Daniela Longras, PG53755

Lia Madurago, PG53633

Margarida Maciel, PG53635

SGCD

Pela análise da imagem é possível perceber que a proteína apresenta uma organização espacial que apresenta folhas-β e 1 hélice-α, conferindo-lhe, assim, uma estrutura secundária.

• Regulação negativa da atividade da peptidase;

• Regulação negativa da atividade da endopeptidase;

• Regulação positiva da produção do fator de crescimento transformador beta 1;

• Regulação positiva do processo biosintético de colagénio;

• Regulação positiva da proliferação de células mesangiais glomerulares;

• Regulação positiva da produção do fator de crescimento derivado de plaquetas.

Verificou-se que ambos os genes pertencem ao organismo Homo Sapiens. São ambos moléculas de DNA, encontrando-se o gene SerpinB7 no cromossoma 18 e o gene SGCD no cromossoma 5.

Analisando as features, foi possível ficar a par da sua localização, dos seus tipos e dos respetivos qualifiers. Os genes apresentam número de features semelhantes, inclusive, ambos apresentam apenas uma feature do tipo gene, não se verificando uma maior variedade de funções genéticas por nenhum dos genes em específico.

Pela feature do tipo CDS, foi possível ficar a par das proteínas que cada gene codifica, constatando-se que a proteína codificada pela sequência CDS do gene SERPINB7 é denominada de serpin B7 isoform 1. Já a proteína codificada pela sequência CDS do gene SGCD é denominada delta-sarcoglycan isoform 1. Tal resultado vai ao encontro da literatura.

Posto isto, desenvolveu-se uma script recorrendo ao Jupyter Notebook e, nele, começou-se por acessar ao NCBI através do módulo Entrez fornecido pela biblioteca Biopython.

Através do Entrez.esearch pôde-se acessar ao identificador específico de acesso ao GenBank para cada um dos genes, fazendo-se por encontrar, especificamente, os IDs associados a cada um dos genes em Homo Sapiens, ou seja, em humanos.

De seguida, através do Entrez.efetch e importando o objeto SeqIO, conseguiu-se aceder às anotações, features e qualifiers de cada gene.

• Homeostase do Íon Cálcio

• Sinalização Mediada por Cálcio

• Contração de Células Musculares Cardíacas

• Desenvolvimento de Células Musculares Cardíacas

• Desenvolvimento de Tecido Muscular Cardíaco

• Morfogênese da Vasculatura Coronariana (desenvolvimento e a formação dos vasos sanguíneos)

• Contração Cardíaca

• Desenvolvimento de Órgãos Musculares

• Localização de Complexos Contendo Proteínas

Pela análise da imagem é possível perceber que a proteína apresenta uma organização espacial que alterna entre folhas-β e hélices-α, conferindo-lhe, assim, uma estrutura secundária.

Através da análise dos gráficos e de informações adicionais da ferramenta pode concluir-se que:

• O número de hélices transmembranares é de 0;

• Número de aminoácidos a estarem fora da membrana celular varia entre 1 e 380.

É importante referir que existe probabilidade da proteína poder ser encontrada no ambiente extracelular uma vez que este obteve um score de 8.

Para uma melhor compreensão dos resultados obtidos é útil referir o seguinte:

• plas (plasma): Indica que a proteína pode ser encontrada no plasma celular, a porção líquida do citoplasma onde várias atividades celulares ocorrem.

• extr (extracellular): Sugere que a proteína também pode ser encontrada no ambiente extracelular, fora da célula.

• cyto (citosol): Indica presença no citosol, a parte líquida do citoplasma dentro da célula.

• nucl (núcleo): Indica presença no núcleo celular, onde o material genético está contido.

• E.R. (endoplasmic reticulum): Sugere presença no retículo endoplasmático, um sistema de membranas no citoplasma envolvido na síntese de proteínas e na modulação do metabolismo celular.

• pero (peroxisome): Indica presença nos peroxissomas, organelas celulares envolvidas no metabolismo de lipídios e na desintoxicação celular.

Existem 4 níveis estruturais principais nas proteínas: as estruturas primária, secundária, terciária e quaternária.

