome in patients as well as decision to therapy. / Oligodendrogliomas originários de oligodendrócitos que geralmente surgem na substância branca podendo ser classificados em grau oligodendroglioma (II-OD), e anaplastic oligodendrogliomas (grau III-AOD). Os ODs2 podem ser diagnosticados por análises patológicas e imuno-histoquímicas, porém evidências recentes sugerem que poderiam ser melhor diagnosticados com base em assinaturas moleculares, como a deleção combinada dos cromossomas 1p e 19q - marcadores moleculares dos OD associados clinicamente a um melhor prognóstico, resposta à terapia e melhor sobrevida. As características histológicas típicas dos oligodendrogliomas também estão fortemente associadas à deleção de 1p/19q, que é criticamente importante como ponto de vista diagnóstico. Assim, os subtipos de gliomas podem ser fortemente diferenciados não somente em relação ao seu perfil histológico mas também com base em seu perfil de expressão genica e suas assinaturas moleculares exclusivas. Os microRNAs (miRNAs, miRs) emergiram como assinaturas moleculares para os diferentes graus. Os miRNAs são RNAs não codificantes, contendo em torno de 22 nucleótidos. São expressos endogenamente e regulam diversos processos celulares através do controle negativo da expressão gênica em nivel pós-transcricional e por interacção directa ou imperfeita com o RNAm-alvo. Os miRNAs estão envolvidos na regulação da tumorigenese humana atuando como supressores de tumour ou oncogenes. Durante o processo da tumorigenese o nível de expressão dos miRNAs é aumentado ou diminuído significativamente em comparação com tecido normal correspondente. O perfil de expressão de miRNA de tumores humanos poderia identificar assinaturas associadas com progressão, diagnóstico, prognóstico e resposta à terapia. Contudo, até recentemente a informação sobre a expressão de miRNAs em oligodendrogliomas é escassa. Neste estudo, avaliamos o perfil de expressão diferencial de miRNA e RNAm em ODs graus II e III usando plataformas de perfis de expressão baseadas em microarray (723 transcritos e 41.000 genes, respectivamente). Foram utilizados 14 casos de ODs microdissecados, sendo 7 OD grau II, e 7 AOD grau III (anaplasicos) sem histórico prévio de tratamento, além de 15 amostras de substancia branca não neoplásica (nnSB). Por meio de avaliações sistemáticas foram determinados miRNAs e mRNAs expressos em AOD grau III, mas não em OD grau II e em substancias brancas não neoplásicas (nnSB). 2 ODs when used with ,,s\" will represent both OD and AOD. Assim, foram encontrados 50 miRNAs com alta expressão e 43 miRNAs com baixa expressão em AOD-III, enquanto que 7 miRNAs apresentaram expressões reduzidas no grupo OD-II. Na comparação entre os dois grupos, 3 miRNAs apresentaram baixa expressão. A hsa-miR-23a mostrou alta expressão e a hsa-miR-27a apresentou uma diminuição de expressão importante em AOD III. A atividade dos hsa-miR-23a e hsa-miR-27a foram testadas em células de fibroblastos adultos humanos usando ensaios de proliferação celular e detecção de apoptose. As células tratadas com pre-miR-23a e pre-miR-27a mostraram 20% redução de proliferação celular em comparação com os controles. Para cada grupo, a relevância funcional dos miRNAs e seus mRNAs alvos foi validada utilizando qPCR. Dos 10 miRNAs submetidos a validação em grau III, foi possivel confirmar 7 miRNA(p<0,05). Entre esses, 5 miRs (miR-193a-3p, miR-24, miR- 27a, miR-30a-5p e miR-30c) mostraram expressão reduzida, cujos genes alvos (CCND1, HDAC2, PDGFA e RAB-26) apresentavam alta expressão. Enquanto que, 2 miRNAs como miR-301b e miR-378 apresentaram alta expressão cujos genes alvo BCL2, FGF2, CD44 e PPP4R4 foram confirmados por qPCR (p<0,05). Ferramentas de bioinformática (Gene Ontology) e a análises em rede revelaram que a expressão diferencial e os alvos são atribuídos à diferenciação de células-tronco embrionárias, adesão de celular, angiogênese e neurogênese, resistência à apoptose, interações proteína-proteína e proliferação celular. Foi possível identificar e validar miRNAs e RNAm-alvos potencialmente envolvidos na progressão de oligodendrogliomas. Coletivamente, esta análise fornece novos achados relacionados a progressão maligna de tumores oligodendrogliais e poderia facilitar o diagnóstico preciso e mais restritivo, o desfecho preditivo em pacientes, bem como auxiliar na decisão da terapia.

