Nossa live do dia 25 de fevereiro terá como tema a Predição de Vias Metabólicas. E, para que você possa ter um melhor aproveitamento na live, preparamos, com muito carinho, este conteúdo esclarecedor sobre o tema.
A predição das funções de genes e proteínas usando pesquisas de similaridade entre sequências tem ampliado a nossa capacidade de identificar novas funções biológicas e caracterizar funcionalmente metagenomas, genomas, transcriptomas e proteomas.
Um raciocínio semelhante pode ser aplicado à reconstrução de vias metabólicas: Assim como é possível predizer as funções de genes ou proteínas baseando-se na similaridade entre sequências de nucleotídeos ou aminoácidos, também é possível reconstruir as vias metabólicas por meio de comparações com bancos de dados de vias metabólicas de referência [1].
A reconstrução de vias metabólicas possui um papel importante na compreensão dos sistemas biológicos, pois ela permite representar as possibilidades de interações de um organismo com fatores bióticos ou abióticos no ambiente em que está inserido [2]. A maioria das reações bioquímicas são catalisadas por enzimas, que são proteínas codificadas por genes presentes no genoma e podem ser identificadas usando pesquisas de similaridade. A identificação de enzimas torna possível predizer as possíveis vias metabólicas e as múltiplas reações bioquímicas que um organismo pode realizar.
Nesse sentido, projetos como o Kyoto Encyclopedia of Genes and Genomes (KEGG) [https://www.kegg.jp/] foram desenvolvidos para oferecer à comunidade científica um repositório integrado de vias metabólicas de referência [3]. O KEGG integra atualmente 18 bancos de dados principais que estão organizados em 4 categorias de informações: sistemas, genômica, química e saúde.
Na categoria de informações de sistemas, o banco de dados KEGG Pathway reúne uma coleção de mapas metabólicos desenhados manualmente pela equipe de curadores do KEGG e que representam o conhecimento disponível sobre as vias metabólicas e as redes de interação molecular [3]. Os mapas do KEGG Pathway podem ser analisados ou reconstruídos usando a ferramenta KEGG Mapper [https://www.genome.jp/kegg/mapper.html].
Na categoria de informações genômicas, o banco de dados KEGG Orthology (KO) reúne grupos de genes ortólogos associados a funções moleculares e representa um eixo central que vincula as informações genômicas às demais categorias de informações presentes no KEGG. Cada acesso no banco de dados KO corresponde a um grupo de genes/proteínas ortólogos que compartilham um nível apropriado de similaridade. As ferramentas do KOALA (KEGG Orthology and Links Annotation) [BLAST KOALA: https://www.kegg.jp/blastkoala/; GHOST KOALA: https://www.kegg.jp/ghostkoala/] permitem os usuários do KEGG realizarem pesquisas de similaridade e comparações de proteínas com as sequências de disponíveis no banco de dados KO. Além dessas ferramentas, o KAAS (KEGG Automatic Annotation Server) possibilita que os usuários realizem pesquisas de similaridade usando os repertórios de genes preditos em genomas, trasncriptomas e metagenomas.
Na categoria de informações químicas, o banco de dados KEGG ENZYME possibilita os usuários acessarem a listagem completa da Enzyme Nomenclature (EC number system) definida pela IUBMB/IUPAC Biochemical Nomenclature Committee. E na categoria de informações de saúde, o banco de dados KEGG MEDICUS é uma interface para o público em geral que integra os bancos de dados do KEGG com rótulos de medicamentos (bulas).
Referências:
[1]. Karp PD, Krummenacker M, Paley S, Wagg J. Integrated pathway-genome databases and their role in drug discovery. Trends Biotechnol. 1999 Jul;17(7):275-81. doi: 10.1016/s0167-7799(99)01316-5. PMID: 10370234.
[2] gapseq: Informed prediction of bacterial metabolic pathways and reconstruction of accurate metabolic models. Johannes Zimmermann, Christoph Kaleta, Silvio Waschina. bioRxiv 2020.03.20.000737; doi: https://doi.org/10.1101/2020.03.20.000737
[3] Kanehisa M, Sato Y, Kawashima M, Furumichi M, Tanabe M. KEGG as a reference resource for gene and protein annotation. Nucleic Acids Res. 2016 Jan 4;44(D1):D457-62. doi: 10.1093/nar/gkv1070. Epub 2015 Oct 17. PMID: 26476454; PMCID: PMC4702792.