A estrutura 3D da proteína pode ser estudada recorrendo à base de dados UniProt ou, alternativamente, podem ser usadas ferramentas que ajudam a prever a sua estrutura, tais como a base de dados SMR (SWISS-MODEL Repository) e a PDB (Protein Data Bank).

Através da análise dos gráficos e de informações adicionais da ferramenta pode concluir-se que:

• A proteína apresenta uma secção que atravessa a membrana uma vez "Number of predicted TMRs: 1", começando na posição 34 e terminando na posição 56 da sequência de aminoácidos.

• A região 1 a 33 foi classificada como "inside", podendo assim concluir-se, que essa zona da proteína está localizada dentro da célula

• A região 57 a 289 foi classificada como "outside" indicandoque essa zona da proteína está localizada fora da célula.

• Número de aminoácidos a estarem fora da membrana celular varia entre 57 e 289.

Estas conclusões estão semelhantes aos dados que se encontram no UniProt, sendo que a única diferença reside no número de aminoácidos classificados como interiores, ( o UniProt define os aminoácidos interiores do 1 a 35).

É importante referir que existe probabilidade da proteína poder ser encontrada no ambiente extracelular uma vez que este obteve um score de 6.

Para uma melhor compreensão dos resultados obtidos é útil referir o seguinte:

• plas (plasma): Indica que a proteína pode ser encontrada no plasma celular, a porção líquida do citoplasma onde várias atividades celulares ocorrem.

• extr (extracellular): Sugere que a proteína também pode ser encontrada no ambiente extracelular, fora da célula.

• cyto (citosol): Indica presença no citosol, a parte líquida do citoplasma dentro da célula.

• nucl (núcleo): Indica presença no núcleo celular, onde o material genético está contido.

• E.R. (endoplasmic reticulum): Sugere presença no retículo endoplasmático, um sistema de membranas no citoplasma envolvido na síntese de proteínas e na modulação do metabolismo celular.

• pero (peroxisome): Indica presença nos peroxissomas, organelas celulares envolvidas no metabolismo de lipídios e na desintoxicação celular.

Posto isto, com os resultados obtidos pelas diversas ferramentas, procurou-se perceber, para cada gene, quais as suas anotações, features e qualifiers, que proteínas podem ser codificadas pelo mesmo, quais as suas funções, estrutura, localização nas células, entre outras informações relevantes.

Consoante as sequências homologas adquiridas, procedeu-se ao alinhamento múltiplo e à construção de diversos tipos de árvores filogenéticas com o intuito de inferir de que forma cada sequência pode ter sido derivada ao longo do processo de evolução natural.

Além disso, procurou-se compreender de que forma a regulação genética influencia a expressão dos genes num organismo, bem como de que modo estes genes se relacionam à alergia ao ovo.

Por fim, apreendeu-se que variantes cada gene apresenta, como também o respetivo impacto biológico.

A Árvore Filogenética sugere as relações de proximidade entre sequências onde uma proximidade na arvore sugere proximidade evolutiva e por sua vez sequências mais homólogas.

A árvore filogenética associada a cada gene pode ser obtido através da ferramenta BLAST ou através do Clustal.

Através da análise dos resultados obtidos pelo servidor (imagem a cima) pode observar-se de uma forma bastante explícita a estrutura da proteína. Esta apresenta folhas-β e 1 hélice-α, tal como espectável. Para além disto é ainda interessante observar que este servidor faz uma aproximação de onde podem estar essas estruturas.

Através da análise dos resultados obtidos pelo servidor (imagem a cima) pode observar-se de uma forma bastante explícita a estrutura da proteína. Esta apresenta folhas-β e hélices-α ao longo de toda a proteína.

Nota:

As sequências Asn-Xaa-Ser/Thr na saída de sequência estão destacadas em azul.

As asparaginas previstas para serem N-glicosiladas estão destacadas em vermelho.

Os resultados sugerem que as posições 68, 88 e 215 na sequência da proteína têm potencial para glicosilação N-linked, enquanto a posição 148 é menos provável de ser glicosilada com base na pontuação e na concordância entre os métodos de análise (informação dada pelos sinais + ou -).