Orientador: Danillo Pinhal / Resumo: MicroRNAs (miRNAs) são pequenos RNAs não codificadores que regulam uma ampla gama de vias biológicas. Esta regulação ocorre através do pareamento complementar entre o miRNA e seu RNA mensageiro (mRNA) alvo, gelramente na região 3’UTR, inibindo a síntese proteica. Diversos trabalhos têm buscado determinar as funções biológicas desempenhadas pelos miRNAs por meio da identificação de seus alvos e posterior análise de enriquecimento funcional. Entretanto, as ferramentas de predição de alvos in silico disponíveis atualmente apresentam resultados pouco robustos e não há um consenso sobre a melhor ferramenta e estratégia para análise dos dados. Adicionalmente, a metodologia de enriquecimento funcional atual não leva em conta diversos fatores fundamentais atuantes na regulação dos alvos dos miRNAs, retornando resultados inconsistentes que culminam em experimentos de validação desnecessários e pouco específicos, com consequente desperdício de tempo e recursos. Desta maneira, o presente trabalho tem como objetivos (i) elaborar metodologia de predição de alvos com alta eficiência utilizando as ferramentas de bioiformática disponíveis e (ii) avaliar a regulação dos processos biológicos controlados pelos miRNAs através da análise de enriquecimento funcional, considerando o foldchange de seus mRNA alvo. Para tal, comparou-se as performances das três ferramentas de predição de alvos atualmente mais utilizadas (TargetScan, miRanda-mirSVR, e Pita), assim como testou-se todas a... (Resumo completo, clicar acesso eletrônico abaixo) / Mestre

Made available in DSpace on 2015-03-03T11:52:42Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-05-06Bitstream added on 2015-03-03T12:07:10Z : No. of bitstreams: 1 000811210_20150506.pdf: 110055 bytes, checksum: 698593fb9fdaf0d5abadff6e4b2e9826 (MD5) Bitstreams deleted on 2015-05-06T12:18:27Z: 000811210_20150506.pdf,Bitstream added on 2015-05-06T12:19:02Z : No. of bitstreams: 1 000811210.pdf: 1455323 bytes, checksum: a9583b181193a595641ce66279950380 (MD5) / Os microrganismos apresentam uma imensa diversidade genética e desempenham funções únicas e cruciais na manutenção dos ecossistemas, uma dessas funções é a produção de enzimas extracelulares que ajudam na mineralização da matéria orgânica, liberação de carbono e nutrientes na forma de serem assimilados. Devido a esses importantes fatores cada vez mais aumenta a busca por enzimas que possam ser utilizadas nos diversos setores industriais a fim de diminuir o impacto ambiental e obter maior eficiência e menor custo durante os processos de catalise. Mas esse potencial biocatalítico ainda é pouco explorado. As hidrolases pertencem ao grupo de maior interesse para o mercado de enzimas sendo amplamente utilizadas em processos industriais tais como, a aplicação de aditivos em alimentos para animais, têxteis, para a produção de biodiesel e biossíntese de novos antibióticos. Nesse sentido, o objetivo do trabalho foi o de encontrar novas enzimas hidrolíticas. Para isso, foi utilizada biblioteca metagenômica de solo sob Eucalyptus spp. (EAA) realizando uma busca para identificar clone positivo e a construção da biblioteca “shotgun”. Os dados gerados pelo sequêciamento foram utilizados para a montagem do mapa com sequencis conservadas que permitiu identificação de genes codificadores de pirofosfatase inorgânica (PPase) e tioesterase (TEs). A pirofosfatase inorgânica tem um papel importante no metabolismo do fósforo, além de controlar a concentração celular de pirofosfato (PPi) e processo de biossíntese. Tioesterases (TEs) são responsáveis pela hidrólise de um grupo tioéster carboxílico e um átomo de enxofre em ácidos graxos. A metagenômica revelou-se como uma ferramenta inovadora para explorar novos biocatalisadores na microbiota presente no solo. A análise dos dados in silico permitiu a predição da estrutura tridimensional e possível função das proteínas, assim os resultados sugerem que MetaPPase ... / The soil diversity of microorganisms with potential to select new genes, enzymes and compounds able to supply the high demand of biotechnology industry. In this sense, an immense diversity of microorganisms, yet most remains unexplored. Thus, soil diversity it is stimulated the search for new biocatalyst to high efficiency and stability, has been a constant pursuit of enzymologists, biochemists and chemical engineers. One of that biocatalyst is the hydrolases group, which are great interest to market for enzymes that cleavage of chemical structure by the addition of water. The hydrolases are widely used in industrial processes