Search

Background Several investigations on the microbial diversity and functional properties of the International Space Station (ISS) environment were carried out to understand the influence of spaceflight conditions on the microbial population. However, metagenome-assembled genomes (MAGs) of ISS samples are yet to be generated and subjected to various genomic analyses, including phylogenetic affiliation, predicted functional pathways, antimicrobial resistance, and virulence characteristics. Results In total, 46 MAGs were assembled from 21 ISS environmental metagenomes, in which metaSPAdes yielded 20 MAGs and metaWRAP generated 26 MAGs. Among 46 MAGs retrieved, 18 bacterial species were identified, including one novel genus/species combination (Kalamiella piersonii) and one novel bacterial species (Methylobacterium ajmalii). In addition, four bins exhibited fungal genomes; this is the first-time fungal genomes were assembled from ISS metagenomes. Variations in the antimicrobial resistant (AMR) and virulence genes of the selected 20 MAGs were characterized to predict the ecology and evolution of biosafety level (BSL) 2 microorganisms in space. Since microbial virulence increases in microgravity, AMR gene sequences of MAGs were compared with genomes of respective ISS isolates and corresponding type strains. Among these 20 MAGs characterized, AMR genes were more prevalent in theEnterobacter bugandensisMAG, which has been predominantly isolated from clinical samples. MAGs were further used to analyze if genes involved in AMR and biofilm formation of viable microbes in ISS have variation due to generational evolution in microgravity and radiation pressure. Conclusions Comparative analyses of MAGs and whole genome sequences of related ISS isolates and their type strains were characterized to understand the variation related to the microbial evolution under microgravity. ThePantoea/Kalamiellastrains have the maximum single nucleotide polymorphisms found within the ISS strains examined. This may suggest thatPantoea/Kalamiellastrains are much more subjective to microgravity changes. The reconstructed genomes will enable researchers to study the evolution of genomes under microgravity and low dose irradiation compared to the evolution of microbes here on Earth.

Background There have been significant improvements in Chagas disease therapy and it is now widely accepted that most patients with chronic disease might benefit from therapy. However, there are challenges to monitor drug efficacy and cure for these patients, which are important impediments for current and future therapies. Trypanosoma cruzi-PCR is highly variable while IgG seroconversion takes decades yielding variable results depending on the antigen(s) used for the assay. Methods and results We used the genomic phage display (gPhage) platform to perform a pairwise comparison of antigens and epitopes recognized by twenty individual patients with chronic Chagas disease before and after treatment with benznidazole. In total, we mapped 54,473 T. cruzi epitopes recognized by IgG from individual patients (N = 20) before benznidazole treatment. After treatment, the number of epitopes recognized by all patients was significantly smaller (21,254), a reduction consistent with a decrease in anti-T. cruzi antibodies. Most of these epitopes represent distinct fragments from the same protein and could, therefore, be grouped into 80 clusters of antigens. After three years of treatment with benznidazole, we observed a 64% reduction in the number of clusters of antigens recognized by patients (59 clusters before versus 21 clusters after treatment). The most abundant antigenic clusters recognized by patients correspond to the surface antigen CA-2 (B13) followed by the microtubule associated antigen, which highlights the value of these epitopes in Chagas disease diagnosis. Most importantly, quantitative pairwise comparison of gPhage data allowed for the prediction of patient response to treatment based on PCR status. Principal finding Here, we compiled a list of antigens and epitopes preferentially recognized by Chagas disease patients before and after benznidazole treatment. Next, we observed that gPhage data correlated with patient PCR-status and could, therefore, predict patient response to treatment. Moreover, gPhage results suggest that overall, independent of PCR status, treatment led to a reduction in the presence of T. cruzi-specific antibody levels and the number of antigens and epitopes recognized by these patients. Conclusion The gPhage platform use of unbiased library of antigens, which is different from conventional serological assays that rely on predetermined antigens, is a contribution for the development of novel diagnostic tools for Chagas disease.

Despite being of environmental concern around the world due to its toxicity, cyanide continues to be used in many important industrial processes. Thus, searching for cyanide bioremediation methods is a matter of societal concern and must be present on the political agenda of all governments.

Understanding the biochemistry and metabolic pathways of cyanide degradation is necessary to improve the efficacy of cyanide bioremediation processes and industrial requirements. We have isolated and sequenced the genome of a cyanide-degrading

Transcriptome analysis of pancreatic ductal adenocarcinoma (PDAC) has been useful to identify gene expression changes that sustain malignant phenotypes. Yet, most studies examined only tumor tissues and focused on protein-coding genes, leaving long non-coding RNAs (lncRNAs) largely underexplored.We generated total RNA-Seq data from patient-matched tumor and nonmalignant pancreatic tissues and implemented a computational pipeline to survey known and novel lncRNAs. siRNA-mediated knockdown in tumor cell lines was performed to assess the contribution of PDAC-associated lncRNAs to malignant phenotypes. Gene co-expression network and functional enrichment analyses were used to assign deregulated lncRNAs to biological processes and molecular pathways.We detected 9,032 GENCODE lncRNAs as well as 523 unannotated lncRNAs, including transcripts significantly associated with patient outcome. Aberrant expression of a subset of novel and known lncRNAs was confirmed in patient samples and cell lines. siRNA-mediated knockdown of a subset of these lncRNAs (LINC01559, LINC01133, CCAT1, LINC00920 and UCA1) reduced cell proliferation, migration and invasion. Gene co-expression network analysis associated PDAC-deregulated lncRNAs with diverse biological processes, such as cell adhesion, protein glycosylation and DNA repair. Furthermore, UCA1 knockdown was shown to specifically deregulate co-expressed genes involved in DNA repair and to negatively impact DNA repair following damage induced by ionizing radiation.Our study expands the repertoire of lncRNAs deregulated in PDAC, thereby revealing novel candidate biomarkers for patient risk stratification. It also provides a roadmap for functional assays aimed to characterize novel mechanisms of action of lncRNAs in pancreatic cancer, which could be explored for therapeutic development.

The Chapada das Mesas National Park (CMNP) is a Conservation Unit in brazilian Cerrado biome, which is considered a hotspot for biodiversity conservation and possess important rivers, waterfalls and springs with economical and touristic importance. This study objective was to characterize the total and microbial photosynthetic community of the CMNP from surface sediment samples from waterfalls of two touristic sites: Pedra Caída and Farinha river. These samples were cultivated in selective medium for photosynthesizers and both the raw samples and the enriched ones were submitted to DNA extraction and sequencing of the V3-V4 hypervariable region of the 16S rRNA gene on the Ion Torrent platform. The reads were analyzed using QIIME2 software and the Phyloseq package. The enrichment allowed detecting and identifying many genera of cyanobacteria in the Chapada das Mesas National Park, which would probably not be possible without the combination of approaches. A total of 34 genera of photosynthetic microorganisms were classified in the samples from the consortia, highlighting “Chloroplast” (45.60%) and Synechocystis_CCALA_700 (10.10%) as the most abundant groups in the tropical alkaline lakes of Maranhão. As for the functional analysis, metabolic functions associated with methanotrophy and methylotrophy, hydrocarbon degradation, phototrophy and nitrogen fixation were predicted. The results highlight a great diversity of photosynthetic microorganisms in Cerrado and the importance of using a combination of approaches when analyzing target groups who usually are underrepresented like photosynthetizers.

Photosynthetic microorganisms are important components of most ecosystems and have important roles regarding biogeochemical cycles and the basis of the trophic chain. However, they sometimes are present in low abundance compared to other heterotrophic organisms. The Chapada das Mesas National Park (PNCM) is a Conservation Unit in Brazilian Cerrado biome, which is considered a hotspot for biodiversity conservation and possesses important rivers, waterfalls, and springs with economical and touristic importance. The aim of this study was to perform a comparative analysis of enriched and total microbiome of sediments to understand the impact of pre-cultivation in discovery of underrepresented groups like photosynthesizers. All sediment samples were cultivated in BG-11 medium under illumination to enrich for photosynthetic microorganisms and both the raw samples and the enriched ones were submitted to DNA extraction and sequencing of the V3-V4 hypervariable region of the 16S rRNA gene on the Ion Torrent platform. The reads were analyzed using QIIME2 software and the Phyloseq package. The enrichment allowed detection and identification of many genera of cyanobacteria in the Chapada das Mesas National Park (PNCM), which would probably not be possible without the combination of approaches. A total of 58 groups of photosynthetic microorganisms were classified in the samples from the enrichments and their relative abundance based on amplified 16S rRNA sequences were estimated, highlighting the genus Synechocystis which represented 10.10% of the abundance of the phylum Cyanobacteria and the genus Dunaliella, which represented 45.66% of the abundance of algae as the most abundant groups at the PNCM. In the enrichments, microorganisms from the phyla Proteobacteria (45.2%), Bacteroidetes (18%), and Planctomycetes (3.3%) were also identified, since there are ecological associations between the photosynthetic community and other groups of heterotrophic microorganisms. As for the functional analysis, metabolic functions associated with methanotrophy and methylotrophy, hydrocarbon degradation, phototrophy, and nitrogen fixation were predicted. The results highlight a great diversity of photosynthetic microorganisms in Cerrado and the importance of using a combination of approaches when analyzing target groups which are usually underrepresented such as cyanobacteria and microalgae.

We present a survey of projects that have been funded by FAPESP under the BIOTA-Microorganisms program. These projects generated a wide variety of results, including the identification of novel antibacterial-producing microorganisms, the characterization of novel microbial enzymes for industrial applications, taxonomic classification of novel microorganisms in several environments, investigation of the soil and mangrove microbial ecosystems and its influence on endangered plant species, and the sequencing of novel metagenome-assembled genomes. The results surveyed demonstrate the importance of microorganisms in environments that play important roles in human activities as well as the potential that many of these microorganisms have in contributing to biotechnological applications crucial for human survival in the 21st century.

Severe COVID-19 lung disease exhibits a high degree of spatial and temporal heterogeneity, with different histological features coexisting within a single individual. It is important to capture the disease complexity to support patient management and treatment strategies. We provide spatially decoded analyses on the immunopathology of diffuse alveolar damage (DAD) patterns and factors that modulate immune and structural changes in fatal COVID-19.We spatially quantified the immune and structural cells in exudative, intermediate, and advanced DAD through multiplex immunohistochemistry in autopsy lung tissue of 18 COVID-19 patients. Cytokine profiling, viral, bacteria, and fungi detection, and transcriptome analyses were performed.Spatial DAD progression was associated with expansion of immune cells, macrophages, CD8+ T cells, fibroblasts, and (lymph)angiogenesis. Viral load correlated positively with exudative DAD and negatively with disease/hospital length. In all cases, enteric bacteria were isolated, and Candida parapsilosis in eight cases. Cytokines correlated mainly with macrophages and CD8+T cells. Pro-coagulation and acute repair were enriched pathways in exudative DAD whereas intermediate/advanced DAD had a molecular profile of elevated humoral and innate immune responses and extracellular matrix production.Unraveling the spatial and molecular immunopathology of COVID-19 cases exposes the responses to SARS-CoV-2-induced exudative DAD and subsequent immune-modulatory and remodeling changes in proliferative/advanced DAD that occur side-by-side together with secondary infections in the lungs. These complex features have important implications for disease management and the development of novel treatments.CNPq, Bill and Melinda Gates Foundation, HC-Convida, FAPESP, Regeneron Pharmaceuticals, and the Swedish HeartLung Foundation.

Background Colorectal cancer (CRC) is a heterogeneous cancer. Its treatment depends on its anatomical site and distinguishes between colon, rectum, and rectosigmoid junction cancer. This study aimed to identify diagnostic and prognostic biomarkers using networks of CRC-associated transcripts that can be built based on competing endogenous RNAs (ceRNA). Methods RNA expression and clinical information data of patients with colon, rectum, and rectosigmoid junction cancer were obtained from The Cancer Genome Atlas (TCGA). The RNA expression profiles were assessed through bioinformatics analysis, and a ceRNA was constructed for each CRC site. A functional enrichment analysis was performed to assess the functional roles of the ceRNA networks in the prognosis of colon, rectum, and rectosigmoid junction cancer. Finally, to verify the ceRNA impact on prognosis, an overall survival analysis was performed. Results The study identified various CRC site-specific prognosis biomarkers: hsa-miR-1271-5p, NRG1, hsa-miR-130a-3p, SNHG16, and hsa-miR-495-3p in the colon; E2F8 in the rectum and DMD and hsa-miR-130b-3p in the rectosigmoid junction. We also identified different biological pathways that highlight differences in CRC behavior at different anatomical sites, thus reinforcing the importance of correctly identifying the tumor site. Conclusions Several potential prognostic markers for colon, rectum, and rectosigmoid junction cancer were found. CeRNA networks could provide better understanding of the differences between, and common factors in, prognosis of colon, rectum, and rectosigmoid junction cancer.