É importante referir que na posição 88 há alguma probabilidade de ocorrência de N-glicosilação, mas uma vez que o seu potencial não está nem a cima nem a baixo do threshold há algumas dúvidas.

Na imagem podem ver-se as tabelas encontradas na base de dados mencionada com as variações dos genes SERPINB7 e SGCD conhecidas, bem como o fenótipo associado.

Nota:

As sequências Asn-Xaa-Ser/Thr na saída de sequência estão destacadas em azul.

As asparaginas previstas para serem N-glicosiladas estão destacadas em vermelho.

Esses resultados sugerem que as posições 60 e 108 na sequência da proteína têm potencial para glicosilação N-linked, enquanto a posição 284 é menos provável de ser glicosilada com base na pontuação e na concordância entre os métodos de análise (informação dada pelos sinais + ou -).

Distrofia muscular - causa a fraqueza e o desgaste dos músculos dos braços e pernas, mais especificamente, ombros, braços, região pélvica e coxas.

Cardiomopatia dilatada - as câmaras do coração vão ficando mais amplas e cada vez mais fracas, perdendo a habilidade de contrair. Eventualmente, o coração vai deixar de conseguir bombear a quantidade de sangue habitual. Isto faz com que o sangue volte para os pulmões e se acumule, o que traz consequências graves para o paciente.

Para além disso foram encontradas outras patologias numa segunda base de dados (Kegg), nomeadamente:

Cardiomiopatia hipertrófica: doença na qual as paredes dos ventrículos se tornam espessas e rígidas.

Cardiomiopatia arritmogénica do ventrículo direito: afeta principalmente o ventrículo direito, causando ritmo cardíaco acelerado e risco aumentado de morte súbita.

Os aminoácidos mais comumente fosforilados são a serina, treonina e tirosina.

Desta forma, é possível concluir que existem diversas zonas desta proteína nas quais à uma elevada probabilidade de ocorrência de fosforilação.

No gene SERPINB7 existem variantes por variação do número de repetições de determinado segmento, inserção, inversão, inserção de elementos móveis e translocação.

No gene SGCD a única variante registada pela base de dados é a variação do número de repetições, em diversos segmentos do gene.

Para a análise destes processos foi usada plataforma DTU Health Tech .

A imagem a cima sumariza os resultados obtidos do estudo e indica que existem várias algumas zonas onde é possível que ocorra a fosforilação.

As proteínas são representadas como nós (nódulos), e as interações são representadas por linhas (arestas) entre os nós.

Os resultados da pesquisa para a Serpin B7 podem ser observados na figura a cima. Através da sua análise é possível perceber que a proteína Serpin B7 interage com várias proteínas sendo que com algumas delas existe uma relação de coexpressão.

As proteínas são representadas como nós (nódulos), e as interações são representadas por linhas (arestas) entre os nós.

A análise da figura a cima mostra que Delta-Sarcoglycan interage com várias proteínas, incluindo aquelas do complexo sarcoglicano e do DGC. Essas interações são importantes para a função normal das células musculares e para manter a integridade da membrana.

Algumas das interações podem indicar uma relação de coexpressão, o que significa que essas proteínas são expressas em conjunto ou em resposta a determinados estímulos biológicos.

Proteínas como DAG1 e SSPN pertencem ao complexo distrofina-glicoproteína (DGC) que desempenha um papel crucial na manutenção da integridade estrutural das células musculares durante a contração e relaxamento.

Já as proteínas SGCA, SGCB, SGCE e SGCG pertencem ao complexo sarcoglicano que é um subcomplexo do DGC do qual a Delta-Sarcoglycan faz parte.

Em resumo, é comum que todas as proteínas interajam umas com as outras, uma vez que colaboram em conjunto para garantir o funcionamento adequado das células musculares.

Pela análise da figura é possível verificar que não foi identificado nenhum domínio conservado.

Através da análise dos resultados é possível concluir que

o domínio conservado identificado é o Sarcoglycan_1.

