Sistema computacional para o estudo da estrutura primária e redesenho de genes

Um dos maiores avanços científicos do século XX foi o desenvolvimento de tecnologia que permite a sequenciação de genomas em larga escala. Contudo, a informação produzida pela sequenciação não explica por si só a sua estrutura primária, evolução e seu funcionamento. Para esse fim novas áreas como a biologia molecular, a genética e a bioinformática são usadas para estudar as diversas propriedades e funcionamento dos genomas. Com este trabalho estamos particularmente interessados em perceber detalhadamente a descodificação do genoma efectuada no ribossoma e extrair as regras gerais através da análise da estrutura primária do genoma, nomeadamente o contexto de codões e a distribuição dos codões. Estas regras estão pouco estudadas e entendidas, não se sabendo se poderão ser obtidas através de estatística e ferramentas bioinfomáticas. Os métodos tradicionais para estudar a distribuição dos codões no genoma e seu contexto não providenciam as ferramentas necessárias para estudar estas propriedades à escala genómica. As tabelas de contagens com as distribuições de codões, assim como métricas absolutas, estão actualmente disponíveis em bases de dados. Diversas aplicações para caracterizar as sequências genéticas estão também disponíveis. No entanto, outros tipos de abordagens a nível estatístico e outros métodos de visualização de informação estavam claramente em falta. No presente trabalho foram desenvolvidos métodos matemáticos e computacionais para a análise do contexto de codões e também para identificar zonas onde as repetições de codões ocorrem. Novas formas de visualização de informação foram também desenvolvidas para permitir a interpretação da informação obtida. As ferramentas estatísticas inseridas no modelo, como o clustering, análise residual, índices de adaptação dos codões revelaram-se importantes para caracterizar as sequências codificantes de alguns genomas. O objectivo final é que a informação obtida permita identificar as regras gerais que governam o contexto de codões em qualquer genoma.

Análise de tripletos e de repetições em estruturas primárias de DNA

O desenvolvimento de equipamentos de descodificação massiva de genomas veio aumentar de uma forma brutal os dados disponíveis. No entanto, para desvendarmos informação relevante a partir da análise desses dados é necessário software cada vez mais específico, orientado para determinadas tarefas que auxiliem o investigador a obter conclusões o mais rápido possível. É nesse campo que a bioinformática surge, como aliado fundamental da biologia, uma vez que tira partido de métodos e infra-estruturas computacionais para desenvolver algoritmos e aplicações informáticas. Por outro lado, na maior parte das vezes, face a novas questões biológicas é necessário responder com novas soluções específicas, pelo que o desenvolvimento de aplicações se torna um desafio permanente para os engenheiros de software. Foi nesse contexto que surgiram os principais objectivos deste trabalho, centrados na análise de tripletos e de repetições em estruturas primárias de DNA. Para esse efeito, foram propostos novos métodos e novos algoritmos que permitirem o processamento e a obtenção de resultados sobre grandes volumes de dados. Ao nível da análise de tripletos de codões e de aminoácidos foi proposto um sistema concebido para duas vertentes: por um lado o processamento dos dados, por outro a disponibilização na Web dos dados processados, através de um mecanismo visual de composição de consultas. Relativamente à análise de repetições, foi proposto e desenvolvido um sistema para identificar padrões de nucleótidos e aminoácidos repetidos em sequências específicas, com particular aplicação em genes ortólogos. As soluções propostas foram posteriormente validadas através de casos de estudo que atestam a mais-valia do trabalho desenvolvido.