such as the application of additives in animal feed, textile, biodiesel production and biosynthesis of new antibiotics. Thus, the aim of this work was to find new hydrolases genes. In this paper, we used metagenomic library of soil under Eucalyptus spp. arboretum (EAA), was performed screening to identify a positive clone and construct the shotgun library. The data was analyzed using bioinformatics tools, to assemble the functional map and identify a hydrolase gene as possible novel inorganic (PPase) a thioesterase (TEs). The inorganic pyrophosphatase that has an important role in phosphorus metabolism controlling the cellular concentration of pyrophosphate (PPi) and biosynthetic process. Thioesterase (TEs) responsible for the hydrolysis of a carboxylic thioester group and a sulfur atom in fatty acids. The metagenomic revealed itself as an innovative tool for exploring novel biocatalysts in the microbiota present in the soil. The data analyses provide three-dimensional structure and protein function and the results suggest that MetaPPase is M- PPase and perchance an H+_PPase transporting subfamilies and TEs_ Meta possibly a new thioesterase

Orientador: Ney Lemke / Banca: José Carlos Merino Mombach / Banca: Marcos Roberto de Mattos Fontes / Banca: Tie Koide / Banca: Deilson Elgui de Oliveira / Resumo: Virtualmente, todas as células normais, com exceção das células hematopoieticas, precisam estar aderi das à matriz extracelular para que elas possam se proliferar. Na ausência de adesão, essas células não se proliferam mais e acabam sofrendo apoptose. Porém, após transformação oncogênica, as células adquirem a capacidade de proliferação na ausência de adesão à matriz extracelular. Essa capacidade, cuja base molecular está na regulação anormal da transição G tiS do ciclo celular pela adesão, é uma das propriedades fundamentais das células cancerosas e também requisito para que essas células adquiriam sua capacidade metastática. Como as metástases correspondem a aproximadamente 90% das mortes por câncer, a elucidação dos mecanismos moleculares subjacentes à regulação da transição G IIS do ciclo celular pela adesão à matriz extracelular é, portanto, essencial para o desenvolvimento de drogas que possam inibir a formação das metástases. Com o intuito de elucidar esses mecanismos, nós adotamos neste trabalho uma abordagem estritamente computacional baseada em teoria das redes e aprendizado de máquina através do desenvolvimento de novos métodos de (i) construção de redes que representam a provável regulação entre dois diferentes processos (nesse caso, regulação da transição G l/S pela adesão à matriz extracelular), (á) predição de interações oncogênicas, (iii) determinação de sub-redes de vias de sinalização oncogênica entre dois genes de interesse em uma rede (batizado de graph2sig) e (iv) predição de potenciais alvos de drogas. A rede potencialmente envolvida na regulação da transição G l/S do ciclo celular pela matriz extracelular construída (Gccam) possui ~ 2000 genes e ~ 20.000 interações e representa ~ 78% dos processos biológicos conhecidamente envolvidos nessa regulação... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Virtually all normal cells, excluding the hematopoietic cells, require anchorage to the extracellular matrix for their proliferation and survival. When such cells are deprived of anchorage, they arrest in the G1 phase of the cell cycle and eventually undergo apoptosis. Cancer cells, on the other hand, acquire the ability to perform anchorage-independent proliferation as a result of the disruption of the regulation of the G1/S cell cycle transition by adhesion to extracellular matrix. Anchorage-independent proliferation is the foundation for tumorigenicity and metastatic capability of cancer cells. As metastases are the cause of 90% of human cancer deaths, it is crucial to decipher the molecular mechanisms underlying the regulation of the G1/S cell cycle transition by the adhesion to extracellular cell matrix. In order to decipher such mechanisms, we developed in this present work machine learning and graph theory-based computational methods for the (i) construction of networks representing the regulatory relationships between two biological processes of interest, (ii) prediction of oncogenic interactions, (iii) extraction of oncogenic signaling subnetworks between two genes and (iv) prediction of druggable genes. The network representing the regulatory relationships between G1/S cell cycle transition and adhesion to extracellular matrix, Gccam, is comprised by 2,000 genes and 20,000 interactions. Moreover, 78% of known biological process involved in the regulation of G1/S cell cycle transition by adhesion to extracellular matrix are embedded in Gccam. Through the prediction of oncogenic interactions and the extraction of oncogenic signaling subnetworks between EGFR and CDC6, genes that encode proteins likely to be relevant to anchorage-independent proliferation, we postulate the following hypotheses for the molecular mechanisms underlying the anchorage-independent proliferation: cancer... (Complete abstract click electronic access below) / Doutor