É relevante destacar que a Delta-Sarcoglycan é uma proteína que faz parte do complexo da sarcoglicana.

O complexo da sarcoglicana é composto por várias subunidades, incluindo as sarcoglicanas beta, delta, gama e zeta. Essas proteínas desempenham um papel crucial na manutenção da integridade estrutural das células musculares.

Vale ressaltar que o complexo da sarcoglicana é parte integrante do complexo distrofina-glicoproteína (DGC), desempenhando um papel essencial na conexão do citoesqueleto intracelular, especificamente o F-actina, com a matriz extracelular.

Adicionalmente, o domínio conservado "Sarcoglycan_1", além de ser identificado na delta-sarcoglycan, possivelmente está presente noutras sarcoglicanas.

É também possível verificar que o domínio Sarcoglycan_1 está presente entre as posições 23 a 278 da sequência de aminoácidos da proteína.

Além disso, é importante referir que a significância estatística associada à identificação do domínio na sequência é de 8.96e-95, indicando uma alta confiança na sua deteção.

Desta forma, a presença de domínios conservados sugere que essa região tem uma função conservada ao longo da evolução. Isto pode indicar que esse domínio desempenha um papel crítico na função geral da proteína ou do DNA.

As ferramentas usadas para descobrir os Motifs foram a CDD (Conserved Domains Database) e o GenomeNet Database.

Os resultados fornecidos por esta base de dados encontram-se na figura acima.

Ao contrário do mostrado na ferramenta CDD , esta proteína apresenta um domínio conservado chamado "domínio de inibição de serpina" (presente em todas as serpinas) e representa quase toda a proteína estando presente entre os aminoácidos da posição 7 à 380. Tal facto também foi comprovado no alinhamento múltiplo.

A Serpin B7 é uma proteína da família das serpinas que estão envolvidas na regulação da atividade de proteases, desempenhando um papel importante no controle de processos como coagulação do sangue, inflamação e resposta imunológica.

É importante referir que a significância estatística associada à identificação do domínio na sequência é de 2,4e-119, indicando uma alta confiança na sua deteção.

Pela análise dos resultados é possível concluir que se encontram de acordo com o concluído através da ferramenta CDD, uma vez que foi identificado o domínio conservado referente à Sarcoglycan_1, nas posições 23-277.

A significância estatística associada à identificação deste domínio na sequência é de 3,7e-89, indicando uma alta confiança na sua deteção.

Para além deste foi ainda identificado um outro domínio "DUF2345" que não foi identificado pela ferramenta CDD, mas que por apresentar uma significância estatística baixa (0,0012) não é muito significativo.

Pode no entanto dizer-se que DUF significa "Domain of Unknown Function", ou seja, a função específica desse domínio ainda não foi completamente exclarecida. Sabe-se contudo, que é encontrado de forma conservada em muitas bactérias.

As regiões conservadas estão associadas a funções importantes para a atividade biológica das proteínas. Por seu lado, as discrepâncias podem indicar divergências funcionais.

A partir desse resultado foram escolhidas sequências de diversos organismos, aumentando a diversidade do estudo, selecionando-se apenas uma sequência para cada espécie.

De salientar que foram tidos em conta os seguintes parâmetros: E-Value = 0.0, Query Cover = 100% e Percent Identity entre 95% e 100%.

Posto isto, verifica-se que as primeiras quatro sequências apresentam elevado score por toda a extensão, apresentando, por isso, elevada similaridade relativamente à query de procura. As restantes sequências, ainda que apresentem cada vez mais divergências, apresentam muitas zonas de elevada homologia.

Com este resultado pode constatar-se que as sequências são homólogas ao gene SERPINB7 do Homo Sapiens e que, por esse motivo, deverão apresentar funções biológicas similares.

A partir deste resultado foram escolhidas sequências de diversos organismos que apresentavam os seguintes parâmetros: E-Value = 0.0 e Query Cover entre 60% e 100%. No caso, são as que se encontram selecionadas.