Phenotypic consequences of genome mistranslation in Candida albicans

Várias espécies do género Candida traduzem o codão CUG de leucine como serina. Em C. albicans este codão é traduzido pelo tRNACAG Ser de serina que é reconhecido por leucil- e seril-tRNA sintetases (LeuRS e SerRS), permitindo a incorporação de leucina ou serina em posições com CUG. Em condições padrão de crescimento os codões CUG é incorporam 3% de leucina e 97% de serina, no entanto estes valores são flexíveis uma vez que a incorporação de serina pode variar entre 0.6% e 5% em resposta a condições de stress. Estudos anteriores realizados in vivo em Escherichia coli sugeriram que a ambiguidade em codões CUG é regulada pela SerRS. De facto, o gene da SerRS de C. albicans tem um codão CUG na posição 197 (Ser197) cuja descodificação ambígua resulta na produção de duas isoformas de SerRS. A isoforma SerRS_Leu197 é mais ativa, apesar de menos estável, que a isoforma SerRS_Ser197, suportando a ideia da existência de um feedback loop negativo, envolvendo estas duas isoformas de SerRS, a enzima LeuRS e o tRNACAG Ser, que mantem os níveis de incorporação de leucina no codões CUG baixos. Nesta tese demonstramos que tal mecanismo não é operacional nas células de C. albicans. De facto, os níveis de incorporação de leucina em codões CUG flutuam drasticamente em resposta a alterações ambientais. Por exemplo, a incorporação de leucina pode chegar a níveis de 49.33% na presença de macrófagos e anfotericina B, mostrando a notória tolerância de C. albicans à ambiguidade. Para compreender a relevância biológica da ambiguidade do código genético em C. albicans construímos estirpes que incorporam serina em vários codões. Apesar da taxa crescimento ter sido negativamente afetada em condições padrão de crescimento, as estirpes construídas crescem favoravelmente em várias condições de stresse, sugerindo que a ambiguidade desempenha um papel importante na adaptação a novos nichos ecológicos. O transcriptoma das estirpes construídas de C. albicans e Saccharomyces. cerevisiae mostram que as leveduras respondem à ambiguidade dos codões de modo distinto. A ambiguidade induziu uma desregulação moderada da expressão génica de C. albicans, mas ativou uma resposta comum ao stresse em S. cerevisiae. O único processo celular que foi induzido na maioria das estirpes foi a oxidação redução. De salientar, que enriquecimento em elementos cis de fatores de transcrição que regulam a resposta à ambiguidade em ambas as leveduras foi distinta, sugerindo que ambas respondem ao stresse de modo diferente. Na globalidade, o nosso estudo aprofunda o conhecimento da elevada tolerância à ambiguidade de codões em C. albicans. Os resultados sugerem que este fungo usa a ambiguidade do codão CUG durante infeção, possivelmente para modular a sua interação com o hospedeiro e a resposta a drogas antifúngicas.

Identification of molecules and pathways regulating mistranslation in Candida albicans

Candida albicans is the major fungal pathogen in humans, causing diseases ranging from mild skin infections to severe systemic infections in immunocompromised individuals. The pathogenic nature of this organism is mostly due to its capacity to proliferate in numerous body sites and to its ability to adapt to drastic changes in the environment. Candida albicans exhibit a unique translational system, decoding the leucine-CUG codon ambiguously as leucine (3% of codons) and serine (97%) using a hybrid serine tRNA (tRNACAGSer). This tRNACAGSer is aminoacylated by two aminoacyl tRNA synthetases (aaRSs): leucyl-tRNA synthetase (LeuRS) and seryl-tRNA synthetase (SerRS). Previous studies showed that exposure of C. albicans to macrophages, oxidative, pH stress and antifungals increases Leu misincorporation levels from 3% to 15%, suggesting that C. albicans has the ability to regulate mistranslation levels in response to host defenses, antifungals and environmental stresses. Therefore, the hypothesis tested in this work is that Leu and Ser misincorporation at CUG codons is dependent upon competition between the LeuRS and SerRS for the tRNACAGSer. To test this hypothesis, levels of the SerRS and LeuRS were indirectly quantified under different physiological conditions, using a fluorescent reporter system that measures the activity of the respective promoters. Results suggest that an increase in Leu misincorporation at CUG codons is associated with an increase in LeuRS expression, with levels of SerRS being maintained. In the second part of the work, the objective was to identify putative regulators of SerRS and LeuRS expression. To accomplish this goal, C. albicans strains from a transcription factor knock-out collection were transformed with the fluorescent reporter system and expression of both aaRSs was quantified. Alterations in the LeuRS/SerRS expression of mutant strains compared to wild type strain allowed the identification of 5 transcription factors as possible regulators of expression of LeuRS and SerRS: ASH1, HAP2, HAP3, RTG3 and STB5. Globally, this work provides the first step to elucidate the molecular mechanism of regulation of mistranslation in C. albicans.

