The LAR/PTP delta/PTP sigma subfamily of transmembrane protein-tyrosine-phosphatases: multiple human LAR, PTP delta, and PTP sigma isoforms are expressed in a tissue-specific manner and associate with the LAR-interacting protein LIP.1.

The transmembrane protein-tyrosine-phosphatases (PTPases) LAR, PTP delta, and PTP sigma each contain two intracellular PTPase domains and an extracellular region consisting of Ig-like and fibronectin type III-like domains. We describe the cloning and characterization of human PTP sigma (HPTP sigma) and compare the structure, alternative splicing, tissue distribution, and PTPase activity of LAR, HPTP delta, and HPTP sigma, as well their ability to associate with the intracellular coiled-coil LAR-interacting protein LIP.1. Overall, these three PTPases are structurally very similar, sharing 64% amino acid identity. Multiple isoforms of LAR, HPTP delta, and HPTP sigma appear to be generated by tissue-specific alternative splicing of up to four mini-exon segments that encode peptides of 4-16 aa located in both the extracellular and intracellular regions. Alternative usage of these peptides varies depending on the tissue mRNA analyzed. Short isoforms of both HPTP sigma and HPTP delta were also detected that contain only four of the eight fibronectin type III-like domains. Northern blot analysis indicates that LAR and HPTP sigma are broadly distributed whereas HPTP delta expression is largely restricted to brain, as is the short HPTP sigma isoform containing only four fibronectin type III-like domains. LAR, HPTP delta, and HPTP sigma exhibit similar in vitro PTPase activities and all three interact with LIP.1, which has been postulated to recruit LAR to focal adhesions. Thus, these closely related PTPases may perform similar functions in various tissues.

QSAR e dinâmica molecular no estudo de sistemas biomoleculares: predição da atividade biológica de antagonistas do receptor sigma-1 e simulações de bicamadas lipídicas

Diferentes abordagens teóricas têm sido utilizadas em estudos de sistemas biomoleculares com o objetivo de contribuir com o tratamento de diversas doenças. Para a dor neuropática, por exemplo, o estudo de compostos que interagem com o receptor sigma-1 (Sig-1R) pode elucidar os principais fatores associados à atividade biológica dos mesmos. Nesse propósito, estudos de Relações Quantitativas Estrutura-Atividade (QSAR) utilizando os métodos de regressão por Mínimos Quadrados Parciais (PLS) e Rede Neural Artificial (ANN) foram aplicados a 64 antagonistas do Sig-1R pertencentes à classe de 1-arilpirazóis. Modelos PLS e ANN foram utilizados com o objetivo de descrever comportamentos lineares e não lineares, respectivamente, entre um conjunto de descritores e a atividade biológica dos compostos selecionados. O modelo PLS foi obtido com 51 compostos no conjunto treinamento e 13 compostos no conjunto teste (r² = 0,768, q² = 0,684 e r²teste = 0,785). Testes de leave-N-out, randomização da atividade biológica e detecção de outliers confirmaram a robustez e estabilidade dos modelos e mostraram que os mesmos não foram obtidos por correlações ao acaso. Modelos também foram gerados a partir da Rede Neural Artificial Perceptron de Multicamadas (MLP-ANN), sendo que a arquitetura 6-12-1, treinada com as funções de transferência tansig-tansig, apresentou a melhor resposta para a predição da atividade biológica dos compostos (r²treinamento = 0,891, r²validação = 0,852 e r²teste = 0,793). Outra abordagem foi utilizada para simular o ambiente de membranas sinápticas utilizando bicamadas lipídicas compostas por POPC, DOPE, POPS e colesterol. Os estudos de dinâmica molecular desenvolvidos mostraram que altas concentrações de colesterol induzem redução da área por lipídeo e difusão lateral e aumento na espessura da membrana e nos valores de parâmetro de ordem causados pelo ordenamento das cadeias acil dos fosfolipídeos. As bicamadas lipídicas obtidas podem ser usadas para simular interações entre lipídeos e pequenas moléculas ou proteínas contribuindo para as pesquisas associadas a doenças como Alzheimer e Parkinson. As abordagens usadas nessa tese são essenciais para o desenvolvimento de novas pesquisas em Química Medicinal Computacional.