Com o resultado obtido pode afirmar-se que as zonas com asteriscos indicam possivelmente regiões que desempenham funções biológicas importantes e que ao longo da evolução sofreram poucas mutações. Por outro lado, as zonas sem asteriscos indicam regiões onde não existe tanta similaridade entre os aminoácidos e, consequentemente, representam regiões menos conservadas ao longo do tempo.

Desta pesquisa resultaram somente 10 sequências homólogas, sendo todas selecionadas para estudo, visto que todas as sequências apresentam E-Value muito próximos de 0.0 (<=0.01) e Query Cover entre 93% e 100%.

Zonas a cinza correspondem a zonas de conservação moderada, o que significa nestas regiões existe uma certa semelhança, sendo estas mais tolerantes a substituições ou variações, ainda que estejam possivelmente relacionadas a um papel funcional ou estrutural.

Neste alinhamento homogéneo verifica-se que nem todas as sequências apresentam o mesmo comprimento, o que sugere a existência de gaps. Contudo, de realçar que o alinhamento se encontra essencialmente entre as posições 0 e 290, o que sugere uma forte conservação nesta região entre as sequências selecionadas para o estudo.

O aumento de dados acerca de sequências genéticas, bem como a maior facilidade de partilha de informação devido à utilização da internet, levou ao aparecimento de bases de dados biológicas para a análise de sequências de nucleótidos e proteínas facilitando a procura de informação nesta área. [2]

No presente trabalho foram investigados dois genes: SERPINB7 e SGCD. O primeiro responsável pela alergia ao ovo e o segundo responsável pelo complexo de sarcoglicano, que mantém a estrutura do tecido dos músculos. De modo a saber mais acerca das funções dos mesmos recorreu-se a bases de dados, bem como a literatura previamente publicada acerca destes.

No presente trabalho, será analisado o gene SERPINB7, associado á alergia ao ovo.

Este é um gene que codifica uma proteína pertencente à família das serpinas, uma classe de proteínas inibidoras de proteases. [4]

Existem mais de 1500 sequências de serpinas identificadas nos vários tipos de organismos, sendo que 36 foram descobertas no ser humano, no qual o papel desta proteíına passa por controlar processos que requerem regulação rigorosa, como a coagulação sanguínea, inflamação e fibrinólise. [5] Esta influência das serpinas no processo de inflamação pode ser concluído como a causa da alergia produzida por este gene.

Para além disso, literatura recente relaciona a expressão do gene SERPINB7 com a proliferação de células mesangiais (encontradas nos rins, responsáveis pela filtração sanguínea), a deposição de matriz extracelular e a supressão da motilidade e invasão celular. [6]

Assim, a mutação ou disfunção no gene SGCD pode levar a distrofias musculares, como a distrofia muscular do tipo 2F (DM2F) ou a distrofia muscular do tipo 2D (DM2D), doenças genéticas caracterizadas pela degeneração progressiva dos músculos. Essas condições podem resultar em fraqueza muscular, comprometimento da mobilidade e, em casos mais graves, afetar a função cardíaca. [8]

O estudo do gene SGCD é de grande importância para que se possam compreender as suas mutações e como estas afetam a função muscular, bem como para desenvolver estratégias terapêuticas que possam ajudar a tratar ou gerenciar distrofias musculares associadas a essa alteração genética.

[2] B. Rehm, “Bioinformatic tools for dna/protein sequence analysis, functional assignment of genes and protein classification,” Applied Microbiology and Biotechnology, vol. 57, p. 1579–592, 2001.

[3] N. H. A. S. et al., “Genetic determinants of paediatric food allergy: A systematic review,” Allergy: European Academy of Allergy and Clinical Immunology, vol. 74, no. 9, pp. 1631–1648, 2019.

[4] “”national library of medicine”.” https://www.ncbi.nlm.nih.gov/gene/8710. Accessed: 10-12- 2023.

[5] J. A. Huntington, “Serpin structure, function and dysfunction,” JTH: Journal of Thrombosis and haemostasis, vol. 9, no. s1, pp. 26–34, 2011.

[6] Z. W. et al., “Systematic screening and identification of novel psoriasis-specific genes from the transcriptome of psoriasis-like keratinocytes,” Molecular Medicine Reports, vol. 19, no. 3, pp. 1529–1542, 2019.

