Made available in DSpace on 2016-05-19T13:08:18Z (GMT). No. of bitstreams: 2 199.pdf: 2457764 bytes, checksum: f3219878be3144c523ae28e85c474b10 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2015 / Fundação Oswaldo Cruz. Centro de Pesquisas Aggeu Magalhães. Recife, PE, Brasil / Os tripanossomatídeos são caracterizados por processos moleculares diferenciados como a transcrição policistrônica e regulação pós-transcricional da expressão gênica. Em mamíferos, a tradução se inicia com a ligação do complexo eIF4F (formado pelos eIF4A, eIF4E e eIF4G) a extremidade 5' dos mRNAs, o que facilita seu reconhecimento pelo ribossomo. A atividade do eIF4F é reforçada pela proteína de ligação a cauda poli-A (PABP), na extremidade 3' dos mRNAs, que interage com o eIF4G. Dois complexos do tipo eIF4F foram identificados em tripanossomatídeos: o primeiro formado pelos EIF4G3, EIF4E4 e EIF4AI com a PABP1; e um outro baseado na interação do EIF4G4 com o EIF4E3 e o EIF4A1. Este trabalho buscou caracterizar as interações entre as subunidades destes complexos e sua associação com PABPs de Leishmania, avaliando o efeito de mutações em motivos específicos. Proteínas recombinantes foram geradas fusionadas a GST e avaliadas quanto a sua habilidade de interagir com parceiros marcados radioativamente em ensaios do tipo pull-down. Para o EIF4G3, mutações individuais em dois resíduos vizinhos (I8A e R9A), afetaram a interação com o EIF4E4 e a mutação de ambos os resíduos equivalentes do EIF4G4 (IL25-26AA) também impediu sua ligação ao EIF4E3, sugerindo um motivo comum para a ligação aos seus parceiros. As proteínas EIF4E3 e EIF4E4 foram avaliadas quanto à capacidade de interagir com a PABP2 e PABP1 respectivamente, e mutações em motivos conservados nas regiões N-terminais dos EIF4E (Boxes A, B e C) aboliram sua interação com os homólogos da PABP. Para identificar que regiões da PABP1 estão relacionadas às interações com o parceiro EIF4E4, foram obtidas proteínas PABP1 mutantes em motivos conservados e observou-se que a mutação no motivo TGM, C-terminal, aboliu sua interação com o EIF4E4. Com estas abordagens conseguiu-se avançar na definição das interações entre as referidas subunidades do eIF4F e PABP, identificando-se diferenças relevantes em relação a outros eucariotos

La importancia de comprender los procesos biológicos ha estimulado el desarrollo de métodos para la detección de interacciones proteína-proteína. Esta tesis presenta PIANA (Protein Interactions And Network Analysis), un programa informático para la integración y el análisis de redes de interacción proteicas. Además, describimos un método que identifica motivos de interacción basándose en que las proteínas con parejas de interacción comunes tienden a interaccionar con esas parejas a través del mismo motivo de interacción. Encontramos que las proteínas altamente conectadas (i.e., hubs) con múltiples motivos tienen mayor probabilidad de ser esenciales para la viabilidad de la célula que los hubs con uno o dos motivos. Finalmente, presentamos un método que predice genes relacionados con cáncer mediante la integración de redes de interacción proteicas, datos de expresión diferenciada y propiedades estructurales, funcionales y evolutivas. El valor de predicción positiva es 71% con sensitividad del 1%, superando a otros métodos usados independientemente. / The importance of understanding cellular processes prompted the development of experimental approaches that detect protein-protein interactions. Here, we describe a software platform called PIANA (Protein Interactions And Network Analysis) that integrates interaction data from multiple sources and automates the analysis of protein interaction networks. Moreover, we describe a method that delineates interacting motifs by relying on the observation that proteins with common interaction partners tend to interact with these partners through the same interacting motif. We find that highly connected proteins (i.e., hubs) with multiple interacting motifs are more likely to be essential for cellular viability than hubs with one or two interacting motifs. Furthermore, we present a method that predicts cancer genes by integrating protein interaction networks, differential expression studies and structural, functional and evolutionary properties. For a sensitivity of 1%, the positive predictive value is 71%, which outperforms the use of any of the methods independently.