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, Programa de Pós-Graducação em Informática, 2016. / Submitted by Fernanda Percia França (fernandafranca@bce.unb.br) on 2016-05-06T16:17:35Z No. of bitstreams: 1 2016_GabrielHelenoGonçalvesdaSilva.pdf: 2295730 bytes, checksum: c2d410a25e9d24795e425e4c29970712 (MD5) / Rejected by Raquel Viana(raquelviana@bce.unb.br), reason: A pedido do cliente. on 2016-05-12T17:27:55Z (GMT) / Submitted by Fernanda Percia França (fernandafranca@bce.unb.br) on 2016-05-12T17:33:17Z No. of bitstreams: 1 2016_GabrielHelenoGonçalvesdaSilva.pdf: 2295730 bytes, checksum: c2d410a25e9d24795e425e4c29970712 (MD5) / Approved for entry into archive by Raquel Viana(raquelviana@bce.unb.br) on 2016-05-16T17:20:02Z (GMT) No. of bitstreams: 1 2016_GabrielHelenoGonçalvesdaSilva.pdf: 2295730 bytes, checksum: c2d410a25e9d24795e425e4c29970712 (MD5) / Made available in DSpace on 2016-05-16T17:20:02Z (GMT). No. of bitstreams: 1 2016_GabrielHelenoGonçalvesdaSilva.pdf: 2295730 bytes, checksum: c2d410a25e9d24795e425e4c29970712 (MD5) / A comparação de sequências biológicas é uma operação importante na Bioinformática, que é realizada frequentemente. Os algoritmos exatos para comparação de sequências obtêm o resultado ótimo calculando uma ou mais matrizes de programação dinâmica.Estes algoritmos têm complexidade de tempo O(mn), onde m e n são os tamanhos das sequências. Fickettpropôs um algoritmo que é capaz de reduzir a complexidade paraO(kn), onde k é a faixa decomputação e representa a quantidade de diagonais da matrizefetivamente calculadas. Nessa dissertação de mestrado, propomos e avaliamos oFickett-CUDAlign, uma estratégia paralela que divide a comparação de sequências emmúltiplas comparações de subsequências e calcula uma faixa de Fickett apropriada paracada comparação de sequência (bloco). Com estaabordagem, nós reduzimos potencialmenteo número de células calculadas, quando comparada ao Fickett, que usa uma únicafaixa para toda a comparação. Nossa estratégia multi-bloco ajustável foi programada emC/C++ e pthreadse foi integrada ao estágio 4 do CUDAlign, uma ferramenta do estadoda arte para comparações ótimas de sequências biológicas. O Fickett-CUDAlign foi usadopara comparar sequências reais de DNA cujo tamanho variou de 10KBP (Milhares dePares de Base) a 47MBP (Milhões de Pares de Base),alcançando um speedup de 59,60xna comparação 10MBP x 10MBP, quando comparado aoestágio 4 do CUDAlign. Nestecaso, o tempo de execução foi reduzido de 53,56 segundos para 0,90 segundo. ________________________________________________________________________________________________ ABSTRACT / Biological sequence comparison is an important task in Bioinformatics, which is frequently performed. The exact algorithms for sequence comparison obtain the optimal result by calculating one or more dynamic programming matrices. These algorithms have O(mn) time complexity, where m and n are the sizes of the sequences. Fickett proposed an algorithm which is able to reduce time complexity to O(kn), where k is the computation band and represents the amount of matrix diagonals actually calculated. In this MSc Dissertation, we propose and evaluate Fickett-CUDAlign, a parallel strategy that splits a pairwise sequence comparison in multiple comparisons of subsequences and calculates an appropriate Fickett band to each subsequence comparison (block). With this approach, we potentially reduce the number of cells calculated, when compared to Fickett, which uses a unique band to the whole comparison. Our adjustable multi-block strategy was programmed in C/C++ and pthreads and was integrated to the stage 4 of CUDAlign, a state-of-the-art tool for optimal biological sequence comparison. Fickett-CUDAlign was used to compare real DNA sequences whose sizes ranged from 10KBP (Thousands of Base Pairs) to 47MBP (Millions of Base Pairs), reaching a speedup of 59.60x in the 10MBP x 10MBP comparison, when compared to CUDAlign’s stage 4. In this case, the execution time was reduced from 53.56 seconds to 0.90 second.