[7] D. B. al., “Serpinb7 expression predicts poor pancreatic cancer survival upon gemcitabine treatment,” Translational Oncology, vol. 12, no. 1, pp. 115–23, 2019.

[8] “”medlineplus”.” https://medlineplus.gov/genetics/gene/sgcd/conditions. Accessed: 19-12-2023.

[9] “”national library of medicine”.” https://www.ncbi.nlm.nih.gov/gene/24052. Accessed:20.12.2023.

[10] M. Z. et al., “Five emt-related genes signature predicts overall survival and immune environment in microsatellite instability-high gastric cancer,” Cancer Medicine, vol. 12, no. 2, pp. 2075–2088, 2022.

Através da análise da figura é possível tirar as seguintes conclusões:

Expressão em Tecidos:

• O gene SERPIN B7 tem níveis mais altos de expressão em tecidos como o tecido linfóide e a pele em comparação com outros tecidos.

  
  

Expressão em Tipos Celulares:

• O gene SERPIN B7 é expresso em algumas células como células respiratórias basais, células ductais, ionócitos, trofoblastos extravilhosos e club cells.

  
  

  Nota: Club cells são um tipo de célula que se encontra nas vias aéreas do sistema respiratório, especialmente nos bronquíolos terminais e respiratórios, que são as porções mais distais e profundas dos pulmões.

Especificidade do Gene:

• O gene não foi detetado no cérebro humano. Este está principalmente associado à cornificação da pele.

  
  

  Nota: A "cornificação da pele" é o processo no qual as células da camada mais externa da pele, a epiderme, se transformam em células mortas e queratinizadas, formando uma barreira protetora contra danos externos. Isto sugere que a função ou regulação desse gene pode estar intimamente relacionada aos processos envolvidos na diferenciação e na formação da camada córnea da pele.

  
  

Classificação de Tipo Celular do Tecido:

• É ainda possível concluir que as células uroteliais da próstata têm uma expressão enriquecida deste gene.

Em suma, a deteção da Serpin B7 nos tecidos mencionados, principalmente na pele, está de acordo com as suas funções biológicas e sugere o um envolvimento na regulação da resposta imune e na manutenção da integridade tecidual, especialmente na pele.

O Human Protein Atlas é um banco de dados que mapeia a expressão de proteínas em diferentes tecidos, órgãos e células do corpo humano. O seu objetivo principal é fornecer uma compreensão abrangente do proteoma humano, ou seja, o conjunto de todas as proteínas expressas pelo genoma humano, e como essas proteínas estão distribuídas e reguladas em diferentes contextos biológicos.

Através da análise da figura é possível tirar as seguintes conclusões:

Expressão em Tecidos:

• A proteína é expressa de forma aumentada no músculo cardíaco, músculo esquelético e língua, não havendo especificidade regional significativa no cérebro humano.

  
  

Especificidade Celular:

• Especificidade Celular Única: Alguns tipos celulares mostram uma expressão aumentada, como células precursoras de oligodendrócitos, astrócitos, neurônios excitatórios, oligodendrócitos, neurônios inibitórios, cardiomiócitos e microglia.

• Classificação Celular do Tecido: Alguns tecidos têm uma enriquecida expressão celular de certos tipos de células, como estreladas hepáticas no fígado, fibroblastos no pâncreas e próstata, e fibroblastos na pele.

  
  

Expressão Celular em Cluster:

• Cluster de Expressão Celular: Não há um cluster de expressão celular específico, o que sugere uma função variada, com destaque para a presença em células precursoras de oligodendrócitos, cuja função específica ainda é desconhecida.

  
  

  Nota: Os oligodendrócitos são um tipo de célula glial no sistema nervoso central (SNC) dos vertebrados. Sua principal função é produzir e manter a bainha de mielina, uma estrutura isolante que envolve os axônios dos neurônios no SNC.

Em suma, a proteína Delta-Sarcoglycan pode desempenhar papéis específicos nos tecidos onde é expressa, especialmente nas funções musculares do coração e do esqueleto, bem como na língua. Tal está de acordo com as funções desta proteína.

