• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 128
  • 14
  • 9
  • 3
  • 3
  • 1
  • Tagged with
  • 162
  • 100
  • 35
  • 19
  • 17
  • 15
  • 15
  • 14
  • 14
  • 12
  • 11
  • 11
  • 10
  • 10
  • 10
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
161

Avaliação da via sinalizadora do fator de transcrição NFκB ativada pelo TNF-α em um modelo de carência protéica / Evaluation of the transcription factor NFκB signaling pathway activated by TNF-α in a protein malnutrition model

Dalila Cunha de Oliveira 17 October 2013 (has links)
A desnutrição é uma condição nutricional que ainda constitui um grande problema de saúde publica e acomete grande parte da população mundial. Atualmente, sabe-se que vários aspectos da resposta imunológica podem estar alterados na decorrência da desnutrição, dentre eles alterações funcionais como redução da migração celular, fagocitose, atividade bactericida, bem como alterações na produção de espécies reativas do oxigênio e nitrogênio, além de comprometimento da expressão de importantes receptores de reconhecimento de patógenos e alteração na produção de citocinas pró-inflamatórias, dentre elas o TNF-α. O TNF-α é uma citocina, produzida principalmente por macrófagos, que participa de uma ampla gama de atividades biológicas, incluindo os processos de inflamação, crescimento, diferenciação e apoptose, essa citocina exerce seus efeitos através da ligação a dois receptores distintos, TNFR-I e TNFR-II. A ativação via receptor TNFR-I, no entanto, é responsável pela maioria dos efeitos do TNF-α, e desencadeia uma série de eventos intracelulares que resultam, principalmente, na ativação do fator de transcrição NFκB. Considerando a relevância dessa via de sinalização mediada por TNF-α, avaliamos em um modelo de desnutrição protéica a via de sinalização de ativação do fator de transcrição NFκB mediada pelo TNF-α via TNFR-I. Sendo assim, utilizamos camundongos Balb/c, machos adultos, submetidos à desnutrição protéica, após perda de aproximadamente 20% do peso corpóreo, foram coletadas macrófagos peritoneais e cultivados ou não com TNF-α, o sobrenadante foi utilizado para avaliação da produção de citocinas (IL-1α, IL-1β, IL-6, IL-12, IL-10) e as células utilizadas para avaliação da expressão do TNFR-I, bem como a expressão de proteínas da via de sinalização (TRADD, TRAF, RIP, IKK, IKBα, p IKBα, NFκB e p NFκB). Os resultados obtidos mostraram que os animais desnutridos apresentaram anemia, leucopenia, diminuição da celularidade medular e da cavidade peritoneal. Os resultados demonstraram redução da expressão de TNFR-I, além de diminuição da expressão das porções fosforiladas de IKBα e NFκB, associado a uma diminuição na produção de IL-1β e IL-12. Nesse trabalho compreendemos aspectos relacionados a resposta imune inata e nosso dados permitem inferir que o estado nutricional interfere no estado de ativação de macrófagos e na capacidade de resposta dessas células. / Malnutrition is a nutritional condition that consists in a major public health issue and affects a considerable part of the global population. Currently, It is known that many aspects of the immunological response can be altered due to the malnutrition impairment, among them functional changes, for instance, cell migration reduction, phagocytosis, bactericidal response, as well as changes in the reactive oxygen and nitrogen species production, besides, substantially cell receptors expression impaired, responsible for the recognition of pathogens and changes in the production of proinflammatory cytokines, such as TNF-α. This cytokine is primarily produced by macrophages, and it is associated to a wide range of biological activities, including the inflammation processes, growing, differentiation, and apoptosis. The TNF-α act through the linkage to distinct receptors, TNFR-I and TNFR-II. The TNFR-I receptor activation, however, is responsible for most TNF-α effects, and triggers a series of intracellular events that mainly result in the activation of the NFκB transcription factor. Regarding the relevance of this signaling pathway mediated by the TNF-α, we evaluated through a protein malnutrition model the signaling pathway for the NFκB transcription factor mediated by the TNF-α through TNFR-I. Adult male Balb/c mice, were submitted to a protein malnutrition and after a loss of nearly 20% body weight, peritoneal macrophages were collected and cultivated, or not with TNF-α. The supernatant was collected for cytokine production evaluation (IL-1α, IL-1β, IL-6, IL-12, and IL-10) and the cell for TNFR-I expression evaluation, as well as the proteins of the signaling pathway (TRADD, TRAF, RIP, IKK, IKBα, p IKBα, NFκB, and p NFκB). The compiled results highlights that the malnourished animals present signs of anemia, leukopenia, and decrease of bone marrow cellularity and peritoneal cavity. The results presented reduction of the TNFR-I expression, in addition to the phosphorylated portions of the IKBα and the NFκB expression, associated to a decrease in the production of IL-1β and IL-12. In this essay we perceive the aspects related to the innate immune response, and the outcome data allowed us to conclude that the nutritional status interferes on the macrophages activation and the response capabilities of these cells.
162

