Carga Horária
Teórica por semana |
Prática por semana |
Créditos |
Duração |
Total |
4 |
0 |
2 |
6 semanas |
30 horas |
Docentes responsáveis
Carlos Alberto Labate
Objetivo
O curso tem como objetivo discutir com os alunos os diversos fatores relacionados com os mecanismos
de regulação da expressão génica nas plantas. As diversas metodologias ômicas disponíveis atualmente
são apresentadas aos alunos, como transcriptômica, proteômica, metabolômica, lipidômica, entre outras
que permitem estudar a biologia dos organismos de forma holística e integrada, buscando compreender
o que determina o fenótipo de um indivíduo. No curso, é discutido o papel dos fatores de transcrição na
regulação da expressão gênica, mecanismos de splicing que possibilitam a expansão da variabilidade
genética e, consequentemente, do proteoma de um determinado genótipo. O papel dos RNAs não
codificadores e micro-RNAs na regulação da expressão gênica também é discutido. Também são
apresentadas as metodologias de integração de dados genômicos, proteômicos e metabolômicos,
aplicadas ao estudo de sistemas biológicos de forma holística e integrada. São apresentados os
princípios da Biologia de Sistemas, métodos de bioinformática para o estudo da integração de dados
ômicos. O efeito de fatores ambientais que contribuem para alterar o padrão de expressão gênica
também são discutidos, bem como tópicos sobre mecanismos de reparo de DNA, interações núcleoorganela do ponto de vista da coordenação da expressão gênica. O curso consiste na leitura de textos
recentes sobre os diversos assuntos apresentados acima. O desenvolvimento da biologia molecular tem
permitido avançar nos estudos sobre a regulação do metabolismo e da expressão gênica, no contexto da
biologia de sistemas. É cada vez mais evidente que a expressão gênica depende de uma complexa rede
de sinalização, que começa com a percepção do estímulo biótico ou abiótico, chegando ao núcleo por
transdução de sinal, em seqüência de cascata. O curso também apresenta uma visão geral das
principais tecnologias que permitem o estudo de genes, proteínas e metabólitos ao mesmo tempo,
integrando todas as informações com o auxílio da bioinformática. O curso oferece aos alunos a
oportunidade de adquirir conhecimentos em uma ampla gama de assuntos relacionados ao uso de novas
tecnologias Omicas, como transciptômica, proteômica, metabolômica, lipidômica e integração de dados
ômicos. A unidade curricular aborda estes temas com uma visão holística da Biologia de Sistemas, e
oferece ao aluno a possibilidade de desenvolver novas aplicações destas tecnologias em diferentes áreas
da Genética e Melhoramento Vegetal, Biologia Geral, Medicina, Veterinária, Zootecnia e outras áreas de
interesse.
Conteúdo
1. Regulação da tradução em procariotos e eucariotos; splicing de RNA mensageiro; Splicing alternativo
de RNA mensageiro; Poliadenilação do MRNA e regulação da expressão gênica; diversidade do proteoma
celular. 2. Regulação pós-transcrição por MicroRNAs, regulação pós-tradução, fosforilação, glicosilação,
metilação e acetilação de proteínas. 3 Genômica Funcional; transcritômica, proteômica, metabolômica e
fenômica; metodologias aplicadas ao estudo da genómica funcional. 4. Bioinformática aplicada à
Genómica Funcional e Biologia de Sistemas. 5 Metodologias aplicadas à proteômica (LC-MS / MS);
Metabolômica (GC-MS; LC-MS / MS; bancos de dados de metabólitos). 6. Integração de dados ômicos
(transcriptômica, proteômica e metabolômica), correlação canônica e construção de redes de transcritos,
proteínas e metabólitos; Bioinformática aplicada à Biologia de Sistemas.
Bibliografia
Albert-László Barabási (2016) Network Science, Cambridge University Press, 452p
Florent D. Lavergne et al. (2020) Differential Stem Proteomics and Metabolomics Profiles for Four Wheat
Cultivars in Response to the Insect Pest Wheat Stem Sawfly. J. Proteome Research, 19, 1037-1051
William E. Fondrie and William S. Noble (2020) Machine Learning Strategy That Leverages Large Data
sets to Boost Statistical Power in Small-Scale Experiments. J. Proteome Research, 19, 1267-1274
Zhangpei Zhu et al. (2019) An auxiliary matrix for routine analysis of small molecules and
biological macromolecules using matrix-assisted laser desorption ionization mass spectrometry,
Analytical and Bioanalytical Chemistry, 411, 1041–1052
Glykeria Mermigka et al. (2019) Plant and Animal Innate Immunity Complexes: Fighting Different
Enemies with Similar Weapons, Trends in Plant Science, https://doi.org/10.1016/j.tplants.2019.09.008
Eva K. F. Chan et al. (2011) Combining Genome-Wide Association Mapping and Transcriptional Networks
to Identify Novel Genes Controlling Glucosinolates in Arabidopsis thaliana, PloSBiology, August 2011,
Vol.9 Issue 8 e-1001125
Andrew V. Anzalone et al., (2019) Search-and-replace genome editing without double-strand breaks or
donor DNA, https://doi.org/10.1038/s41586-019-1711-4
Albert-László Barabási e Zoltán N. Oltvai (2004) Network biology:understanding the cell`s functional
organization, Nature Reviews Genetics, Vol.5, Feb 101- 113
Jérémy Lavarenne et al., (2018) The Spring of Systems Biology-Driven Breeding, Trends in Plant
Science, https://doi.org/10.1016/j.tplants.2018.04.005
Samik Ghosh et al. (2011) Software for systems biology: from tools to integrated platforms, Nature
Reviews Genetics, Vol.12, 821-832