Este programa é de extrema relevância uma vez que identifica relações evolutivas, encontra homologias entre genes ou proteínas e infere funções biológicas.

Existem várias versões do BLAST, incluindo BLASTp (para comparação de sequências de proteínas), BLASTn (para comparação de sequências de DNA), BLASTx (compara sequências de DNA traduzidas em todas as seis molduras de leitura para proteínas), BLAST+ (uma suite de programas que inclui diversas ferramentas BLAST) e outros, cada um adaptado para diferentes tipos de sequências.

Para a condução deste estudo, recorre-se ao BLASTp, uma vez que o foco da análise incide sobre as seguintes proteínas específicas, SERPINB7 e SGCD.

Inicializou-se o processo recorrendo-se à plataforma UniProt. A UniProt é uma das principais e mais abrangentes bases de dados online de informações sobre sequências de proteínas. [12] Fornece acesso a uma vasta quantidade de dados biológicos e anotações detalhadas sobre proteínas de diferentes organismos, compiladas a partir de fontes como literatura científica, anotações manuais e previsões computacionais. Desta forma, na barra de pesquisa foram introduzidas ambas as proteínas e foram retiradas as respetivas sequências em formato FASTA, representadas nas seguintes Figuras.

Obtiveram-se os seguintes resultados.

O primeiro, query cover, compara o tamanho das sequências. Refere-se ao número que descreve quanto da sequência alvo é coberta pela sequência comparada. No caso de a sequência da base de dados abranger toda a sequencia alvo, a cobertura é de 100%.

Relativamente ao e-value, é um número que indica o nº de alinhamentos com score igual ou superior se todas as sequências da database fossem aleatórias. É importante referir que quanto menor e-value, mais significa será a correspondência.

O percent identity é um número que reflete o quão semelhantes são as duas sequências comparadas, isto é, quantos resíduos em cada sequência são idênticos. Neste caso, quanto maior o percent identity, mais significativa a correspondência.

Por fim, é importante também destacar positivies, um número que indica a percentagem de aminoácidos idênticos ou que desempenham a mesma função, tendo consequentemente propriedades químicas similares.

As sequências mais homólogas serão as que apresentam um e-value superior ao e-value de referência de 1e-180, uma percent identity superior a 30% e um query cover superior a 40%.

No caso da proteína Serpin B7, foram obtidas as seguintes homologias.

· E-value de 0.0 o que indica, de acordo com o modelo estatístico, que a correspondência observada é extremamente improvável de ocorrer por acaso, é uma indicação de alta significância estatística.

· Query cover de 100.0%, o que indica que a sequência alvo tem o mesmo tamanho que a sequência comparada.

· Identities de 100.0%, logo, quando alinhadas, todos os aminoácidos de ambas as sequências a serem comparadas estão alinhados nas mesmas posições.

· positivies de 100.0% logo todos os aminoácidos são idênticos ou têm propriedades químicas semelhantes, que desempenham a mesma função.

Estes resultados indicam que estamos perante a própria sequência em análise.

· Query cover de 100.0%, o que indica que a sequência alvo tem o mesmo tamanho que a sequência comparada.

· Identities de 73.9%, logo, quando alinhadas, 73.9% dos aminoácidos das duas sequências estão alinhados nas mesmas posições.

· positivies de 87.9%, o que significa que 87.9% dos aminoácidos são idênticos ou têm propriedades químicas semelhantes, desempenhando a mesma função.

· Query cover de 100.0%, o que indica que a sequência alvo tem o mesmo tamanho que a sequência comparada.

· Identities de 100.0%, logo, quando alinhadas, todos os aminoácidos de ambas as sequências a serem comparadas estão alinhados nas mesmas posições.

· positivies de 100.0% logo todos os aminoácidos são idênticos ou têm propriedades químicas semelhantes, que desempenham a mesma função.

Mais uma vez, estamos perante a própria sequência da proteína SGCD.

· Query cover de 100.0%, o que indica que a sequência alvo tem o mesmo tamanho que a sequência comparada.

