Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2016. / Made available in DSpace on 2017-01-31T03:11:33Z (GMT). No. of bitstreams: 1
343682.pdf: 2819403 bytes, checksum: 248286588753491207623482e77331f5 (MD5)
Previous issue date: 2016 / Neste trabalho estudou-se o metabolismo do Mycobacterium tuberculosis com ferramentas computacionais. Compreender a fisiologia e o metabolismo dos organismos patogênicos é de primordial importância na pesquisa e desenvolvimento de antibióticos, pois a compreensão do mecanismo de ação de uma nova droga passa pela compreensão de como a exposição do organismo ao antibiótico afeta e altera o seu metabolismo. Esse conhecimento se torna ainda mais importante em situações em que o organismo desenvolve resistência aos compostos. É sabido que o Mycobacterium tuberculosis possui um grande poder de adaptação e capacidade de desenvolver resistência a muitos dos compostos atualmente utilizados para o tratamento da tuberculose. As linhagens resistentes adaptam-se e desenvolvem a capacidade de sobreviver mesmo em presença de um composto a que antes eram susceptíveis. A sobrevivência do organismo está associada diretamente com a capacidade de manter o seu metabolismo em um estado funcional após exposto ao composto bactericida. A sobrevivência das cepas resistentes, portanto, depende de um uso diferenciado dos caminhos metabólicos. Estudar o metabolismo permite compreender a gama de variações metabólicas executadas pelo organismo para manter a sua sobrevivência. O estudo computacional do metabolismo em escala genômica apresenta entretanto diversos desafios. Três principais problemas são (1) o reduzido número de amostras em grande parte dos experimentos de bancada, devido ao alto custo da implementação e complexidade dos métodos de obtenção de dados (2) a inerente alta dimensionalidade dos dados e (3) como incorporar conhecimento biológico existente em modelos computacionais. Este trabalho busca soluções para contornar esses três problemas, com um estudo sobre geração de dados sintéticos, técnicas de estimação, e propostas de modelos com dimensionalidade reduzida e uso de informação biológica a priori em modelos computacionais. Os resultados mostram que a aplicação de técnicas computacionais para estudo de metabolismo de organismos expostos à ação de antibióticos é de fundamental importância na identificação de caminhos metabólicos de sobrevivência, além de produzir uma maior compreensão do mecanismo de ação de compostos antibióticos sobre um organismo patogênico.<br> / Abstract : In this work the metabolism of the Mycobacterium tuberculosis (Mtb) was studied with computational biology tools. To understand the physiology and metabolism of pathogenic organisms is of paramount importance in antibiotics R & D, because in order to understand the mechanism of action of a new drug it is necessary to understand how exposing an organism to the antibiotics affects and alters its metabolism. Even more important is this knowledge in situations when the organism may develop resistance to the compound. It is known that the Mycobacterium tuberculosis is highly adaptable and is able to develop resistance to a great number of the anti-tubercular compounds used for tuberculosis (TB) treatment today. The resistant strains adapt and develop the ability to survive even in the presence of a bactericidal compound for which they were once susceptible. The survival of the organism is directly linked to its ability to keep metabolism in a functional state after drug exposure. Therefore, the survival of Mtb resistant strains hinges on being able to use its metabolic mechanisms in a different way. By studying metabolism one may be able to understand the large spectrum of metabolic variations performed by the organism in order to remain alive. A computational study of metabolism in a genomic-scale however presents a number of challenges. Three main difficulties that arise are: (1) the small number of samples available in the majority of wetlab experiments, due to high cost and complexity of methods used for experimental data gathering, (2) the high dimensionality of the data and (3) how to incorporate available biological knowledge in computational models. This work has searched for solutions to overcome these three problems with a study on synthetic data generation, estimation tools, models with reduced dimensionality, and with inclusion of a priori biological knowledge. The results show that the use of computational techniques to study the metabolism of organisms exposed to antibiotics is of fundamental importance for identification of metabolic pathways used for survival and also for producing a better understanding of the mechanism of action of antibiotic compounds on a pathogenic organism.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsc.br:123456789/172794 |
| Date | January 2016 |
| Creators | Montezano, Daniel Matos |
| Contributors | Universidade Federal de Santa Catarina, Bermudez, José Carlos Moreira |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Format | 234 p.| il., grafs., tabs. |
| Source | reponame:Repositório Institucional da UFSC, instname:Universidade Federal de Santa Catarina, instacron:UFSC |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0686 seconds