Saccharomycotin transcriptomics by next-generation sequencing

The non-standard decoding of the CUG codon in Candida cylindracea raises a number of questions about the evolutionary process of this organism and other species Candida clade for which the codon is ambiguous. In order to find some answers we studied the transcriptome of C. cylindracea, comparing its behavior with that of Saccharomyces cerevisiae (standard decoder) and Candida albicans (ambiguous decoder). The transcriptome characterization was performed using RNA-seq. This approach has several advantages over microarrays and its application is booming. TopHat and Cufflinks were the software used to build the protocol that allowed for gene quantification. About 95% of the reads were mapped on the genome. 3693 genes were analyzed, of which 1338 had a non-standard start codon (TTG/CTG) and the percentage of expressed genes was 99.4%. Most genes have intermediate levels of expression, some have little or no expression and a minority is highly expressed. The distribution profile of the CUG between the three species is different, but it can be significantly associated to gene expression levels: genes with fewer CUGs are the most highly expressed. However, CUG content is not related to the conservation level: more and less conserved genes have, on average, an equal number of CUGs. The most conserved genes are the most expressed. The lipase genes corroborate the results obtained for most genes of C. cylindracea since they are very rich in CUGs and nothing conserved. The reduced amount of CUG codons that was observed in highly expressed genes may be due, possibly, to an insufficient number of tRNA genes to cope with more CUGs without compromising translational efficiency. From the enrichment analysis, it was confirmed that the most conserved genes are associated with basic functions such as translation, pathogenesis and metabolism. From this set, genes with more or less CUGs seem to have different functions. The key issues on the evolutionary phenomenon remain unclear. However, the results are consistent with previous observations and shows a variety of conclusions that in future analyzes should be taken into consideration, since it was the first time that such a study was conducted.

Error correcting codes for visible light communication systems

Over the past few years, the number of wireless networks users has been increasing. Until now, Radio-Frequency (RF) used to be the dominant technology. However, the electromagnetic spectrum in these region is being saturated, demanding for alternative wireless technologies. Recently, with the growing market of LED lighting, the Visible Light Communications has been drawing attentions from the research community. First, it is an eficient device for illumination. Second, because of its easy modulation and high bandwidth. Finally, it can combine illumination and communication in the same device, in other words, it allows to implement highly eficient wireless communication systems. One of the most important aspects in a communication system is its reliability when working in noisy channels. In these scenarios, the received data can be afected by errors. In order to proper system working, it is usually employed a Channel Encoder in the system. Its function is to code the data to be transmitted in order to increase system performance. It commonly uses ECC, which appends redundant information to the original data. At the receiver side, the redundant information is used to recover the erroneous data. This dissertation presents the implementation steps of a Channel Encoder for VLC. It was consider several techniques such as Reed-Solomon and Convolutional codes, Block and Convolutional Interleaving, CRC and Puncturing. A detailed analysis of each technique characteristics was made in order to choose the most appropriate ones. Simulink models were created in order to simulate how diferent codes behave in diferent scenarios. Later, the models were implemented in a FPGA and simulations were performed. Hardware co-simulations were also implemented to faster simulation results. At the end, diferent techniques were combined to create a complete Channel Encoder capable of detect and correct random and burst errors, due to the usage of a RS(255,213) code with a Block Interleaver. Furthermore, after the decoding process, the proposed system can identify uncorrectable errors in the decoded data due to the CRC-32 algorithm.