Comunidades microbianas possuem papéis importantes em processos que ocorrem em diversos ambientes, tais como solos, oceanos e o trato gastrointestinal dos seres humanos. Portanto, é de interesse a compreensão da estrutura e do funcionamento dessas comunidades. A estrutura dessas comunidades, em termos de organismos componentes, pode ser determinada com o uso do sequenciamento de nova geração em conjunto com as técnicas meta-ômicas e pela análise taxonômica das sequências obtidas com programas de classificação taxonômica. Se por um lado diversos programas estão disponíveis, por outro lado eles cometem erros, como a identificação parcial dos organismos presentes na amostra e a identificação de organismos que não estão presentes na amostra (os falsos positivos - FPs). Algumas abordagens foram propostas para a melhoria das classificações taxonômicas obtidas por esses programas com a redução desses FPs, porém elas abordam apenas um tipo de meta-ômica, a metagenômica. Neste trabalho, propomos uma nova abordagem através da integração de diferentes meta-ômicas - metagenômicas shotgun e de amplicons de 16S, e metatranscritômica. Exploramos os resultados de classificações de dados simulados e mocks para a extração de variáveis e desenvolvemos modelos de classificação para discriminação de predições de espécies de bactérias classificadas como corretas ou incorretas. Comparamos o desempenho dos resultados obtidos entre as meta-ômicas individuais e os obtidos através da integração observando o balanceamento entre a precisão e a sensibilidade. De acordo com as medidas calculadas com nossos conjuntos de dados, nossa abordagem demonstrou melhorias na classificação com a redução de FPs e aumentos para a medida F1, quando comparada com abordagens não integrativas, inclusive com o uso de métodos de combinação de classificadores. Para facilitar seu uso, desenvolvemos o Gunga, uma ferramenta que incorpora a abordagem desenvolvida em formato de pacote do R, com funcionalidades para a integração de dados de classificação taxonômica com diferentes meta-ômicas e a classificação das predições incorretas. Microbial communities play important roles in processes that occur in diverse environments, such as soils, oceans, and the gastrointestinal tract of humans. Therefore, it is of interest to understand the structure and functioning of these communities. The structure of these communities, in terms of component organisms, can be determined by the use of the next generation sequencing in conjunction with the meta-omics techniques and by the taxonomic analysis of the sequences obtained with taxonomic classification programs. If on the one hand several programs are available, on the other hand they make mistakes, such as the partial identification of the organisms present in the sample and the identification of organisms that are not present in the sample (the false positives - FPs). Some approaches have been proposed to improve the taxonomic classifications obtained by these programs with the reduction of these FPs, but they address only one type of meta-omics, the metagenomics. In this work, we propose a new approach by integrating different meta-omics - shotgun and 16S amplicon metagenomics, and metatranscriptomics. We explored the classifications results of simulated data and mocks for variable extraction and developed classification models for discriminating predictions of bacterial species classified as correct or incorrect. We compared the performance of the results obtained between the individual meta-omics and the obtained through the integration observing the balance between precision and sensitivity. According to the measures calculated with our data sets, our approach has shown improvements in the classification with the reduction of the FPs and increases for the F1 measure, when compared to non-integrative approaches, including the use of classifiers combination methods. To facilitate its use, we developed the Gunga, a tool that incorporates the developed approach in R package format, with features for the integration of taxonomic classification data with different meta-omics and the classification of the incorrect predictions.

Made available in DSpace on 2021-06-25T11:02:25Z (GMT). No. of bitstreams: 0 Previous issue date: 2021-05-28 Fundação de Amparo à Pesquisa do Estado do Rio de Janeiro (FAPERJ) Idiopathic pulmonary artery hypertension (IPAH), chronic thromboembolic pulmonary hypertension (CTEPH), and acute pulmonary embolism (APTE) are life-threatening cardiopulmonary diseases without specific surgical or medical treatment. Although APTE, CTEPH and IPAH are different pulmonary vascular diseases in terms of clinical presentation, prevalence, pathophysiology and prognosis, the identification of their circulating microRNA (miRNAs) might help in recognizing differences in their outcome evolution and clinical forms. The aim of this study was to describe the APTE, CTEPH, and IPAH-associated miRNAs and to predict their target genes. The target genes of the key differentially expressed miRNAs were analyzed, and functional enrichment analyses were carried out. The miRNAs were detected using RT-PCR. Finally, we incorporated plasma circulating miRNAs in baseline and clinical characteristics of the patients to detect differences between APTE and CTEPH in time of evolution, and differences between CTEPH and IPAH in diseases form. We found five top circulating plasma miRNAs in common with APTE, CTEPH and IPAH assembled in one conglomerate. Among them, miR-let-7i-5p expression was upregulated in APTE and IPAH, while miRNA-320a was upregulated in CTEP and IPAH. The network construction for target genes showed 11 genes regulated by let-7i-5p and 20 genes regulated by miR-320a, all of them regulators of pulmonary arterial adventitial fibroblasts, pulmonary artery endothelial cell, and pulmonary artery smooth muscle cells. AR (androgen receptor), a target gene of hsa-let-7i-5p and has-miR-320a, was enriched in pathways in cancer, whereas PRKCA (Protein Kinase C Alpha), also a target gene of hsa-let-7i-5p and has-miR-320a, was enriched in KEGG pathways, such as pathways in cancer, glioma, and PI3K-Akt signaling pathway. We inferred that CTEPH might be the consequence of abnormal remodeling in APTE, while unbalance between the hyperproliferative and apoptosis-resistant phenotype of pulmonary arterial adventitial fibroblasts, pulmonary artery endothelial cell and pulmonary artery smooth muscle cells in pulmonary artery confer differences in IPAH and CTEPH diseases form. We concluded that the incorporation of plasma circulating let-7i-5p and miRNA-320a in baseline and clinical characteristics of the patients reinforces differences between APTE and CTEPH in outcome evolution, as well as differences between CTEPH and IPAH in diseases form. Department of Pathology Laboratory of Histomorphometry and Lung Genomics Faculty of Medicine University of São Paulo Department of Pathology and Legal Medicine Respiratory Medicine Laboratory Ribeirão Preto Medical School University of São Paulo (USP) Health Technology Assessment Center (NATS) Clinical Hospital (HCFMB) Medical School of São Paulo State University (UNESP) Laboratory of Molecular Genetics Center for Translational Research in Oncology Cancer Institute of São Paulo (ICESP) Bioinformatic Laboratory Institute of Chemistry University of São Paulo (USP) Pulmonary Hypertension Care Center Department of Internal Medicine Ribeirão Preto Medical School University of São Paulo (USP) Department of Biostatistics Plant Biology Parasitology and Zoology Institute of Biosciences São Paulo State University (UNESP) Department of Chemical and Biological Sciences Institute of Biosciences São Paulo State University (UNESP) Pulmonary Hypertension Care Center Department of Internal Medicine Botucatu Medical School São Paulo State University (UNESP) Laboratory of Pulmonary Investigation Carlos Chagas Filho Biophysics Institute Federal University of Rio de Janeiro Centro de Ciências da Saúde National Institute of Science and Technology for Regenerative Medicine Department of Radiology and Oncology Medical School of São Paulo State University (UNESP) Health Technology Assessment Center (NATS) Clinical Hospital (HCFMB) Medical School of São Paulo State University (UNESP) Department of Biostatistics Plant Biology Parasitology and Zoology Institute of Biosciences São Paulo State University (UNESP) Department of Chemical and Biological Sciences Institute of Biosciences São Paulo State University (UNESP) Pulmonary Hypertension Care Center Department of Internal Medicine Botucatu Medical School São Paulo State University (UNESP) Department of Radiology and Oncology Medical School of São Paulo State University (UNESP)

Background: The performance of the microbiota is observed in several digestive tract diseases. Therefore, reaching the biliary microbiota may suggest ways for studies of biomarkers, diagnoses, tests and therapies in hepatobiliopancreatic diseases.Methods: Bile samples will be collected in endoscopic retrograde cholangiopancreatography patients (case group) and living liver transplantation donors (control group). From the DNA extracted from the samples, the microbiomes will be sequenced by 16S ribosomal RNA (rRNA) pyrosequencing methods. Student’s t-test will be performed with SPSS version 20 for Windows and the Mann-Whitney test will be performed using R software and Python scripts. A principal component analysis signals will be developed as discriminative analysis.Results: The primary expected results of the study is to characterize the specific composition of the biliary microbiota in situations of disease and health. In addition, it seeks to demonstrate the existence of changes in the case of illness and also possible disease biomarkers, diagnosis, interventions and therapies in hepatobiliopancreatic diseases.Conclusions: We believe that the investigation of the biliary tract microbiota will provide benefits such as early diagnosis and new treatments. This should improve quality of life and survival, specially in malignant diseases. Thus, this research will give expectations to further investigation in the biliary microbiota.Trial registration: NCT04391426. Registered 18 May 2020, https://clinicaltrials.gov/ct2/show/NCT04391426

Citrus canker is one of the main bacterial diseases that affect citrus crops and is caused by Xanthomonas citri which affects all citrus species worldwide. New strategies to control citrus canker are necessary and the use of bacteriophages as biocontrol agent could be an alternative. Phages that infect Xanthomonas species have been studied, such as XacN1, a myovirus that infects X. citri. Here we report the isolation and characterization of a new jumbo phage, vb_XciM_LucasX, which infects X. citri and X. fuscans. Transmission electron microscopy allowed classification of LucasX in the Myoviridae family, which was corroborated by its genomic sequencing, annotation, and proteome clustering. LucasX has a 305,651 bp-long dsDNA genome. ORF prediction and annotation revealed 157 genes encoding putative structural proteins such as capsid and tail related proteins and phage assembly associated proteins, however, for most of the structural proteins it was not possible assign specific functions. Its genome encodes several proteins related to DNA replication and nucleotide metabolism, five putative RNA polymerases, at least one homing endonuclease mobile element, a terminase large subunit (TerL), an endolysin and many proteins classified as beneficial to the host. Proteome clustering and phylogeny analyses showed that LucasX is a new jumbo phage having as its closest neighbor the Xanthomonas jumbo phage Xoo-sp14. LucasX presented a burst size of 40 PFU/infected cell of X. citri 306, was completely inactivated at temperatures above 50°C, presented survival lower than 25% after 80 s of exposition to artificial UV light and had practically no tolerance to concentrations above 2.5 g/L NaCl or 40% ethanol. LucasX presented optimum pH at 7 and a broad range of Xanthomonas hosts, infecting twenty-one of the twenty-three strains tested. Finally, the LucasX yield was dependent on the host strain utilized, resulting one order of magnitude higher in X. fuscans C 752 than in X. citri 306, which points out to the possibility of phage yield improvement, an usual challenge for biocontrol purposes.

A angiogênese é o processo de formação de novos vasos sanguíneos a partir de vasos pré-existentes. A angiogênese fisiológica é bastante restrita durante a fase adulta e ela ocorre sob delicado controle da expressão gênica. Doenças dependentes de angiogênese, como retinopatias e câncer, induzem fatores capazes de alterar a expressão desses genes, promovendo um desenvolvimento desordenado de novos vasos sanguíneos, sendo esse processo caracterizado como angiogênese patológica. Sabe-se que o fator de crescimento endotelial vascular (VEGF) é um dos principais componentes que orquestram a angiogênese e, portanto, esse fator tornou-se um alvo terapêutico para o tratamento de doenças dependentes da angiogênese. Essas terapias são eficazes, mas uma fração importante dos pacientes é refratária ou torna-se resistente à terapia anti-VEGF. Outra dificuldade são os efeitos adversos, uma vez que o VEGF também é importante para a sobrevivência das células endoteliais. Por isso, terapias alternativas mais eficientes e com menos efeitos colaterais são necessárias. Nas últimas décadas, com os avanços das tecnologias genômicas, constatou-se que os RNAs não-codificantes (ncRNAs) têm papel central na regulação gênica, incluindo a angiogênese. Com isso em mente, o presente trabalho buscou identificar ncRNAs importantes na angiogênese para produzir uma rede integrada de mRNAs e ncRNAs da angiogênese patológica. Foram produzidas duas redes de regulação gênica, onde cada uma representa uma fase da neovascularização: (1) a resposta inicial à hipóxia e (2) a consequente proliferação, migração e diferenciação das células endoteliais durante o processo de neovascularização. A medicina de precisão é uma área que busca desenvolver terapias direcionadas para cada paciente. Por exemplo, qual paciente responde ou não a determinado medicamento. Utilizando os genes identificados nas duas redes, desenvolvemos 3 assinaturas gênicas de angiogênese com valor prognóstico para pacientes com câncer de mama, outra doença dependente da angiogênese. Paralelamente, foram identificadas 60 variantes diferencialmente expressas e, portanto, possíveis alvos terapêuticos seletivos da angiogênese patológica. Coletivamente, os resultados desses estudos demonstram o potencial das redes gênicas produzidas para o desenvolvimento de novas terapias ou métodos diagnósticos para as doenças dependentes da angiogênese. Angiogenesis is the process of forming new blood vessels from pre-existing vessels. Physiological angiogenesis is quite restricted during adulthood, and it occurs under the delicate control of gene expression. Angiogenesis-dependent diseases, such as retinopathies and cancer, induce factors capable of altering the expression of these genes, promoting a disordered development of new blood vessels, this process being characterized as pathological angiogenesis. Vascular endothelial growth factor (VEGF) is known to be one of the main components that orchestrate angiogenesis and therefore this factor has become a therapeutic target for the treatment of angiogenesis-dependent diseases. These therapies are effective, but a significant fraction of patients is refractory or resistant to anti-VEGF therapy. Another difficulty is the adverse effects since VEGF is also important for the survival of endothelial cells. Therefore, more efficient alternative therapies with fewer side effects are needed. In recent decades, with advances in genomic technologies, it was found that non-coding RNAs (ncRNAs) play a central role in gene regulation, including angiogenesis. The present work sought to identify ncRNAs important in angiogenesis to produce an integrated network of pathological angiogenesis mRNAs and ncRNAs. Two gene regulatory networks were produced, each representing a phase of neovascularization: (1) the initial response to hypoxia and (2) the consequent proliferation, migration, and differentiation of endothelial cells during the process of neovascularization. Precision medicine is an area that seeks to develop targeted therapies for each patient. For example, which patient responds or does not respond to a particular drug. Using the genes identified in the two networks, we developed 3 angiogenesis gene signatures with prognostic value for patients with breast cancer, another angiogenesis-dependent disease. In parallel, 60 differentially expressed isoforms were identified and, therefore, possible selective therapeutic targets of pathological angiogenesis. Collectively, the results of these studies demonstrate the potential of the gene networks produced for the development of new therapies or diagnostic methods for angiogenesis-dependent diseases.