Tese (doutorado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2015. / Submitted by Albânia Cézar de Melo (albania@bce.unb.br) on 2016-01-21T13:09:08Z No. of bitstreams: 1 2015_EdansFlaviusOliveiraSandes.pdf: 8651626 bytes, checksum: eb6970a8085ba3a4dc141481620451c6 (MD5) / Approved for entry into archive by Patrícia Nunes da Silva(patricia@bce.unb.br) on 2016-05-15T13:57:40Z (GMT) No. of bitstreams: 1 2015_EdansFlaviusOliveiraSandes.pdf: 8651626 bytes, checksum: eb6970a8085ba3a4dc141481620451c6 (MD5) / Made available in DSpace on 2016-05-15T13:57:40Z (GMT). No. of bitstreams: 1 2015_EdansFlaviusOliveiraSandes.pdf: 8651626 bytes, checksum: eb6970a8085ba3a4dc141481620451c6 (MD5) / O alinhamento de sequências biológicas é uma das operações mais importantes em Bioinformática, sendo executado milhares de vezes a cada dia ao redor do mundo. Os algoritmos exatos existentes para este fim possuem complexidade quadrática de tempo. Logo, quando a comparação é realizada com sequências muito longas, tais como no escopo do genoma humano, matrizes na ordem de petabytes devem ser calculadas, algo considerado inviável pela maioria dos pesquisadores. O principal objetivo desta tese de Doutorado é propor e avaliar algoritmos e otimizações que permitam que o alinhamento ótimo de sequências muito longas de DNA seja obtido em tempo reduzido em plataformas de alto desempenho. Os algoritmos propostos utilizam técnicas paralelas de dividir e conquistar com complexidade de memória reduzida mantendo a complexidade quadrática do tempo de execução. O CUDAlign, em suas versões 2.0, 2.1, 3.0 e 4.0, é a principal contribuição desta tese, onde os algoritmos propostos estão integrados na mesma ferramenta, permitindo a recuperação eficiente do alinhamento ótimo entre duas sequências longas de DNA em múltiplas GPUs (Graphics Processing Unit) da NVIDIA. As otimizações propostas neste trabalho permitem que o nível máximo de paralelismo seja mantido durante quase todo o processamento. No cálculo do alinhamento em uma GPU, as otimizações Orthogonal Execution, Balanced Partition e Block Pruning foram propostas, aumentando o desempenho no cálculo da matriz e descartando áreas que não contribuem para o alinhamento ótimo. A análise formal do Block Pruning mostra que sua eficácia depende de vários fatores, tais como a similaridade entre as sequências e a forma de processamento da matriz. No cálculo do alinhamento com várias GPUs, a otimização Incremental Speculative Traceback é proposta para acelerar a obtenção do alinhamento utilizando valores especulados com alta taxa de acerto. Também são propostos métodos de balanceamento dinâmico de carga que se mostraram eficientes em ambientes simulados. A arquitetura de software chamada de Multi-Platform Architecture for Sequence Aligners (MASA) foi proposta para facilitar a portabilidade do CUDAlign para diferentes plataformas de hardware ou software. Com esta arquitetura, foi possível portar o CUDAlign para plataformas de hardware como CPUs e Intel Phi e utilizando plataformas de software como OpenMP e OmpSs. Nesta tese, sequências reais são utilizadas para validar a eficácia dos algoritmos e otimizações nas várias arquiteturas suportadas. Por meio do desempenho das ferramentas implementadas, avançou-se o estado da arte para permitir o alinhamento, em tempo viável, de todos os cromossomos homólogos do homem e do chimpanzé, utilizando algoritmos exatos de comparação de sequências com um desempenho de até 10,35 TCUPS (Trilhões de Células Atualizadas por Segundo). Até onde sabemos, esta foi a primeira vez que tal tipo de comparação foi realizada com métodos exatos. / Biological sequence alignment is one of the most important operations in Bioinformatics, executing thousands of times every day around the world. The exact algorithms for this purpose have quadratic time complexity. So when the comparison involves very long sequences, such as in the human genome, matrices with petabytes must be calculated, and this is still considered unfeasible by most researchers. The main objective of this Thesis is to propose and evaluate algorithms and optimizations that produce the optimal alignment of very long DNA sequences in a short time using high-performance computing platforms. The proposed algorithms use parallel divide-and-conquer techniques with reduced memory complexity, whilst with quadratic time complexity. CUDAlign, in its versions 2.0, 2.1, 3.0 and 4.0, is the main contribution of this Thesis. The proposed algorithms are integrated into the same tool, allowing efficient retrieval of the optimal