Made available in DSpace on 2016-04-07T13:21:47Z (GMT). No. of bitstreams: 2 monete_gomes_ioc_dout_2014.pdf: 17494099 bytes, checksum: f62cd38280e24c9b275f4d31899e443a (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2014 / Fundação Oswaldo Cruz. Instituto Oswaldo Cruz. Rio de Janeiro, RJ, Brasil / Protozoários são organismos unicelulares que causam várias doenças que atingem tanto humanos como animais. Essas doenças causam ônus econômicos principalmente em regiões tropicais e subtropicais. Atualmente, não existem vacinas comercialmente disponíveis e não há tratamento eficaz para tais doenças. Isso se deve ao fato dos fármacos disponíveis apresentarem muitos efeitos colaterais e estarem propensos ao desenvolvimento de resistência. A maioria desses fármacos foi descoberta através da seleção de um grande número de compostos contra parasitas íntegros. Porém, nos últimos anos, uma nova abordagem vem ganhando espaço sob o termo de \201Cdesenho racional de fármacos\201D. Este termo representa a busca por compostos contra alvos moleculares específicos, visando diferença bioquímicas e fisiológicas entre o parasita e o hospedeiro. A era pós-genômica gerou uma grande quantidade de informações que vem permitindo a identificação de novos alvos. Neste contexto, a partir de dados dos proteomas de 23 protozoários dos gêneros Entamoeba, Giardia, Trichomonas, Trypanosoma, Leishmania, Cryptosporidium, Plasmodium, Toxoplasma, Babesia e Theileria, realizamos buscas para a identificação de enzimas isofuncionais não-homólogas (NISE) que possam ser futuramente priorizadas como alvos terapêuticos. Em nossa metodologia utilizamos a ferramenta AnEnPi localmente para buscar nas sequencias proteicas por enzimas funcionalmente análogas. Utilizando os dados provindos do KEGG, primeiro houve uma etapa de clusterização das estruturas primárias de todas as enzimas anotadas com o mesmo EC (Enzyme comission). Para isso utilizou-se uma pontuação (score) de similaridade no BLASTP de 120, como parâmetros de corte Encontramos 812 Ecs com mais de um cluster e 1778 com um único cluster. Após isso, foi realizado um passo de inferência funcional na qual um novo BLASTP foi feito e assumido como ponto de corte o e-value de 10-20. Nesse BLASTP foram comparadas todas as proteínas preditas nos protozoários contra todos os clusters. Desses dados identificamos, inicialmente, 54 potenciais NISEs, e a partir destes fizemos as validações no SUPERFAMILY manualmente. Confirmamos 24 ECs com casos de NISE como potenciais alvos para estudos futuros de validação deste e proposição de fármacos. Além disso, buscamos em 3 bancos de dados principais de alvos terapêuticos, TDTARGETS, TTD e PDTD pelos ECs identificados como possíveis alvos, e encontramos a ocorrência de algumas dessas enzimas já sendo estudadas como alvos. Além disso, selecionamos alguns casos de NISE de acordo com critérios estabelecidos por nós para modelagem comparativa através da ferramenta MODELLER, para a visualização da diferença em suas estruturas 3D. A maioria dos modelos obtidos, de acordo com os resultados dos programas de validação PROCHECK e ERRAT, precisaram ser refinados. Utilizamos a minimização de energia para tal tarefa através do portal KoBaMIN. Todas as enzimas modeladas tiveram diferenças ou na topologia geral, ou nos cofatores e coenzimas utilizados para sua atividade catalítica / Protozoa are unicellular organisms that cause several diseases affecting both humans and animals. These diseases cause economic burden mainly in subtropical and tropical regions. Currently there are no commercially available vaccines and there is no effective treatment for such diseases. This is because the available drugs present many side effects and are prone to development of resistance. Most of these drugs were discovered through the selection of a large number of compounds against entire parasites. However, in recent years, a new approach has been gaining ground within the term "rational drug design". This term represents the search for compounds against specific molecular targets, aiming biochemical and physiological differences between the parasite and the host. The post-genomic era has generated a large amount of information which has been enabling identification of new targets. In this context, from the proteomes data of 23 protozoa from genera Entamoeba, Giardia, Trichomonas, Trypanosoma, Leishmania, Crytptosporidium, Plasmodium, Toxoplasma, Babesia and Theileria, we perform searches to identify