O queijo Canastra possui grande importância na cultura e economia local, é parte do Patrimônio Imaterial do Brasil (IPHAN, 2014) e recebeu o selo de produto com designação de origem em 2012 (INPI, 2016). Sua produção utiliza leite, sal, coalho e uma cultura iniciadora natural, chamada popularmente de pingo. Esse estudo visou a caracterização da microbiota presente no queijo maturado da Serra da Canastra e no pingo utilizado em sua produção utilizando técnicas avançadas de sequenciamento em larga escala para identificação das bactérias e fungos ali presentes. Nossos dados da microbiota bacteriana foram comparados com dados da microbiota de outros queijos brasileiros e do mundo disponíveis na literatura. As principais bactérias encontradas em amostras de pingo pertencem aos gêneros Lactococcus (45.6%), Streptococcus (30.3%), Staphylococcus (5.1%), e em amostras de queijo aos gêneros Lactococcus (22.5%), Streptococcus (27.2%), Corynebacterium (18.8%), Staphylococcus (13.6%), Leuconostoc (6.3%) e Weissella (6%). Os principais gêneros de fungos encontrados nos queijos foram Debaryomycesa (78.6%), Trichosporona (7.8%). Nosso estudo foi capaz de separar a microbiota dos queijos produzidos na Serra da Canastra de outros queijos na Europa e América do Norte, sendo o pH um possível fator de segregação. Também foi observada uma diferença entre a microbiota do queijo Canastra com outros queijos Brasileiros. Além disso, visualizamos que a distância geográfica entre produtores e a sazonalidade possuem um efeito sobre a microbiota dos pingos e queijos. A partir da análise de todos os microrganismos encontrados na microbiota bacteriana, foram detectados táxons que discriminam produtores por suas aplicações de boas práticas de fabricação e por sua infraestrutura. Observamos proporções menores de um táxon de Kocuria Kristinae nos pingos e um de Streptococcus nos queijos e proporções maiores de um táxon de Staphylococcus nos queijos. Também pudemos observar uma diminuição nas proporções de táxons de Debaryomycesa e aumento na proporção de táxons de Trichosporona na composição fúngica dos queijos, possivelmente devido a transição sazonal do período seco para o chuvoso. Usando técnicas moleculares de sequenciamento em larga escala, demonstramos que há uma diferença na microbiota presente em diferentes áreas da Serra da Canastra, um possível efeito da sazonalidade na composição fúngica e bacteriana. E evidenciamos que táxons de Streptococcus, Staphylococcus e Kocuria estão correlacionados às boas práticas de produção e elucidamos a conexão existente entre a microbiota do pingo e a do queijo. Estes resultados podem influenciar o desenvolvimento de métodos de rastreamento de sub-regiões específicas da Canastra e auxiliar os produtores na produção de queijos de boa qualidade, mantendo as características específicas de sua região. The Canastra cheese has great importance for the local culture and economy, being part of the Intangible Heritage of Brazil (IPHAN, 2014). It has received the protected designation of origin certification in 2012 (INPI, 2016). It\'s made using milk, salt, rennet and a endogenous starter culture, popularly called as \"pingo\". This study aimed to characterize the microbiota present in the Serra da Canastra\'s cheese and the pingo used in its production. In order to conduct this research we used next generation sequencing to identify the bacteria and fungi present there. Our bacterial microbiota dataset was compared with microbiota datasets from other Brazilian and world cheeses available in the literature. The main bacteria found were Lactococcus (45.6%), Streptococcus (30.3%) and Staphylococcus (5.1%) in the endogenous starter samples and Lactococcus (22.5%), Streptococcus (27.2%), Corynebacterium (18.8 %), Staphylococcus (13.6%), Leuconostoc (6.3%) and Weissella (6%) in cheese samples. The main fungi found in the cheeses were Debaryomycesa (78.6%) and Trichosporona (7.8%). We were able to separate the microbiota from Serra da Canastra cheeses and other cheeses in Europe and North America, being the pH a possible segregation factor. Furthermore, a difference was also observed between the microbiota of Canastra and other Brazilian cheeses. In addition, we observed that the geographical distance between producers and the seasonality could be affecting the pingos and cheeses microbiota. We found bacterial taxa that could discriminate producers by their good manufacturing practices and their local infrastructure. Low levels of good manufacturing practices (GMPs) were assigned to bigger proportions of a Kocuria Kristinae taxon in the pingos and a Staphylococcus taxon in the cheeses. Also, higher levels of GMPs were assigned to smaller proportions of Streptococcus taxons in the cheeses. Furthermore We could observe a decrease of Debaryomycesa and an increase of Trichosporona proportions in the fungal composition of cheeses. This could be due to a climate transition: from the dry season to the rainy season. Using large-scale sampling coupled with molecular sequencing techniques, we observe a connection between pingo and cheeses microbiota. We show that the microbiota of different areas in Serra da Canastra is different, also, there is a possible effect of seasonality on fungal and bacterial composition. Furthermore, we could see that Streptococcus, Staphylococcus and Kocuria taxons are correlated with good practices. These results may influence the development of tracking methods for specific Canastra subregions and assist producers to manufacture good quality cheeses while maintaining the specific characteristics of their region.

As chaperonas de RNA Sm são proteínas presentes nos três domínios da vida. Embora seu papel tenha sido bem elucidado em Eukarya e em Bacteria, poucos estudos investigaram a sua função em Archaea. Uma das funções dessa proteína em Bacteria é a de atuar na regulação pós-transcricional por meio de seu acoplamento a RNAs mensageiros, a fim de modular a sua tradução. Estudos recentes mostram que RNAs codificadores de transposases da família IS200/IS605 são alvo dessa regulação pós-transcricional em Salmonella enterica. Em vista da presença marcante de RNAs codificadores de transposases em Halobacterium salinarum NRC-1, nosso organismo modelo, resolvemos investigar se há ocorrência do mesmo fenômeno. Para isso, analisamos dados de sequenciamento de nova geração da coimunoprecipitação da proteína SmAP1 com RNAs e determinamos quais transcritos a ela se acoplam. Também investigamos o impacto funcional dessa proteína por meio de abordagens globais de expressão diferencial de RNAs e por meio da quantificação da transposição de seu mutante nulo usando tecnologia de reads longas. Além disso, detectamos os níveis de transposição e de proteínas relacionadas em condições normais de crescimento. Nossos resultados mostram que transcritos codificadores de transposase são mais propensos a acoplar-se com SmAP1 do que genes codificadores de outras proteínas e podem sofrer alterações em sua estabilidade na ausência dessa chaperona. Sua ausência ainda acarreta perturbação dos níveis de transposição, sobretudo da família ISH3. Ademais, detectamos que sequências de inserção da família IS200/IS605 produzem altos níveis de RNAs mensageiros, porém baixissímos níveis de proteína, indicando que SmAP1, junto a RNAs antissenso e outros elementos, pode desempenhar papel na modulação de sua tradução. Os nossos resultados revelaram, pela primeira vez, que a proteína SmAP1 pode ter efeito na regulação pós-transcricional de RNAs codificadores de transposase em Archaea, contribuindo para o pouco conhecimento que se tem sobre essa chaperona no terceiro domínio da vida. The Sm RNA chaperones are ubiquitous proteins in the three domains of life. Although their role has been well characterized in Eukarya and Bacteria, just a few studies investigated their function in Archaea. In Bacteria, this protein acts in post-transcriptional regulation, binding to messenger RNAs and modulating their translation. Recent studies have shown that IS200/IS605 transposase-encoding RNAs are targets of the mechanism mentioned above in Salmonella enterica. Considering the vast number of transposase-encoding RNAs in Halobacterium salinarum NRC-1, our model organism, we decided to check for the existence of a similar phenomenon. For that, we analyzed SmAP1 RNA coimmunoprecipitation sequencing data and determined the functional impact of this protein by evaluating global RNA differential expression and long-read-based transposition quantification of a null mutant. We also detected transposition and protein levels in standard growth conditions. Our results point out that transposase-encoding transcripts are more prone to bind SmAP1 than transcripts encoding other classes of proteins and are subject to altered stability when this chaperone is absent. Its absence also carries out the perturbation of transposition levels, especially of elements comprising the ISH3 family. Moreover, we detected high levels of IS200/IS605 transcripts but low levels of their protein products, suggesting that SmAP1, alongside antisense RNAs and other features, can have a role in their translational modulation. For the first time, we revealed that SmAP1 might be capable of acting in the post-transcriptional regulation of transposase-encoding RNAs in Archaea, contributing to the insufficient knowledge we currently have about this chaperone in the third domain of life.

Bacteriófagos, ou fagos, são vírus que infectam bactérias, muito abundantes na natureza e que exibem extraordinária diversidade genômica. Além de sua importância para o desenvolvimento da biologia molecular, os fagos são considerados potenciais agentes terapêuticos no controle de bactérias multirresistentes a antibióticos. A ampla maioria dos bacteriófagos conhecidos estão classificados morfologicamente nas famílias Myoviridae, Siphoviridae e Podoviridae, que compõem a ordem Caudovirales. A adsorção do fago a superfície bacteriana é a primeira etapa da interação e um requerimento absoluto para o sucesso da infecção e posterior replicação do genoma do fago, seguida pela produção e liberação das partículas virais. Os determinantes mais comumente envolvidos na etapa de adsorção são a pilina majoritária (PilA) do pilus do tipo 4 (T4P) e o lipolissacarídeo (LPS), ambos presentes na superfície bacteriana, e as estruturas da cauda da partícula viral. A compreensão dos mecanismos moleculares envolvidos na interação dos fagos com cepas bacterianas suscetíveis é um dos requisitos para a avaliação de seu potencial de uso na fagoterapia. Em trabalho anterior de nosso grupo, foram isolados seis fagos (ZC01, ZC03, ZC04, ZC06, ZC07 e ZC08) de amostras de compostagem, utilizando-se Pseudomonas aeruginosa PA14 como hospedeira, os quais tiveram seus respectivos genomas sequenciados. Os genomas dos fagos ZC01, ZC03 e ZC08 foram analisados e foi demonstrado experimentalmente que ZC01 (Siphoviridae) e ZC03 e ZC08 (Podoviridae) têm uma abrangência restrita quanto a suscetibilidade à infecção de isolados clínicos de P. aeruginosa. Resultados anteriores também apontaram o T4P como receptor para a adsorção dos fagos ZC01, ZC03 e ZC08. No presente trabalho, tivemos como objetivo aprofundar a caracterização genômica dos outros três fagos isolados da compostagem (ZC04, ZC06 e ZC07), também da família Podoviridae, e comparar seus determinantes potencialmente envolvidos na interação específica com P. aeruginosa. Além disso, analisamos características de componentes da superfície bacteriana preditos como receptores específicos desses fagos, através da análise de genomas de 18 isolados clínicos que experimentalmente se mostraram suscetíveis ou resistentes à infecção por esses fagos. Os resultados obtidos nos permitem concluir que os fagos de P. aeruginosa ZC03, ZC04, ZC06, ZC07 e ZC08, mesmo que muito próximos filogeneticamente e pela alta similaridade de seus genomas, apresentam diferenças potencialmente importantes para suas respectivas capacidades de infecção e propagação. A análise do proteoma predito mostrou importantes diferenças nas fibras das caudas desses fagos que podem ser relevantes para explicar suas distintas capacidades de infecção a alguns isolados clínicos. Por outro lado, não observamos uma relação perfeita entre capacidade de infecção dos fagos ZC01, ZC03 e ZC08 e as diferentes estruturas primárias da pilina majoritária PilA identificada nos genomas dos 18 isolados de P. aeruginosa. Também não foi possível identificar relação entre suscetibilidade ou resistência à infecção com os distintos padrões de glicosilação da PilA ou com os sorotipos (tipo de antígeno O do LPS) preditos para estes isolados. Os resultados obtidos sugerem que a relação entre a capacidade de infecção dos fagos e seus determinantes que participam na etapa de adsorção está associada a diferentes interações com estruturas distintas na superfície bacteriana. Bacteriophages, or phages, are virus that infect bacteria. Phages are very abundant in nature and display an extraordinary genomic diversity. Besides their importance to the development of molecular biology, phages are potential agents for therapeutic control of multidrug-resistant bacteria. Based on their morphology, the vast majority of known phages is classified in the families Myoviridae, Siphoviridae and Podoviridae, which comprise the order Caudovirales. Phage particle adsorption to bacterial surface is the first step of the interaction and is an absolute requirement for successful infection, followed by phage genome replication, production and release of new viral particles. The most common determinants involved in phage adsorption step are the major pilin (PilA) of the type 4 pilus (T4P) and lipopolysaccharide (LPS) in the host surface, and tail structures of the phage particle. The understanding of the molecular mechanisms involved in the interaction of phages with susceptible host strains is one of the requirements for the evaluation of their therapeutic potential in phage therapy. In a previous work of our group, six phages (ZC01, ZC03, ZC08, ZC04, ZC06 and ZC07) were isolated from composting samples using Pseudomonas aeruginosa PA14 as a host, which had their respective genomes sequenced. The genomes of the phages ZC01, ZC03 and ZC08 were analyzed and it was experimentally shown that ZC01 (Siphoviridae) and ZC03 and ZC08 (Podoviridae) have a narrow host range against P. aeruginosa clinical isolates. Moreover, T4P was suggested as the receptor for adsorption of ZC01, ZC03 and ZC08. In the present work we aimed to deepen the characterization of the three remaining phages isolated from composting (ZC04, ZC06 and ZC07), also from the family Podoviridae, and compare their determinants potentially involved in the specific interaction with P. aeruginosa. In addition, the characteristics of surface components predicted as specific receptors were analyzed using the genomes of 18 P. aeruginosa clinical isolates that experimentally showed susceptibility or resistance to infection for these phages. The obtained results lead us to the conclusion that even though the P. aeruginosa phages ZC03, ZC04, ZC06, ZC07 and ZC08 were phylogenetically close and shared high genome similarity, they present differences potentially important for their infection and propagation capabilities. The analysis of the predicted proteome showed important differences in the tail fibers from these phages that might be relevant to explain their distinct infection capabilities in some clinical isolates. On the other hand, we have not observed a perfect relation between ZC01, ZC03 and ZC08 infection capabilities and the major pilin (PilA) primary structure identified in the 18 P. aeruginosa clinical isolates. We also have not found a relation of the infection susceptibility or resistance to the PilA glycosylation patterns nor the O antigen serotypes predicted for each isolate. Our results suggest that the relation between the phages infection capability and their adsorption determinants is associated with different interactions to distinct bacterial surface structures.