alignment between two long DNA sequences using multiple GPUs (Graphics Processing Unit) from NVIDIA. The proposed optimizations maintain the maximum parallelism during most of the processing time. To accelerate the matrix calculation in a single GPU, the Orthogonal Execution, Balanced Partition and Block Pruning optimizations were proposed, increasing the performance of the matrix computation and discarding areas that do not contribute to the optimal alignment. The formal analysis of Block Pruning shows that its effectiveness depends on factors such as the sequences similarity and the matrix processing order. During the alignment computation with multiple GPUs, the Incremental Speculative Traceback optimization is proposed to accelerate the alignment retrieval, using speculated values with high accuracy rate. A dynamic load balancing method has also been proposed and its effectiveness has been shown in simulated environments. Finally, the software architecture called Multi-Platform Architecture for Sequence aligners (MASA) was proposed to simplify the portability of CUDAlign to different hardware and software platforms. With this architecture, it was possible to port CUDAlign to hardware platforms such as CPU and Intel Phi, and using software platforms such as OpenMP and OmpSs. In this Thesis, real sequences are used to validate the effectiveness of the proposed algorithms and optimizations in several supported architectures. Our proposed tools were able to advance the state-of-the-art of sequence alignment algorithms, allowing a fast retrieval of all human and chimpanzee homologous chromosomes, using exact algorithms at an unprecedented rate of up to 10.35 TCUPS (Trillions of Cells Updated Per Second). As far as we know, this was the first time that this type of comparison was carried out with exact sequence comparison algorithms.

Orientador: Maria Isabel Nogueira Cano / Resumo: Os parasitos do gênero Leishmania são protozoários primitivos entre os quais estão os causadores de um espectro de doenças conhecidas como leishmaniose, as quais afetam milhões de pessoas no mundo inteiro, sendo o Brasil um dos países que apresenta maior número de casos por ano. Os tratamentos e vacinas disponíveis para a leishmaniose apresentam problemas como toxicidade, alto custo e baixa eficiência, tornando importante a busca por novos alvos terapêuticos. Dada sua importância para a estabilidade genômica e proliferação celular, os telômeros têm sido considerados como alvos terapêuticos potenciais no tratamento da leishmaniose. Os telômeros são as extremidades físicas dos cromossomos lineares compostos por complexos ribonucleoproteicos que envolvem a interação entre proteínas, DNA e RNA. A maioria dos eucariotos mantêm o tamanho dos telômeros pela ação do complexo telomerase, que é minimamente composto por uma proteína (TERT, Telomerase Reverse Transcriptase) e um RNA longo não codificador (TER, Telomerase RNA). Os dois componentes do complexo telomerase em Leishmania sp. foram identificados, porém não há informação disponível sobre suas estruturas. O objetivo principal deste estudo foi a caracterização estrutural do componente TERT de Leishmania major. Utilizando alinhamentos múltiplos de sequências, foi possível verificar que os quatro domínios estruturais das telomerases canônicas estão presentes no componente TERT em Leishmania sp. Três destes domínios foram estudados ... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Parasites of the Leishmania genus are primitive protozoa and among them are the causative agents of a spectrum of diseases called leishmaniasis, which affect millions of people in tropical countries worldwide, being Brazil one of the countries with higher number of cases each year. The drugs or vaccines available to treat leishmaniasis present problems such as toxicity, excessive cost a low efficiency, so it is important to search for new potential therapeutic targets. Due to their importance in genome stability and cell proliferation, telomeres have been considered a potential therapeutic target against leishmaniasis. Telomeres are the ends of linear chromosomes composed by ribonucleoproteic complexes that involve the interaction between proteins, DNA and RNA. Most eukaryotes maintain their telomere length by the action of the telomerase complex, minimally composed by a protein (TERT, Telomerase Reverse Transcriptase) and a long non-coding RNA (TER, Telomerase RNA). Both components of the Leishmania sp. telomerase complex have already been identified, however, little is known about their structure. This study had the aim to characterize the structure of the Leishmania major TERT component. Using multiple sequence alignments, we were able to verify that the four structural domains of canonical telomerases are present in Leishmania sp. Using different bioinformatic approaches three of these domains were independently studied. The TEN (Telomerase essential N-terminal) domain is... (Complete abstract click electronic access below) / Doutor