Redes neurais residuais profundas e autômatos celulares como modelos para predição que fornecem informação sobre a formação de estruturas secundárias proteicas / Residual neural networks and cellular automata as protein secondary structure prediction models with information about folding

José Geraldo de Carvalho Pereira 15 March 2018 (has links)
O processo de auto-organização da estrutura proteica a partir da cadeia de aminoácidos é conhecido como enovelamento. Apesar de conhecermos a estrutura tridimencional de muitas proteínas, para a maioria delas, não possuímos uma compreensão suficiente para descrever em detalhes como a estrutura se organiza a partir da sequência de aminoácidos. É bem conhecido que a formação de núcleos de estruturas locais, conhecida como estrutura secundária, apresenta papel fundamental no enovelamento final da proteína. Desta forma, o desenvolvimento de métodos que permitam não somente predizer a estrutura secundária adotada por um dado resíduo, mas também, a maneira como esse processo deve ocorrer ao longo do tempo é muito relevante em várias áreas da biologia estrutural. Neste trabalho, desenvolvemos dois métodos de predição de estruturas secundárias utilizando modelos com o potencial de fornecer informações mais detalhadas sobre o processo de predição. Um desses modelos foi construído utilizando autômatos celulares, um tipo de modelo dinâmico onde é possível obtermos informações espaciais e temporais. O outro modelo foi desenvolvido utilizando redes neurais residuais profundas. Com este modelo é possível extrair informações espaciais e probabilísticas de suas múltiplas camadas internas de convolução, o que parece refletir, em algum sentido, os estados de formação da estrutura secundária durante o enovelamento. A acurácia da predição obtida por esse modelo foi de ~78% para os resíduos que apresentaram consenso na estrutura atribuída pelos métodos DSSP, STRIDE, KAKSI e PROSS. Tal acurácia, apesar de inferior à obtida pelo PSIPRED, o qual utiliza matrizes PSSM como entrada, é superior à obtida por outros métodos que realizam a predição de estruturas secundárias diretamente a partir da sequência de aminoácidos. / The process of self-organization of the protein structure is known as folding. Although we know the structure of many proteins, for a majority of them, we do not have enough understanding to describe in details how the structure is organized from its amino acid sequence. In this work, we developed two methods for secondary structure prediction using models that have the potential to provide detailed information about the prediction process. One of these models was constructed using cellular automata, a type of dynamic model where it is possible to obtain spatial and temporal information. The other model was developed using deep residual neural networks. With this model it is possible to extract spatial and probabilistic information from its multiple internal layers of convolution. The accuracy of the prediction obtained by this model was ~ 78% for residues that showed consensus in the structure assigned by the DSSP, STRIDE, KAKSI and PROSS methods. Such value is higher than that obtained by other methods which perform the prediction of secondary structures from the amino acid sequence only.

Page generated in 0.0355 seconds