Composting piles consist in a thermophilic environment that can contain bacteria and enzymes potentially related to lignocellulosic deconstruction. Inoculum is the composting material in advanced stage added to the organic matter to be decomposed, while mature compost is the final product of composting product ready to be used as fertilizer. Here, we present results of 16S rRNA profile and metagenome-assembled genomes (MAGs) analysis from inoculum and mature compost samples collected from a composting facility at the São Paulo Zoo Park. We were able to recover 17 MAGs from inoculum samples and 16 MAGs from mature compost samples. Variation in abundance over time shows that these MAGs are likely present during the whole composting process, even if they are present in low abundance. Groups of MAGs can contribute to the lignocellulosic deconstruction in different stages of composting. Genes encoding cellulases, endohemicellulases, and oligosaccharide-degrading enzymes were distributed in MAGs from both inoculum and mature compost samples. Auxiliary activity enzymes were found especially in MAGs recovered from mature compost samples. Mature compost material can contain bacteria that play an important role to the lignin degradation, and as such they can be potential candidates for lignocellulose degradation biotechnological processes. As pilhas de compostagem consistem em um ambiente termofílico que pode conter bactérias e enzimas potencialmente relacionadas à desconstrução lignocelulósica. O inóculo é o material de compostagem em estágio avançado adicionado à matéria orgânica a ser decomposta, enquanto o composto maduro é o produto final da compostagem pronto para ser utilizado como fertilizante. Aqui, apresentamos os resultados da análise do perfil de rRNA 16S e dos genomas montados a partir do metagenoma (MAGs) de amostras de inóculo e composto maduro coletadas de uma instalação de compostagem no Parque Zoológico de São Paulo. Recuperamos 17 MAGs das amostras de inóculo e 16 MAGs das amostras de composto maduro. A variação na abundância ao longo do tempo mostra que esses MAGs provavelmente estão presentes durante todo o processo de compostagem, mesmo que estejam presentes em baixa abundância. Grupos de MAGs podem contribuir para a desconstrução lignocelulósica em diferentes estágios da compostagem. Os genes que codificam celuloses, endohemicelulases e enzimas de degradação de oligossacarídeos estavam distribuídos nos MAGs das amostras de inóculo e de composto maduro. Enzimas da classe de atividades auxiliares foram encontradas especialmente em MAGs recuperados de amostras de composto maduro. O composto maduro pode conter bactérias que desempenham um papel importante na degradação da lignina e, assim, podem ser candidatos potenciais para processos biotecnológicos de degradação da lignocelulose.

Com o desenvolvimento do sequenciamento em larga escala, novas tecnologias surgiram para auxiliar o estudo de sequências de ácidos nucleicos (DNA e cDNA); como consequência, o desenvolvimento de novas ferramentas para analisar o grande volume de dados gerados fez-se necessário. Entre essas novas tecnologias, uma, em particular, chamada Imunoprecipitação de Cromatina seguida de sequenciamento de DNA em larga escala ou CHIP-Seq, tem recebido muita atenção nos últimos anos. Esta tecnologia tornou-se um método usado amplamente para mapear sítios de ligação de proteínas de interesse no genoma. A análise de dados resultantes de experimentos de ChIP-Seq é desaadora porque o mapeamento das sequências no genoma apresenta diferentes formas de viés. Os métodos existentes usados para encontrar picos em dados de ChIP-Seq apresentam limitações relacionadas ao número de amostras de controle e tratamento usadas, e em relação à forma como essas amostras são combinadas. Nessa tese, mostramos que métodos baseados em testes estatísticos de hipótese tendem a encontrar um número muito maior de picos à medida que aumentamos o tamanho da amostra, o que os torna pouco conáveis para análise de um grande volume de dados. O presente estudo descreve um método estatístico Bayesiano, que utiliza meta-análise para encontrar sítios de ligação de proteínas de interesse no genoma resultante de experimentos de ChIPSeq. Esse métodos foi chamado Meta-Analysis Bayesian Approach ou MABayApp. Nós mostramos que o nosso método é robusto e pode ser utilizado com diferentes números de amostras de controle e tratamentos, assim como quando comparando amostras provenientes de diferentes tratamentos. With the development of high-throughput sequencing, new technologies emerged for the study of nucleic acid sequences (DNA and cDNA) and as a consequence, the necessity for tools to analyse a great volume of data was made necessary. Among these new technologies, one in special Chromatin Immunoprecipitation followed by massive parallel DNA Sequencing, or ChIP-Seq, has been evidenced during the last years. This technology has become a widely used method to map locations of binding sites for a given protein in the genome. The analysis of data resulting from ChIP-Seq experiments is challenging since it can have dierent sources of bias during the sequencing and mapping of reads to the genome. Current methods used to nd peaks in this ChIP-Seq have limitations regarding the number of treatment and control samples used and on how these samples should be used together. In this thesis we show that since most of these methods are based on traditional statistical hypothesis tests, by increasing the sample size the number of peaks considered signicant changes considerably. This study describes a Bayesian statistical method using meta-analysis to discover binding sites of a protein of interest based on peaks of reads found in ChIP-Seq data. We call it Meta- Analysis Bayesian Approach or MABayApp. We show that our method is robust and can be used for dierent number of control and treatment samples, as well as when comparing samples under dierent treatments.

Neste estudo foi implementado um pipeline bioinformático para processar e analisar dados de RNA-Seq total e fita-específico gerados em nosso laboratório a partir de amostras pareadas de tumor e tecido adjacente não tumoral de 14 pacientes com o objetivo de catalogar com alta-resolução a composição e alterações no transcritoma no PDAC incluindo genes codificadores e não codificadores de proteína. In the present work, we applied a bioinformatic pipeline to process and analyse data from total RNA-seq strand-oriented generated in our laboratory from matched samples of tumor and non-tumor adjacent pancreatic tissue from 14 patients with the goal of generate a high resolution catalog of the composition and the alterations in the transcriptome of PDAC, including protein coding and non coding genes.

Genes microexônicos (MEGs) apresentam uma arquitetura bastante peculiar, sendo compostos predominantemente por quatro ou mais exons simétricos bem pe- quenos dispostos em tandem (microexons Š 36 bp, com tamanhos múltiplos de 3). Eles foram descritos pela primeira vez em 2009 no platelminto parasita Schistosoma mansoni (agente etiológico da esquistossomose). Alguns desses genes apresentam evidência (de transcritômica e proteômica) de gerar diferentes isoformas de proteínas através do mecanismo de splicing alternativo. Os MEGs não apresentam homólogos fora do gênero Schistosoma. Microexons individuais já foram reportados em genes de organismos modelo e do ser humano, normalmente atuando como um hotspot de splicing alternativo, porém nestes casos apenas um único microexon por gene fora reportado. Com este pano de fundo, fizemos o seguinte questionamento: existem genes com arquitetura similar (ou seja, múltiplos microexons em tandem) em outros organismos? Desenvolvemos uma heurística capaz de detectar genes com a arquitetura dos MEGs e a aplicamos no transcritoma de S. mansoni e, além de detectar os MEGs originais, detectamos 31 novos genes. Este pipeline foi aplicado a uma coleção de anotações de genomas e detectou 494 genes distribuídos entre 125 organismos (incluindo animais, plantas, fungos e alguns eucariotos unicelulares). Microexon genes (MEGs) have an unusual architecture, composed predominantly by four or more very small tandemly disposed symmetric exons (microexons 36 bp, with exon sizes multiple of 3). They were first described in 2009 in the parasitic platyhelminth Schistosoma mansoni (etiologic agent of schistosomiasis). Some of those genes display evidence (by transcriptomics and proteomics) of generating variable protein isoforms through alternative splicing. MEGs have no homologs outside the Schistosoma genus. The presence of individual microexons has also been reported in genes of model organisms and humans, usually as a hotspot of alternative splicing, but in those cases only a single microexon per gene was observed. Within this background, we asked the following question: are there genes with similar architecture (i.e., with multiple internal microexons in tandem) in other organisms? We developed a pipeline to detect genes with the architecture of S. mansoni MEGs, applied it to an updated transcriptome mapping of the S. mansoni genome and successfully detected the original MEGs and 31 new genes. This pipeline could be applied to the collection of public data from genome annotations of other species to eventually detect new genes with multiple tandem microexons.

O câncer configura uma das maiores causas de mortalidade no mundo, caracterizando-se como uma doença complexa orquestrada por alterações genômicas e epigenômicas capazes de alterar a expressão gênica e a identidade celular. Nova evidência obtida por meio de um estudo genômico em larga escala e cujos dados encontram-se disponíveis no banco público do TCGA sugere que um em cada dez pacientes portadores de câncer pode ser classificado com maior eficácia tendo como base a taxonomia molecular quando comparada à histologia. Dessa maneira, nós hipotetizamos que o estabelecimento de mapas genômicos exibindo a localização de sítios de ligação de fatores de transcrição combinada à identificação de regiões diferencialmente metiladas e perfis alterados de expressão gênica possa nos auxiliar a caracterizar e explorar, ao nível molecular, fenótipos associados ao câncer. Avanços tecnológicos e bancos de dados públicos a exemplo do The Cancer Genome Atlas (TCGA), The Encyclopedia of DNA Elements (ENCODE) e o NIH Roadmap Epigenomics Mapping Consortium (Roadmap) têm proporcionado um recurso inestimável para interrogar o (epi)genoma de linhagens de células tumorais em cultura, bem como de tecidos normais e tumorais em alta resolução. Todavia, a informação biológica encontra-se armazenada em diferentes formatos e não há ferramentas computacionais para integrar esses dados, evidenciando um cenário atual que requer, com urgência, o desenvolvimento de ferramentas de bioinformática e softwares capazes de direcionar a solução deste obstáculo. Nesse contexto, o objetivo principal deste estudo consiste em implementar o desenvolvimento de ferramentas de bioinformática, na linguagem de programação R que, ao final do estudo, será submetido à comunidade científica do projeto Bioconductor sob a licença de código aberto GNU GPL versão 3. Além disso, ajudaremos nossos colaboradores com o aperfeiçoamento do ELMER, um pacote R/Bioconductor que identifica elementos reguladores usando dados de expressão gênica, de metilação do DNA e análise de motivo. Nossa expectativa é que essas ferramentas possam automatizar com acurácia a pesquisa, o download e a análise dos dados (epi)genômicos que se encontram atualmente disponíveis nas bases de dados públicas dos consórcios internacionais TCGA, ENCODE e Roadmap, além de integrá-los facilmente aos dados genômicos e epigenômicos gerados por pesquisadores por meio de experimentos em larga escala. Além disso, realizaremos também o processamento e a análise manual dos dados que serão automatizados pelas ferramentas, visando validar sua capacidade em descobrir assinaturas epigenômicas que possam redefinir subtipos de câncer. Por xi fim, as usaremos para investigar as diferenças moleculares entre dois subgrupos de gliomas recentemente descobertos por nosso laboratório. Cancer, which is one of the major causes of mortality worldwide, is a complex disease orchestrated by aberrant genomic and epigenomic changes that can modify gene regulatory circuits and cellular identity. Emerging evidence obtained through high-throughput genomic data deposited within the public TCGA international consortium suggests that one in ten cancer patients would be more accurately classified by molecular taxonomy versus histology. Therefore, we have hypothesized that the establishment of genome-wide maps of the de novo DNA binding motifs localization coupled with differentially methylated regions and gene expression changes might help to characterize and exploit cancer phenotypes at the molecular level. Technological advances and public databases like The Cancer Genome Atlas (TCGA), The Encyclopedia of DNA Elements (ENCODE), and The NIH Roadmap Epigenomics Mapping Consortium (roadmap) have provided unprecedented opportunities to interrogate the epigenome of cultured cancer cell lines as well as normal and tumor tissues with high resolution. Markedly however, biological information is stored in different formats and there is no current tool to integrate the data, highlighting an urgent need to develop bioinformatic tools and/or computational softwares to overcome this challenge. In this context, the main purpose of this study is the development of bioinformatics tools in R programming language that will be submitted to the larger open-source Bioconductor community project under the GNU GPL3 (General Public License version 3). Also, we will help our collaborators improve of the R/Bioconductor ELMER package that identifies regulatory enhancers using gene expression, DNA methylation data and motif analysis. Our expectation is that these tools can effectively automate search, retrieve, and analyze the vast (epi)genomic data currently available from TCGA, ENCODE, and Roadmap, and integrate genomics and epigenomics features with researchers own high-throughput data. Furthermore, we will also navigate through these data manually in order to validate the capacity of these tools in discovering epigenomic signatures able to redefine subtypes of cancer. Finally, we will use them to investigate the molecular differences between two subgroups of gliomas, one of the most aggressive primary brain cancer, recently discovered by our laboratory.