· Identities de 95.2%, logo, quando alinhadas, 95.2% dos aminoácidos das duas sequências estão alinhados nas mesmas posições.

· positivies de 98.3%, o que significa que 98.3% dos aminoácidos são idênticos ou têm propriedades químicas semelhantes, desempenhando a mesma função.

· Query cover de 100.0%, o que indica que a sequência alvo tem o mesmo tamanho que a sequência comparada.

· Identities de 94.5%, logo, quando alinhadas, 94.5% dos aminoácidos das duas sequências estão alinhados nas mesmas posições.

· positivies de 97.9% , o que significa que 97.9% dos aminoácidos são idênticos ou têm propriedades químicas semelhantes, desempenhando a mesma função.

[12]

https://www.uniprot.org/uniprotkb/O75635/entry#sequences

A ferramenta usada para descobrir essas interações foi a String. Esta integra dados de interações conhecidas e previstas entre proteínas, oferecendo uma visão abrangente das redes de interação proteica.

A abordagem FME visa criar árvores filogenéticas de forma eficiente, minimizando o número total de mudanças evolutivas ao longo das ramificações. O conceito de "Minimum Evolution" implica que a árvore proposta procura representar as relações evolutivas com o menor número possível de eventos de evolução, como por exemplo, mudanças em sequências genéticas.

Uma característica do FME é a sua eficiência computacional, ou seja, a capacidade de construir árvores filogenéticas de maneira rápida e eficaz, especialmente em grandes conjuntos de dados moleculares.

O comprimento dos ramos indica a quantidade de mudanças evolutivas necessárias para explicar as diferenças observadas nas sequências genéticas. Logo, ramos mais longos sugerem maior divergência ou evolução acumulada.

Os nós representam os pontos de divergência evolutiva. Nós que separam grupos de organismos indicam o último ancestral comum desses grupos.

O algoritmo Neighbor Joining segue uma abordagem iterativa, onde, em cada passo, une os "vizinhos mais próximos", ou seja, as sequências com menor distância evolutiva. A matriz de distância inicial contém as distâncias entre todas as sequências em estudo, e à medida que o algoritmo progride, a matriz é atualizada para refletir as distâncias evolutivas combinadas. A topologia resultante da árvore é uma representação hierárquica das relações evolutivas, onde ramos mais próximos no topo indicam maior similaridade genética ou evolutiva. O método é aditivo, o que significa que as distâncias ao longo dos ramos são proporcionais às distâncias originais entre as sequências.

Amplamente utilizado em biologia molecular, o Neighbor Joining é aplicado em estudos filogenéticos abrangendo diferentes organismos. Apesar de sua eficiência, é importante considerar a qualidade dos dados, pois o método pode ser sensível a erros em medidas de distância imprecisas. Assim, análises adicionais podem ser necessárias para validar as relações filogenéticas propostas.

Os nós representam pontos de bifurcação onde divergências evolutivas ocorreram. A interpretação de nós pode ser associada a eventos evolutivos importantes, como a especiação.

A combinação destes cinco genes funciona como marcador da ativação da via de sinalização EMT (transição epitélio-mesenquimal). Quando existe a ativação desta via, sabe-se que se está perante um cancro mais invasivo e metástico. Assim, a presença deste gene com os quatro referidos, ajuda a prever a sobrevivência do paciente oncológico.[10]

Este resultado não era esperado, não estando de acordo com o alinhamento múltiplo realizado na ferramenta COBALT, que mostrava um nível muito maior de homologia.

A Serpin B7 pode ser estudada em relação a distúrbios imunológicos, inflamatórios e neoplásicos.

Tendo em conta a literatura [14-16], concluiu-se que a semelhança da estrutura da OVA com a família das serpinas pode ser um fator impactante no desenvolvimento de alergias ao ovo.

[15] HUNTINGTON, James A.; STEIN, Penelope E. Structure and properties of ovalbumin. Journal of Chromatography B: Biomedical Sciences and Applications, 2001, 756.1-2: 189-198.

[16] Serpins, Immunity and Autoimmunity: Old Molecules,

New Functions