non-homologous isofunctional enzymes (NISE) that may be in future prioritized as therapeutical targets. In our methodology we use the tool AnEnPi locally to search in protein sequences for functionally analogous enzymes. Using the data from the KEGG, there was a first clustering step of all the enzymes primary structures annotated with the same EC (Enzyme Comission). For this we used a score similarity in BLASTP of 120 as cut-off. We found 812 EC with more than one cluster and 1778 with a single cluster. After this, we performed a functional inference step in which a new BLASTP was done and assumed as a cutoff the e-value of 10-20. On this BLASTP all protozoa predicted proteins were compared against all clusters. From these data we identify, initially, 54 potential NISEs, and from these we did the validation on SUPERFAMILY database manually. We confirmed 24 ECs with NISE cases as potential targets for future validation studies and proposition of drugs. In addition, we searched in 3 major databases of therapeutical targets, TDRTARGETS, TTD and PDTD for the ECs identified as possible targets, and we found the occurrence of some of these enzymes already have been studied as targets. Also we selected some cases of NISEs according to criteria settled by us to comparative modeling by MODELLER tool, for visualization of the difference in their 3D structures. Most models obtained, in accordance with the validation results from softwares PROCHECK and ERRAT, needed to be refined. We use minimizing energy for such task through the KoBaMIN portal. All enzymes modeled had differences or in the overall topology, or in the cofactors and the coenzymes used.

[pt] Esta dissertação tem como objetivo decompor a desigualdade de rendimentos entre raças e gêneros, em montantes explicáveis pelas escolhas educacional e ocupacional e pela discriminação. Foi utilizada uma metodologia micro- econométrica de simulações contra-factuais, conforme Bourguignon, Ferreira e Lustig (1998), com os dados da PNAD de 1996, incluindo no modelo rendimento mensal, educação, posição na ocupação, entre outras variáveis. Através deste procedimento conseguiu-se atribuir um alto poder explicativo do termo de discriminação, principalmente no caso das mulheres, em que foi computado mais de 100%. Para entender a diferença entre negros e brancos também pode-se recorrer, parcialmente, à desigualdade nas escolhas educacionais, e menos à desigualdade ocupacional. Tendo computado simultaneamente a desigualdade por raça e gênero, nota-se o efeito do gênero sobrepor-se, implicando na perda de poder explicativo da ocupação para o termo de discriminação. Ressalta-se que para homens e mulheres negros a educação dos pais pode ser um importante determinante da desigualdade nos rendimentos. Conclui-se que as políticas sociais voltadas para o combate das desigualdades de rendimentos devem focalizar-se na educação e na transmissão intergeracional, além de procurar medidas que minimizem a diferenciação na remuneração das características. Recomenda-se ainda uma análise temporal, bem como um estudo mais aprofundado sobre os efeitos da educação dos pais. / [en] This thesis is concerned with the analysis of the inequality of earn between races and genders in amounts explained by educational and occupational choices among other characteristics. A micro econometric counterfactual simulation methodology, following Bourguignon, Ferreira e Lustig (1998) was used. The data basis was the PNAD 1996, including monthly earn, education, position, among others. Through this procedure, it was possible to ascertain the high accountability of the discrimination term, mainly referred to women, where over than 100 percent was found. In order to understand the inequality between black and white populations the explanation can be partially referred to the inequality of their educational choices, and also to their occupational choices. For black males and females parents education seems to be a important earn inequality determinant. As a conclusion, social policies concerned with the earn inequalities reduction must aim at education and at the intergenerational transmission of education inequality among blacks, and search for measures that will reduce the differentiation of compensation characteristics. A time series analysis is suggested in order to access a possible decreasing tendency in the term of discrimination, as well as a profound study of the parental education effect on race inequality.