The human microbiome - defined as the microbial communities that live in and on our bodies - is emerging as a key factor in human diseases. The expanding research field that investigates the role of the microbiome on human cancer development, termed oncobiome, has led to important discoveries such as the role of Fusobacterium nucleatum in colorectal cancer carcinogenesis and tumor progression. Motivated by these discoveries, this thesis studied the oncobiome from different perspectives, investigating whether alterations to microbial profiles were associated with disease status or an adverse response to treatment. We used both biopsy tissue samples and 16S rRNA amplicon sequencing (N = 36), as well as privately and publicly available fecal whole metagenomes (N = 764) to investigate microbiome-colorectal cancer (CRC) associations. We observed significant increases in species richness in CRC, regardless of sample type or methodology, which was partially due to expansions of species typically from the oral cavity, as well as an overabundance of specific taxa such as Bacteroides fragilis, Fusobacterium, Desulfovibrio and Bilophila in CRC. Functional potential analysis of CRC metagenomes revealed that the choline trimethylamine-lyase (cutC) gene was over-abundant in CRC, with the strength of association dependent on four identified sequence variants, pointing at a novel potential mechanism of CRC carcinogenesis. Predictive microbiome signatures trained on the combination of multiple datasets showed very high and consistent performances on distinct cohorts (average AUC 0.83, minimum 0.81). To investigate the microbiomes role in response to treatment, we profiled microbial communities of gastric wash samples in gastric cancer patients (N = 36) before and after neoadjuvant chemotherapy through 16S rRNA amplicon sequencing. Gastric wash microbial communities presented remarkably high inter-individual variation, with significant decreases in richness and phylogenetic diversity after treatment and associations with pH, pathological response and sample collection. The most abundant genera found in patients before or after chemotherapy treatment included Streptococcus, Prevotella, Rothia and Veillonella. Despite limitations inherent to differing experimental choices, this thesis provides microbiome signatures that can be the basis for clinical prognostic tests and hypothesis-driven mechanistic studies, as well as supporting the role of the human oral microbiome in whole-body diseases. O microbioma humano - definido como as comunidades microbianas que vivem sobre e dentro do corpo humano - está se tornando um fator cada vez mais importante em doenças humanas. O campo de estudo que investiga o papel do microbioma no desenvolvimento do câncer humano, denominado oncobioma, está crescendo e já levou a importantes descobertas como o papel da espécie Fusobacterium nucleatum na carcinogênese e progressão tumoral de tumores colorretais. Motivado por estas descobertas, esta tese de doutorado analisou o oncobioma por diferentes perspectivas, investigando se alterações nos perfis microbianos estavam associados à presença da doença ou a uma resposta adversa ao tratamento. Usamos tanto amostras de tecidos de biópsias e o sequenciamento do gene 16S rRNA (N = 36), quanto metagenomas fecais públicos e privados (N = 764), para investigar associações entre o microbioma e o câncer colorretal (CCR). Observamos um aumento significativo da riqueza microbiana no CCR, independentemente do tipo da amostra ou metodologia, que era em parte, devido ao aumento de espécies tipicamente presentes na cavidade oral. Observamos também um aumento da abundância de táxons específicos no CCR, que incluíam Bacteroides fragilis, Fusobacterium, Desulfovibrio e Bilophila. Analisando o potencial funcional dos metagenomas, encontramos um aumento significativo da enzima liase colina trimetilamina (cutC) no CCR, cuja associação era dependente de 4 variantes de sequência, demonstrando ser um possível novo mecanismo de carcinogênese no CCR. Assinaturas preditivas do microbioma treinadas na combinação dos estudos demonstraram ser altamente preditivas e consistentes nos diferentes estudos (média de AUC 0.83, mínimo de 0.81). Para investigar o possível papel do microbioma na resposta ao tratamento, analisamos os perfis microbianos do suco gástrico de pacientes com câncer gástrico (N = 36) antes e depois do tratamento quimioterápico neoadjuvante. As comunidades microbianas apresentaram uma variabilidade inter-individual notavelmente grande, com diminuições significativas na riqueza e diversidade filogenética pós tratamento, além de estarem associadas principalmente ao pH, mas também à resposta patológica e ao tempo da coleta. Os gêneros mais abundantes encontrados nos pacientes antes ou depois da quimioterapia incluíam Streptococcus, Prevotella, Rothia e Veillonella. Apesar das limitações inerentes às escolhas experimentais, esta tese proporciona assinaturas do microbioma que podem servir de base para testes clínicos prognósticos e estudos mecanísticos, além de dar mais suporte ao papel do microbioma oral em doenças humanas.

O Rio Tietê e o rio mais importante do Estado de São Paulo e um dois mais poluídos do Brasil. No seu percurso ele recebe altas concentrações de poluentes orgânicos e industriais que podem alterar as comunidades microbianas autóctones. Uma análise dos perfis metagenômicos realizada em pontos do Rio Tietê com diferentes qualidades de água, permitiu observar a influencia dos parâmetros ambientais na composição e funcionamento das comunidades microbianas presentes no rio. Locais eutróficos mostraram prevalência de micro-organismos e funções associadas à heterotrofia. Em contrapartida, nos locais oligotróficos foram detectadas comunidades microbianas e funções relacionadas a metabolismos autótrofos e litótrofos. Foi visto também que as pressões ambientais podem promover a aquisição, por parte dos micro-organimos, de características que lhes permitam sobreviver às condições ambientais adversas, como a tolerância a metais tóxicos. The Tietê River is the most important river of the State of São Paulo, in the southeastern of Brazil; it is also one of the most contaminated rivers of the country. On its watercourse, the river receives large amounts of anthropogenic and industrial pollutants that can alter the environmental conditions of the water, leading to possible shifts in the microbial diversity. Metagenomic profiles of river locations with different water qualities showed taxonomic and functional differences related to the sampling site and water quality. Eutrophic sites showed prevalence of microorganisms and functions associated with heterotrophy, in contrast, in oligotrophic sites were detected microbial communities and functions related to autotrophic and litotrophic metabolisms. Also was observed, that environmental pressures can promote the acquisition of characteristics that allow the local microorganism to survive to adverse environmental conditions, such as tolerance to toxic metals.

Metagenômica é a técnica que permite analisar os genomas de microorganismos que habitam determinados nichos do ambiente sem a necessidade de isolar e cultivar cada um separadamente. Ao conjunto de microorganismos que habita um determinado nicho se dá o nome de microbi- oma. Análises do perfil da diversidade taxonômica e funcional de comunidades microbianas em microbiomas são comuns em estudos de metagenômica. No entanto, atualmente as plata- formas de uso geral (como MG-RAST e IMG/M) tendem a separar as análises baseadas em reads (sequências não montadas) das baseadas em contigs (sequências montadas), isto dificulta as análises destes dados. Motivado por esta separação, desenvolvemos uma plataforma web, batizada de CARAVELA, que facilita a conexão entre os resultados de análises de diversidade taxonômica e funcional baseadas em reads e contigs respectivamente. Uma das principais fun- ções da plataforma CARAVELA é associar a identificação taxonômica de cada read com o contig que este read faz parte e, anotações funcionais do contig, quando existirem. Essa função deve permitir a rápida identificação de contigs potencialmente quiméricos bem como contigs taxonomicamente bem resolvidos. Também é possvel fazer buscas, tais como: listar todos os contigs que tenham um ou mais reads classificados como Pseudoxanthomonas suwonensis em sua composição e ainda, é possvel navegar nos contigs de maneira similar a navegadores de metagenomas tradicionais. Podem ser utilizados como arquivos de entrada a sada de outros programas, desde que o formato atenda certos padrões. A plataforma CARAVELA foi desenvol- vida com Java, HTML, CSS, Javascript e Mysql, e com o fim de testar a ferramenta, utilizamos o conjunto de dados metagnômicos obtidos a partir da operação de compostagem do Parque Zoológico de São Paulo. The taxonomic diversity analysis (read-based) and functional analysis (contig / gene-based) from metagenomic studies usually generate information that is complementary. However, the tools that produce gene annotations (eg IMG / M) and taxonomic assignments (eg MyTaxa) do not allow easy integration of these results. Motivated by this split, we are develop a web platform called Caravela to facilitate the integration, search and visualization of information provided by read-based analyzes and contig / gene-based analyzes. The tool is able to display the list of contigs and for each contig, it displays annotated genes, reads participating in its composition and rate associated with each read (when such association exists). Such a capability enable manual / automated curation of assembly as well as taxonomic assignments (detection of possible mis-assignments). The platform able to accept output files from a variety of tools, as long as the file formats follow certain standards. The tests was performed on a dataset of metagenomic reads obtained from the composting operation of the São Paulo Zoological Park. The tool was implemented using Java technology, HTML, CSS and Javascript. Information was stored in a MySQL database.

O advento do sequenciamento de nova geração (NGS - Next Generation Sequencing) nos últimos anos proporcionou um aumento expressivo no número de projetos genômicos. De maneira simplificada, as máquinas sequenciadoras geram como resultado fragmentos de DNA que são utilizados por programas montadores de genoma. Esses programas tentam juntar os fragmentos de DNA de modo a obter a representação completa da sequência genômica (por exemplo um cromossomo) da espécie sendo sequenciada. Em alguns casos o processo de montagem pode ser executado com maior facilidade para organismos com genomas de tamanhos pequenos (por exemplo bactérias com genoma em torno de 5Mpb), através de pipelines que automatizam a maior parte da tarefa. Um cenário mais complicado surge quando a espécie possui genoma com grande comprimento (acima de 1Gpb) e elementos repetidos, como no caso de alguns eucariotos. Nesses casos o resultado da montagem é geralmente composto por milhares de fragmentos (chamados de contigs), uma ordem de magnitude muito superior ao número de cromossomos estimado para um organismo (comumente da ordem de dois dígitos), dando origem a uma montagem altamente fragmentada. Uma atividade comum nesses projetos é a comparação da montagem com a de outro genoma como forma de validação e também para identificação de regiões conservadas entre os organismos. Embora o problema de alinhamento par-a-par de genomas grandes seja bem contornado por abordagens existentes, o alinhamento múltiplo (AM) de genomas grandes em estado fragmentado ainda é uma tarefa de difícil resolução, por demandar alto custo computacional e grande quantidade de tempo. Este trabalho consiste em uma metologia para fazer alinhamento múltiplo de genomas grandes de eucariotos com montagens altamente fragmentadas. Nossa implementação, baseada em alinhamento estrela, se mostrou capaz de fazer AM de grupos de montagens com diversos níveis de fragmentação. O maior deles, um conjunto de 5 genomas de répteis, levou 14 horas de processamento para fornecer um mapa de regiões conservadas entre as espécies. O algoritmo foi implementado em um software que batizamos de FROG (FRagment Overlap multiple Genome alignment), de código aberto e disponível sob licença GPLv3. The advent of Next Generation Sequencing (NGS) in recent years has led to an expressive increase in the number of genomic projects. In a simplified way, sequencing machines generate DNA fragments that are used by genome assembler software. These programs try to merge the DNA fragments to obtain the complete representation of the genomic sequence (for example a chromosome) of the species being sequenced. In some cases the assembling process can be performed more easily for organisms with small-sized genomes (e.g. bacteria with a genome length of approximately 5Mpb) through pipelines that automate most of the task. A trickier scenario arises when the species has a very large genome (above 1Gbp) and complex elements, as in the case of some eukaryotes. In those cases the result of the assembly is usually composed of thousands of fragments (called contigs), an order of magnitude much higher than the number of chromosomes estimated for an organism (usually in the order two digits), giving rise to a highly fragmented assembly. A common activity in these projects is the comparison of the assembly with that of another genome as a form of validation and also to identify common elements between organisms. Although the problem of pairwise alignment of large genomes is well circumvented by existing approaches, multiple alignment of large genomes with highly fragmented assemblies remains a difficult task due to its time and computational requirements. This work consists of a methodology for doing multiple alignment of large eukaryotic genomes with highly fragmented assemblies, a problem that few solutions are able to cope with. Our star alignment-based implementation, was able to accomplish a MSA of groups of assemblies with different levels of fragmentation. The largest of them, a set of 5 reptilian genomes where the B. jararaca assembly (800,000 contigs, N50 of 3.1Kbp) was used as anchor, took 14 hours of execution time to provide a map of conserved regions among the participating species. The algorithm was implemented in a software named FROG (FRagment Overlap multiple Genome alignment), available under the General Public License v3 (GPLv3) terms.