A progressão das neoplasias sólidas é um processo complexo, não segue uma seqüência universal e é caracterizada pela marcada heterogeneidade tumoral na ocasião do diagnóstico. Anormalidades cromossômicas, mutações somáticas e alterações epigenéticas estão entre as principais alterações celulares decorrentes da instabilidade do genoma destas neoplasias. Essa instabilidade tem importantes implicações clínicas, pois impõe dificuldades ao desenvolvimento de novos biomarcadores tumorais, tais como a baixa recorrência de mutações somáticas causalmente relacionadas ao desenvolvimento do câncer e a grande diversidade amostral. Neste trabalho estudamos alterações citogenéticos e moleculares com objetivo de caracterizar padrões de diversidade tumoral. Os resultados demonstraram que a diversidade cariotípica é específica para cada tipo de tumor e que os tumores de menor diversidade apresentam estatísticas populacionais com melhor sobrevida (79 tipos de tumores; n=12787). Além disso, desenvolvemos novos métodos computacionais baseados na teoria da informação com objetivo de mapear a diversidade de expressão gênica dos mecanismos de estabilização do genoma. Os resultados obtidos sugerem que redes de genes de apoptose e do sistema de reparo por excisão de nucleotídeos estão funcionalmente alteradas em neoplasias sólidas, com aumento da diversidade de expressão gênica e diminuição da abundância de transcritos (14 tipos de tumores; n=492). A implicação deste achado é que ele fornece evidências em favor da instabilidade genômica ao nível dos nucleotídeos, um tipo de disfunção que causa aumento da taxa de mutação somática e que está caracterizada apenas em modelos teóricos e experimentais ou em raros casos de desordens hereditárias. Por fim, a padronização dos métodos computacionais desenvolvidos resultou em duas patentes de invenção (aplicadas ao diagnóstico/prognóstico de neoplasias sólidas) e em dois produtos tecnológicos na forma de programas de computador distribuídos com licença de código aberto (aplicados ao estudo da diversidade citogenética e molecular). Endereço de acesso: http://lief.if.ufrgs.br/pub/biosoftwares/ / The progression of solid tumors does not follow a universal sequence and it is characterized by marked tumor heterogeneity. Chromosomal abnormalities, somatic mutations and epigenetic alterations are among the major cellular changes associated to genome stability impairments, which contribute substantially to this heterogeneity. The cancer genome instability has important clinical implications, since it imposes technical problems for tumor biomarker development, such as the low recurrence of somatic mutations causally related to cancer and the great sample diversity. Here, we considered different types of cytogenetic and molecular changes in order to characterize different patterns of tumor diversity. The results showed that the karyotypic diversity is specific to each tumor type and that tumors with lower diversity present better population statistics – five-year survival rates (79 types of tumors, n = 12787). Furthermore, we developed new computational methods based on information theory concepts in order to map the diversity of gene expression networks of genome maintenance mechanisms. The results suggest that two gene expression networks - apoptosis and nucleotide excision repair (NER) - are functionally altered in solid tumors, with increased gene expression diversity and decreased transcript abundance (14 types of tumors; n=492). The implication of this finding is that it provides evidence in favor of genomic instability at nucleotide level, a type of dysfunction that can increase the somatic mutation rate, which is soundly characterized only in theoretical and experimental models, or in rare inherited disorders. Finally, the standardization of the computational methods developed here gave rise to two patents (applied to the diagnosis / prognosis of solid tumors) and two bioinformatics applications released under open source license (designed for cytogenetic and molecular diversity studies). Availability: http://lief.if.ufrgs.br/pub/biosoftwares/