A cana-de-açúcar (Saccharum spp.) é uma das principais gramíneas cultivadas do mundo e o Brasil é seu maior produtor, ela se tornou uma importante cultura devido às altas taxas de assimilação de carbono permitindo a síntese e acumulação de grandes quantidades de sacarose em seus entrenós. Com isso, faz-se necessário uma melhor compreensão dos mecanismos moleculares que regulam o acúmulo de sacarose nesta planta. Tais mecanismos têm sido estudados em vários níveis, tais como, identificação e localização de genes, identificação de lócus controladores de características quantitativas, transcriptoma, proteôma, caracterização e identificação de metabólitos. Com todos esses estudos é evidente a necessidade de uma abordagem holística para o entendimento global da planta durante o acúmulo de sacarose. Assim este trabalho teve por objetivo integrar dados de metabolômica e proteômica de tecidos da cana-de-açúcar da variedade SP80-3280 durante o desenvolvimento e o acúmulo de sacarose, utilizando a bioinformática para unir esses resultados por meio da análise de correlação canônica regularizada em uma abordagem de biologia sistêmica. Os resultados obtidos indicam diferenças no perfil metabólico e proteico da cana-açúcar durante o desenvolvimento e acúmulo de sacarose. Foram propostas classes de metabólitos que podem estar relacionados com o acúmulo de sacarose na cana-de-açúcar tais como glicerolipídeos, glicerofosfolipídeos, cumarinas e derivados, esteroides e derivados de esteroides e acil graxos. Também foram propostas proteínas que podem estar relacionadas com o acúmulo de sacarose, onde as histonas foram as que mais se destacaram. Nas redes biológicas de correlações também foram observadas correlações entre possíveis metabólitos e proteínas que podem estar correlacionadas com o acúmulo de sacarose na cana-de-açúcar Sugarcane (Saccharum spp.) is one of the most important cultivated grasses of the world and Brazil is the largest producer, it has become an important crop due to high carbon assimilation rates allowing the synthesis and accumulation of large amounts of sucrose in their internodes. Thus, it is necessary a high understanding of the molecular mechanisms involved in the regulation of sucrose accumulation in this plant. These mechanisms have been studied at various levels, such as gene identification and localization, identification of quantitative trait locus controlling, transcriptome, proteome, characterization and metabolites identification. With all these studies is evident the necessity for a holistic approach to global understanding of the plant during the sucrose accumulation. Thus, this work aims to integrate metabolomics and proteomics data from tissues of sugarcane variety SP80-3280, during plant development and sucrose accumulation, using bioinformatics to link these results by regularized canonical correlation analysis in a systems biology approach. The results indicate differences in the metabolic and protein profile of sugarcane during development and sucrose accumulation. Metabolites classes have been proposed that may be related to sugarcane sucrose accumulation as glycerolipids, glycerophospholipids, coumarins and derivatives, steroids and steroid derivatives and fatty acyl. In addition, some proteins have been proposed that may be related to sucrose accumulation, where the most highlighted were the histones. In the biological correlations networks, have been also observed correlations between possible metabolites and proteins that can be correlated with the accumulation of sucrose in sugarcane

Angiogênese é o processo de formação de novos vasos sanguíneos a partir dos vasos existentes. É um processo vital, mas muitas doenças também dependem deste mecanismo para obter nutrientes e progredir. Estas \"doenças dependentes de angiogênese\" incluem cânceres, retinopatias e degeneração macular. Alguns inibidores da angiogênese foram desenvolvidos na última década, com o objetivo de auxiliar no manejo dessas doenças e melhorar a qualidade de vida dos pacientes. A maioria destes compostos funciona inibindo a ligação de VEGFA/VEGFR2, que também é um elemento importante para a sobrevivência de células endoteliais quiescentes; e isso pode explicar parcialmente eventos adversos observados em alguns ensaios clínicos. Nossa hipótese é que a melhoria das terapias anti-angiogênicas depende de uma compreensão melhor e mais ampla desse processo, especialmente quando relacionada à progressão das doenças. Utilizando RNA-Seq e um modelo animal bem aceito de angiogênese, o modelo murino de Retinopatia Induzida por Oxigênio, exploramos o transcritoma e identificamos 153 genes diferencialmente expressos durante a angiogênese. Uma extensiva validação de vários genes realizada por qRT-PCR e hibridização in-situ confirmou a superexpressão de Esm1 em células endoteliais de tecidos com angiogênese ativa. A análise de enriquecimento desta lista de genes confirmou a ligação da angiogênese com genes frequentemente mutados em tumores, consistente com a conhecida ligação entre câncer e angiogênese, e forneceu sugestões de fármacos já aprovados que podem ser reutilizados para controlar a angiogênese em circunstâncias patológicas. Finalmente, com base neste panorama amplo da angiogênese, fomos capazes de criar um biomarcador molecular com poder prognóstico para a predição da recidiva de câncer de mama, com aplicações clínicas promissoras. Em resumo, este trabalho revelou com sucesso genes relacionados à angiogênese e forneceu novas alternativas terapêuticas, incluindo potenciais fármacos para reposicionamento. Esse conjunto de genes diferencialmente expressos é também um recurso valioso para investigações futuras. Angiogenesis is the process of formation of new blood vessels based on existing vessels. It is a vital process but many diseases also rely on this mechanism to get nourishment and progress. These so called angiogenesis-dependent diseases include cancers, retinopathies and macular degeneration. Some angiogenesis inhibitors were developed in the past decade, aiming to help the management of such diseases and improve patients quality of life. Most of these compounds work by inhibiting VEGFA/VEGFR2 binding, which is also a key element to the survival of quiescent endothelial cells; this may partly explain unanticipated adverse events observed in some clinical trials. We hypothesize that the improvement of anti-angiogenesis therapies hinges on a better and broader understanding of the process, especially when related to diseases\' progression. Using RNA-seq and a well accepted animal model of angiogenesis, the murine model of Oxygen Induced Retinopathy, we have explored the transcriptome landscape and identified 153 genes differentially expressed in angiogenesis. An extensive validation of several genes carried out by qRT-PCR and in-situ hybridization confirmed Esm1 overexpression in endothelial cells of tissues with active angiogenesis, providing confidence on the results obtained. Enrichment analysis of this gene list endorsed a narrow link of angiogenesis and frequently mutated genes in tumours, consistent with the known connection between cancer and angiogenesis, and provided suggestions of already approved drugs that may be repurposed to control angiogenesis under pathological circumstances. Finally, based on this comprehensive landscape of angiogenesis, we were able to create a prognostic molecular biomarker for prediction of breast cancer relapse, with promising clinical applications. In summary, this work successfully unveiled angiogenesis-related genes, providing novel therapeutic alternatives, including potential drugs for repositioning. The set of differentially expressed genes is also a valuable resource for further investigations.

Este trabalho teve como objetivo analisar, através de uma abordagem metagenômica/computacional, a variação do conteúdo gênico e do potencial metabólico das comunidades microbianas associadas a dois ambientes da Fundação Parque Zoológico de São Paulo: um reservatório artificial, o Lago São Francisco e o sistema de compostagem de resíduos do parque. Para o estudo do primeiro ambiente, amostras foram coletadas mensalmente no Lago São Francisco de outubro de 2012 a setembro de 2013 e submetidas ao sequenciamento metagenômico. Esse estudo mostrou que agrupamentos de amostras de uma mesma estação são estatisticamente suportados. As coocorrências de espécies, com suporte estatístico alto, foram estabelecidas e representadas em uma rede separada em 60 grupos ou módulos. A maioria dos grandes módulos foram formados quase exclusivamente por espécies do mesmo filo, indicando possíveis mecanismos de resposta a fatores ambientais e à presença de nutrientes ao invés da pura interação entre espécies. Os fatores que levaram à variação dos táxons também influenciaram o potencial metabólico da comunidade: embora os módulos metabólicos de forma geral estivessem distribuídos ao longo dos meses, alguns se destacaram pela variação intensa, principalmente na amostra de novembro de 2012. Para o estudo do segundo ambiente, foram analisados dois conjuntos de dados de sequenciamento metagenômico gerados a partir de amostras seriadas coletadas ao longo do processo de compostagem. Nos dias iniciais do processo de compostagem, os mais discrepantes, houve uma super-representação de módulos metabólicos relacionados principalmente ao metabolismo de carboidratos e à síntese de aminoácidos. Em conjunto, os dados obtidos nesse estudo indicaram uma comunidade microbiana com potencial metabólico variando direcionalmente em função dos compostos inicialmente presentes ou oriundos do substrato, em função da presença de oxigênio e em função da etapa do processo. This project aimed to analyze, through a computational approach, the change of gene content and metabolic potential in metagenomes from two microbiomes from São Paulo Zoo Park Foundation: an artificial reservoir, Lake São Francisco, and the compost systems in the park. For the study on the first microbiome, samples were monthly collected in Lake São Francisco from October 2012 to September 2013 and submitted to metagenomic sequencing. This study showed that clustering of the samples from a same season is statistically supported. The species co-occorrences, with high statistical support, were established and represented in a network composed by 60 groups or modules. The most biggest modules were formed almost exclusively by species of the same phylum, pointing possible response mechanisms to environmental factors and to presence of nutrients instead of the simple species interaction. The factors which leaded to taxa variation also influenced the metabolic potential of the community: although the metabolic modules generally are spreaded through the months, some highlighted because the intense variation, mainly in the sample from November 2012. For the latter environment, two metagenomic datasets were analyzed from serial samples collected throughout the composting process. In the initial days of composting process, the most discrepant, there was an uprepresentation of metabolic modules related to carbohydrates metabolism and amino acids synthesis. All data in this study indicated a microbial community with metabolic potential varying according to nutrientes, oxygen presence and process stage.

Duplicação genica é uma das principais forças levando a evolução dos genomas eucarioto. O impacto de duplicações gênicas/genômicas vem sendo investigado a muito tempo em humanos e outros primatas. Um segundo mecanismo de duplicação gênica, a retrotransposição baseada em RNA maduros, vem sendo menos estudada devido ao seu potencial menor de gerar cópias funcionais. No entanto, recentemente, publicações descreveram retrocópias funcionais em humanos, roedores e mosca de fruta. Nesta tese, para investigar sobre retrocópias causando variabilidade genética no genoma de primatas, nós desenvolvemos a implementamos os métodos para detectar estas inserções. Utilizando nove genomas e transcriptomas publicamente disponíveis (sete primatas e dois roedores) nós confirmamos um número similar, porém, com origem independente, de retrocópias em primatas e roedores. Nós também encontramos um enriquecimento de retrocópias no genoma de Platyrrhini, possivelmente explicado pela expansão de L1PA7 e L1P3 nestes genomas. Posteriormente, nós analisamos a ortologia de retrocópias no genoma de primatas e encontramos 127 eventos específicos à linhagem humana. Nós também exploramos dados do projeto 1000 Genomes para detectar retrocópias polimórficas (retroCNVs germinativos) e encontramos 17 eventos, presentes no genoma referência humano, mas ausentes em mais de um indivíduo. Similarmente, nós investigamos novas retroduplicações de mRNAs no genoma humano, detectando 21 eventos ausentes do genoma referência. Finalmente, investigamos a existência de retroCNVs somáticos e descrevemos sete possíveis retrocópias somáticas. Apesar de sua possível insignificância, nós encontramos que algumas retrocópias compartilhadas entre todos os primatas, espécie específicas, e polimórficas podem ser expressas per se ou como transcritos quiméricos com genes hospedeiros. Sobretudo, nós encontramos que retrocópias são um fator importante da variabilidade genética inter-espécie, intra-espécie e intra-indivíduo e podem estar influenciando a evolução de mamíferos ao criar reservatórios de duplicações potencialmente funcionais. Gene duplication is a major driving force of evolution in eukaryotic genome. The impact of gene/genomic duplication has long been investigated in human and other primates. A second mechanism of gene duplication, retrotransposition, which is based on mature RNA, has been traditionally less studied due to their lower potential to generate functional copies. Recently, however, publications described functional retrocopies in humans, murines and drosophila. Here, to gain insights of the genetic variability arising from retrocopies on primate genomes, we developed and implemented the methods to detect these insertions. Using nine publicly available reference genomes and transcriptomes (seven primates and two rodents) we described a similar number independently arisen retrocopies in primates and rodents. We also found an enrichment of retrocopies in Platyrhinni genomes, putatively explained by the expansion of L1PA7 and L1P3 in these genomes. Next, we evaluated the orthology of retrocopies in primate genomes and found 127 events specific to human lineage. We also explored 1000 Genomes Project data to detect polymorphic events (germinative retroCNVs) on human populations and found 17 events, present on the reference genome, absent in more than one individual. Conversely, we also investigated new insertions of mRNA retroduplications in the human genome, detecting 21 events absent to the human reference genome. Finally, we evaluated the existence of somatic retroCNVs and described seven putative somatic retrocopies. Despite their putative insignificance, we found that some of these shared, specie-specific and polymorphic events may be expressed per se and as chimeric transcripts within host genes. Taken together, we found that retrocopies are a great factor of genetic variation interspecie, intraspecie e intraindividual and may be affecting mammal evolution by creating reservoirs of potentially functional duplications

Elementos transponíveis (TEs) são sequências de DNA que possuem a capacidade de transposição no genoma hospedeiro. O principal objetivo deste trabalho reside na investigação em torno de possíveis contribuições de TEs nos genomas das algas C. reinhardtii e V. carteri, mais especificamente, na arquitetura dos genes ortólogos nestas espécies. Neste contexto, análises em sílico em larga escala foram realizadas, buscando-se identificar associações entre TEs e os genes ortólogos. Os resultados indicaram que os genes em C. reinhardtii tendem a acumular mais cópias de TEs em relação aos seus ortólogos em V. carteri. C. reinhardtii apresentou maior densidade de cópias de TEs para as regiões flanqueadora 5´ , flanqueadora 3´ e intrônica quando comparada a V. carteri; o inverso foi verificado quando analisada a densidade de TEs nas regiões codificantes. Análises para apurar a distribuição dos elementos em regiões intergênicas e intragênicas foram estabelecidas, nas quais a frequência observada dos elementos foi comparada à frequência esperada segundo a distribuição randômica de TEs no genoma, simulada computacionalmente. Foram constatadas regiões em que a presença dos elementos encontra-se significativamente abaixo do esperado, a exemplo de intervalos adjacentes ao início e ao término dos genes, o que provavelmente reflete a seleção negativa de eventos de integração nestas delimitações, em virtude dos efeitos deletérios associados à disrupção de estruturas de regulação da expressão gênica. De forma geral, nas regiões flanqueadoras 5´ e 3´, foi identificada a tendência de elevação da frequência padronizada de TEs à medida que a classe de distância avaliada se distancia do início e do término do gene, respectivamente. A baixa representatividade dos elementos também foi constatada em regiões intragênicas. O estudo da distribuição de TEs nos íntrons dos genes ortólogos indicou a preservação destas regiões quanto à fixação de TEs, sendo a representatividade abaixo do esperado mais evidente em intervalos adjacentes ao éxon, o que minimiza a chance de ruptura no padrão de splicing dos genes. Em sequências codificantes, a escassez de TEs - esperada devido ao provável efeito deletério destes eventos para a função do gene - foi constatada nos ortólogos das duas espécies. No entanto, inovações decorrentes da integração dos elementos em regiões codificantes podem resultar em efeitos evolutivos positivos, embora estes eventos sejam raros. Nas espécies analisadas foram identificados dois casos, de especial interesse, em que um domínio da sequência peptídica encontra-se localizado em região derivada de TE: o primeiro refere-se ao gene Cre06.g262800, em C. reinhardtii, no qual foi identificado o domínio PHD-finger associadao ao elemento Gypsy-5-LTR_CR; o segundo remete ao gene Vocar20001092m.g, em V. carteri, no qual o domínio zinc knuckle foi reconhecido em região derivada do elemento Gypsy3-LTR_VC. Estes genes constituem exemplos da contribuição de TEs na evolução de sequências codificadoras nas espécies C. reinhardtii e V. carteri, corroborando a hipótese de que os TEs podem contribuir na evolução da arquitetura dos genes, apesar do efeito disruptivo inerente à integração dos mesmos em regiões gênicas. Transposable elements (TEs) are DNA sequences able to transpose in the host genome. The aim of this study resides in the investigation of TEs contributions in the algae C. reinhardtii and V. carteri genomes, more specifically in the architecture of orthologous genes in these species. In this context, large scale in silico analysis were performed to identify associations between TEs and orthologous genes. The results indicated that genes in the C. reinhardtii specie tend to accumulate more TEs copies than orthologous genes in V. carteri. C. reinhardtii showed higher density of TEs copies in the 5´ flanking, 3´ flanking and intronic regions when compared to V. carteri; the opposite was observed in coding regions. Investigation of the elements distribution in the intergenic and intragenic regions was performed, in which the observed TE frequency was compared to expected TE frequency from the simulated random distribution of the elements in the genome. It was verified regions where TE frequency was significantly lower than expected, as in gene boundaries adjacencies, probably reflecting a negative selection of the TE integration events in these delimitations due to deleterious effects associated with disruption of gene regulatory structures. In general terms, it was observed an increasing standardized frequency in the 5´ and 3´ flanking regions as the distance from gene start and gene end, respectively, increases. TEs underrepresentation was also verified in the intragenic regions. The study of TEs distribution in the introns of orthologous genes revealed the preservation of these structures in relation to TEs fixation, with a stronger underrepresentation near exon, which minimizes the chance of gene splicing pattern disruption. In the coding sequences, the TEs scarcity - expected due the likely deleterious effects to gene function - was verified in the orthologous of both species. However, in rare instances, innovations mediated by TEs integration in the coding regions can lead to positive evolutionary effects. In the species analyzed two instances of particular interest were observed, in which the domain of peptide sequence is located in the region derived from TE. The first one refers to the Cre06.g262800 gene, in the C. reinhardtii specie, which has a PHD-finger domain associated with Gypsy-5-LTR_CR element. The second one refers to the Vocar20001092m.g gene, in V. carteri, in which the zinc knuckle was recognized in region derived from Gypsy3-LTR_VC element. These genes are examples of TEs contributions in the evolution of coding sequences in the C. reinhardtii and V. carteri species, corroborating the hypothesis that TEs can contribute to the evolution of gene architecture, despite the inherent disruptive effect in their integration in the gene regions.

Xylella fastidiosa é uma bactéria gram-negativa, não flagelada, agente causal de doenças de importância econômica como a doença de Pierce nas videiras e a clorose variegada dos citros (CVC) nas laranjeiras. O objetivo do presente trabalho foi realizar análises in silico das sequências promotoras dos genes deste fitopatógeno em uma tentativa de arrecadar novas evidências para o melhor entendimento da dinâmica de regulação transcricional de seus genes, incluindo aqueles envolvidos em mecanismos de patogenicidade e virulência. Para tanto, duas estratégias foram utilizadas para predição de elementos cis-regulatórios em regiões promotoras do genoma da cepa referência 9a5c, comprovadamente associada à CVC. A primeira, conhecida como phylogenetic footprinting, foi empregada para identificação de elementos regulatórios conservados em promotores de unidades transcricionais ortólogas, levando em consideração o conjunto de genes de X. fastidiosa e 7 espécies comparativas. O critério para identificação de unidades transcricionais ortólogas, isto é, unidades trancricionais oriundas de espécies distintas e cujos promotores compartilham elementos cis-regulatórios, foi paralelamente estudado utilizando-se informações regulatórias das bactérias modelos: Pseudomonas aeruginosa, Bacillus subtilis e Escherichia coli. Os resultados obtidos com análise de phylogenetic footprinting nos permitiu acessar a rede regulatória transcricional da espécie de forma compreensiva (global). Foram estabelecidas 2990 interações regulatórias, compreendendo 80 motivos distribuídos nos promotores de 56.8% das unidades transcricionais do genoma de X. fastidiosa. Na segunda estratégia recuperamos informações regulatórias experimentalmente validadas em E. coli e complementamos o conhecimento de dez regulons de X. fastidiosa, através de uma metodologia de scanning (varredura), dos quais algumas interações regulatórias já haviam sido previamente descritas por outros trabalhos. Destacamos os regulons de Fur e CRP, reguladores transcricionais globais, que se mostraram responsáveis pela modulação de genes relacionados a mecanismos de invasão e colonização do hospedeiro vegetal entre outros. Por fim, análises comparativas em regiões regulatórias correspondentes entre cepas foram realizadas e diferenças possivelmente associadas a particularidades fenotípicas foram identificadas entre 9a5c e J1a12, um isolado de citros não virulento, e 9a5c e Temecula1, um isolado de videira causador da doença de Pierce. Xylella fastidiosa is a gram-negative, non-flagellated bacterium responsible for causing economically important diseases such as Pierce\'s disease in grapevines and Citrus Variegated Clorosis (CVC) in sweet orange trees. In the present work we performed in silico analysis on promoter sequences of protein-coding genes from this phytopathogen, including those involved in virulence and pathogenic mechanisms, in an attempt to better understand the underlying transcriptional regulatory dynamics. Two strategies for cis-regulatory elements prediction were applied on promoter sequences from 9a5c strain genome, a proven causal agent of CVC. The first one, known as phylogenetic footprinting, involved the prediction of regulatory motifs conserved on promoter sequences of orthologous transcription units from X. fastidiosa and a set of 7 comparatives species. The criteria to identify orthologous transcription units, i. e., those from different species and whose promoter sequences share at least one common regulatory motif, was studied based on regulatory information available for model organisms: Pseudomonas aeruginosa, Bacillus subtilis and Escherichia coli. The results obtained with the phylogenetic footprinting analysis permitted us to access the underlying transcriptional regulatory network from the species in a comprehensive manner (genome-wide), with a total of 2990 regulatory interactions corresponding to 80 predicted motifs distributed on promoter sequences of 56.8% of all transcription units. In the second strategy regulatory information from E. coli was recovered and used to expand the knowledge of ten regulons in X. fastidiosa, through a scanning process, of which some regulatory interactions were previously described by independent studies. We emphasize some genes related to host invasion and colonization present in the Fur and CRP regulons, two global transcription regulators. Lastly, comparative analysis on corresponding regulatory regions among strains were performed and differences possibly associated to phenotypic variation were identified between 9a5c and J1a12, a non-virulent strain isolated from orange trees, and between 9a5c and Temecula1, a strain associated to Pierce\'s disease on grapevines.

O gênero Xylella é composto de uma única espécie, Xylella fastidiosa, bactéria Gram-negativa, não flagelada, que coloniza o xilema de uma diversidade de plantas cultivadas e silvestres em várias partes do mundo. Em algumas dessas plantas, a bactéria é considerada agente causal de doenças, como a Clorose Variegada do Citros em laranjeiras, a Doença de Pierce das videiras e escaldadura da folha de cafeeiro. Onze diferentes cepas de X. fastidiosa, isoladas de distintos hospedeiros, já tiveram seus genomas sequenciados, entre essas, as cepas 9a5c, isolada de laranjeira, e Temecula 1, isolada de videira. Análises desses genomas indicam uma razoável variabilidade entre suas respectivas sequências e evidenciam vários genes associados a mecanismos de virulência e patogenicidade desta bactéria. No presente trabalho descrevemos o sequenciamento, a montagem e a anotação dos genomas das cepas U24d e Fb7, isoladas de laranjeiras, e da cepa 3124 isolada de cafeeiro, os quais apresentam, respectivamente 2.681.334 pb, 2.733.974 pb e 2.748.594 pb. Destas, apenas a cepa U24d apresenta um plasmídeo, o qual é idêntico ao pXF51 previamente identificado na cepa 9a5c. O genoma da cepa U24d é praticamente colinear ao genoma da cepa 9a5c enquanto que os genomas das cepas Fb7 e 3124 apresentaram maior colinearidade com a cepa Temecula1. Entre as diversas alterações encontradas nas análises comparativas destes genomas, destacamos a inserção no gene pilQ verificada no genoma da cepa U24d. Essa mutação causa ausência do pilus do tipo IV com consequente deficiência na motilidade twitching, sendo que plantas infectadas com a cepa U24d apresentam sintomas localizados restritos ao ponto de inoculação. Na cepa Fb7, detectamos a ausência de formação de biofilme no cultivo in vitro possivelmente devido ausência da expressão dos transcritos de mrkD e pspA, que codificam respectivamente adesina do pilus curto e adesina similar à hemaglutinina. Postulamos que estes genes não são expressos em decorrência de um defeito na via de sinalização de DSF (Fator de Sinalização Difusível) reflexo de uma mutação em rpfC no genoma de Fb7. Assim como as demais cepas de X. fastidiosa, também os genomas de U24d, Fb7 e 3124 apresentaram elevado conteúdo de Elementos Genéticos Móveis (EGM), que aparecem em maior número nas cepas sul-americanas. Os estudos do pangenoma de X. fastidiosa mostraram que essa espécie tem um genoma aberto e grande parte dos genes de EGMs correspondem a genes acessórios. A grande quantidade de EGMs em X. fastidiosa pode estar relacionada a falta do sistema CRISPR/cas completo, um provável resultado de eventos de erosão do genoma desta espécie. A inferência filogenética por MSLA mostrou uma clara distinção dos grupos de cepas da América do Norte em relação às do Sul, sugerindo a ocorrência de mais eventos de recombinações genéticas nas cepas sul-americanas, provavelmente pela falta de isolamento geográfico. Assim, é possível que as cepas norte e sul-americanas sofreram divergência alopátrica e simpátrica, respectivamente. The genus Xylella consists of a single species, Xylella fastidiosa, a Gram-negative and non-flagellated bacterium that colonizes the xylem of a diversity of cultivated and wild plants in several parts of the world. In some of these plants, this bacterium is considered causal agent of diseases such as the Citrus Variegated Cholorosis in orange trees, Pierce\'s Disease of grapevines and coffee leaf scald. Eleven different strains of X. fastidiosa isolated from different hosts had their genomes sequenced, including 9a5c and Temecula1 strains, respectively isolated from orange tree and grapevine. Analyses of these genomes indicate a reasonable variability in their sequences and showed several genes associated with pathogenicity and virulence mechanisms of this bacterium. In this work we describe the genome sequencing, assembly and annotation of the strains U24d and Fb7, isolated from orange trees, and 3124 isolated from coffee, which have, respectively, 2,681,334 bp, 2,733,974 bp and 2,748,594 bp. Of these, only strain U24d has a plasmid, identical to pXF51 from strain 9a5c. The genome of U24d strain is almost collinear to the genome of strain 9a5c while the genomes of strains Fb7 and 3124 had higher collinearity to Temecula1 strain. Among many changes found in the comparative analysis of these genomes, we highlight an on insertion in pilQ gene that was found in U24d strain genome. This mutation causes lack of type IV pilus with a consequent deficiency in twitching motility. Moreover orange trees infected with U24d strain showed localized symptoms near to the inoculation point. We verified that Fb7 strain does not form biofilm in vitro possibly due to the absence of expression of mrkD and pspA transcripts, which encode, respectively, a short pilus adhesin and a hemagglutinin-like adhesin. We postulate that these genes are not expressed due to a defect in the signaling pathway of DSF (Diffusible Signal Factor) reflecting a mutation on rpfC in the Fb7 genome. Similarly to other X. fastidiosa strains, the genomes of U24d, Fb7 and 3124 also showed high content of mobile genetic elements (MGE), which appear in larger numbers in South American strains. Pan genome studies of X. fastidiosa showed that this species has a open genome and that most of MGE genes correspond to accessory genes. The large number of MGE in X. fastidiosa may be related to the lack of a complete system CRISPR/cas, likely a result of erosion events of the genome of this species. The phylogenetic reconstruction by MLSA showed a clear distinction between groups of strains from North and South America, suggesting the occurrence of more recombination events in South American strains, probably due to lack of geographical isolation. Thus it is possible that North and South American strains underwent allopatric and sympatric divergence, respectively.

O Anticarsia gemmatalis multiple nucleopolyhedrovirus é usado como agente de controle biológico da lagarta-da-soja (Anticarsia gemmatalis), e representa o bioinseticida viral mais amplamente utilizado no mundo. Sabendo-se que as populações selvagens de baculovírus são geneticamente heterogêneas, este trabalho avaliou a diversidade genômica de 17 isolados selvagens de AgMNPV, coletados no Brasil, Argentina e Uruguai, entre 1980 e 1990. Os genótipos reconstruídos evidenciam a conservação da colinearidade genômica durante a evolução de AgMNPV, porém, deleções e inserções de uma ou mais bases foram comuns. Um novo gene com possível origem em lepidóptero foi identificado em dois genótipos; e o gene bro-a está ausente em muitos isolados. Análises de diversidade genética apontaram que a maioria dos genes de AgMNPV é pouco variável, e os genes mais diversos estão em loci variáveis específicos. Os resultados obtidos reforçam a percepção de que grandes vírus de DNA evoluem principalmente sob baixas taxas de substituição, e por meio de duplicações, ganhos e perdas gênicas. The Anticarsia gemmatalis multiple nucleopolyhedrovirus is employed as a biological control agent against velvetbean caterpillar (Anticarsia gemmatalis), and represents the most widely used viral bioinseticide in the world. Since baculovirus wild populations are genetically heterogeneous, this work evaluated the genomic diversity of 17 AgMNPV geographic isolates obtained from 1980 to 1990, in the Brazil, Argentina and Uruguay. The genotypes reconstructed evidenced the highly genomic colinearity conservation during AgMNPV evolutionary history, however, deletions and insertions of one or more bases were common. A new gene with possible lepidopteran origin was identified in two genotypes; and the gene bro-a is absence in many isolates. Genetic diversity analyses pointed that most AgMNPV genes shows little variation, and the highly diverse genes are in specific variable loci. The obtained results reinforce the perception that large DNA virus evolve mainly under low rates of substitution, and through gene duplications, gain and loss.

O desafio de encontrar corretamente genes eucarioticos codificadores de proteinas nas sequencias genomicas e um problema em aberto. Neste trabalho, implementamos uma plata- forma, com o objetivo de melhorar a forma com que preditores de genes sao implementados e avaliados. Tres novas ferramentas foram implementadas: ToPS (Toolkit of Probabilistic Models of Sequences) foi o primeiro arcabouco orientado a objetos que fornece ferramentas para implementacao, manipulacao, e combinacao de modelos probabilisticos para representar sequencias de simbolos; MYOP (Make Your Own Predictor) e um sistema que tem como objetivo facilitar a construcao de preditores de genes; e SGEval utiliza grafos de splicing para comparar diferente anotacoes com eventos de splicing alternativos. Utilizamos nossas ferramentas para o desenvolvimentos de preditores de genes em onze genomas distintos: A. thaliana, C. elegans, Z. mays, P. falciparum, D. melanogaster, D. rerio, M. musculus, R. norvegicus, O. sativa, G. max e H. sapiens. Com esse desenvolvimento, estabelecemos um protocolo para implementacao de novos preditores. Alem disso, utilizando a nossa plata- forma, desenvolvemos um fluxo de trabalho para predicao de genes no projeto do genoma da cana de acucar, que ja foi utilizado em 109 sequencias de BAC geradas pelo BIOEN (FAPESP Bioenergy Program). The challenge of correctly identify eukaryotic protein-coding genes in the genomic se- quences is an open problem. In this work, we implemented a plataform with the aim of improving the way that gene predictors are implemented and evaluated. ToPS (Toolkit of Probabilistic Models of Sequence) was the first object-oriented framework that provides tools for implementation, manipulation, and combination of probabilistic models that represent sequences of symbols. MYOP (Make Your Own Predictor) facilitates the construction of gene predictors. SGEval (Splicing Graph Evaluation) uses splicing graphs to compare dif- ferent annotations with alternative splicing events. We used our plataform to develop gene finders in eleven distinct genomes: A. thaliana, C. elegans, Z. mays, P. falciparum, D. me- lanogaster, D. rerio, M. musculus, R. norvegicus, O. sativa, G. max e H. sapiens. With this development, we established a protocol for implementing new gene predictors. In addi- tion, using our platform, we developed a pipeline to find genes in the 109 sugarcane BAC sequences produced by BIOEN (FAPESP Bioenergy Program).

Schistosoma mansoni é um dos agentes causadores da esquistossomose, doença infecciosa negligenciada que afeta milhões de pessoas no mundo. É um platelminto parasitário dióico, com um complexo ciclo de vida, composto de seis estágios. Nos últimos cinco anos, projetos de seqüenciamento em larga escala de etiquetas de genes expressos (ESTs) de Schistosoma geraram uma quantidade razoável de dados que ainda pode ser mais bem explorada. O objetivo central deste trabalho é analisar computacionalmente a expressão gênica de S. mansoni, sob três focos distintos: (i) micro-arranjos de DNA, para os quais descrevemos o desenho e análise de dados de uma plataforma de cDNA (4,600 elementos) e outra de oligonucleotídeos (44,000 elementos). Estão também descritas diversas ferramentas de análise que implementamos e são amplamente usadas em nosso grupo. Os micro-arranjos têm servido de base para vários projetos, como o estudo da resposta do parasita a hormônios e drogas e expressão gênica durante o ciclo de vida. (ii) Identificação in silico de pares de transcritos senso- antisenso com possível ação em trans, potencialmente importantes na regulação gênica. (iii) Análises da coleção de ESTs existentes sob uma perspectiva evolutiva. Através dessa abordagem encontramos genes importantes como um possível inibidor de angiogênese e um regulador da via do mevalonato, conhecido como essencial para a produção de ovos; estes constituem a principal causa de morbidez da esquistossomose. Os resultados aqui apresentados contribuem para o entendimento da complexa biologia inerente ao ciclo de vida de S. mansoni e para acelerar a busca de futuras possibilidades de tratamento. Schistosoma mansoni is one of the causative agents of schistosomiasis, a neglected infectious disease which affects millions of people worldwide. It is a dioecious parasitic platyhelminth, with a complex life cycle composed of six stages. In the past five years, large scale sequencing projects have generated a reasonable amount of expressed sequence tag (EST) data that can still be better explored. The goal of this thesis is to computationally analyze the S. mansoni gene expression, under three different focuses: (i) DNA microarrays, for which we describe the design and data analyses of a cDNA (4,600 elements) and an oligonucleotide (44,000 elements) platform. We also describe the implementation of several analysis tools which are widely used in our group. Our microarrays are being used in several projects, such as the study of parasite response to drugs and hormones, as well as its gene expression pattern during the life cycle. (ii) In silico identification of possible trans acting natural sense-antisense pairs, potentially important in gene regulation. (iii) Analyses of the available EST dataset under an evolutionary perspective. We have found interesting genes such as a possible angiogenesis inhibitor and a regulator of the mevalonate pathway, known to be essential for egg production; eggs are the main cause of morbidity of schistosomiasis. The results reported here contribute to the understanding of the complex biology underlying the S. mansoni life cycle and to accelerate the search for future possibilities of treatment.

Este trabalho representa continuidade no desenvolvimento de trabalhos na área de neurociência computacional, em particular na área de neuromorfometria e no relacionamento da forma-função. Os objetivos principais são a investigação e a simulação de modelos dinâmicos para o desenvolvimento de células neurais, e a caracterização da sua morfometria em termos de atributos. A tese apresenta um histórico sobre a neurociência, e uma breve revisão sobre a biologia do neurônio e sobre fatores que influenciam na variação na sua forma. Seguimos com a apresentação dos principais modelos computacionais de simulação neural, funcionais e de crescimento neural, com uma descrição mais detalhada de um modelo de crescimento baseado na atuação do cálcio como agente morfogênico e também na polimerização de actinas. Como uma introdução à modelagem neural, discutimos técnicas computacionais de evolução de contornos que podem ser utilizadas na simulação do desenvolvimento neural, propagação de frentes e contornos ativos. Apresentamos também medidas neuromorfométricas tais como a dimensão fractal multiescala, e medidas extraídas a partir do esqueleto da imagem do neurônio, tais como largura, espessura, número de ramos e curvatura das ramificações. Apresentamos os resultados obtidos em diferentes hipóteses de desenvolvimento de células neurais. Foram propostos crescimentos baseados na normal (velocidade na direção normal a curva), convolução, thin plate splines e dinâmica da polimerização da actina. Além disso, foi proposta uma nova abordagem para a evolução da membrana neural baseada em contornos, utilizando a formulação de contornos ativos sob a ação do campo elétrico externo e a curvatura da forma, o que possibilitou a geração de estruturas com características muito semelhantes a do neurônio, inclusive com ramificações. Finalizamos o trabalho apresentando os resultados e conclusões obtidas para os modelos de desenvolvimento. In this thesis we report the investigation and simulation of dynamic models of neural growing, and their characterization using shape features, considering the form function relationship and neuromorphometry. The thesis begins by presenting an overview about neuroscience, neural cell biology and the biological factors that affects the neuron form developments, followed by the presentation of computational neuronal models based on electrophisiological measures and development models of internal structures as actin and microtubules. Special attention is devoted to a neuron growth model based on calcium as a morphogen, whose main characteristic is its electric activity at the membrane. Regarding mathematical models of neural development, two different approaches of contour evolutions are presented, Level Set Methods and Active Contours. Some neuromorphometric measures are implemented and discussed as features for classification and neural evolution, including the multiscale fractal dimension, and dendrite measurements are obtained by using neuron skeletons. In agreement with biological form influences, some hypotheses about development of neuron growth are proposed based on evolution rules, such as: normal evolution (based in normal velocity), convolution, thin plate splines and actin polimerization. A new approach about neuron development is also proposed: a contour based technique that makes use of active contour formulation, Snake Balloon, where the membrane velocity and direction suffers influences of internal and external factors, such as electrical field with diferent geometries, and contour curvature. Both hypotheses are in accordance with the biological factors that influences the neuron form. The simulation produces similar neuron-like structures, even with ramification of certain dendrites