CRISPR: nova e revolucionária técnica para edição de genoma


nature_genomeedit
Ter o genoma sequenciado por apenas 1000 dólares em breve será uma realidade. E não é somente ler o genoma que está se tornando cada vez mais acessível, descobertas recentes resultaram em uma nova ferramenta de edição de genoma que promete revolucionar a pesquisa médica e o tratamento de algumas doenças. Este mecanismo, chamado de CRISPR, é baseado num sistema de defesa contra vírus, uma espécie de sistema imunológico, encontrado em bactérias. E mais uma aprendemos algo interessante com estes seres unicelulares (discutimos num post anterior como bactérias podem ajudar a combater o cancer).

Editando o genoma para curar doenças

Tornar o tratamento de desordens gen√©ticas √© sem d√ļvida uma das mais excitantes possibilidades desta nova t√©cnica, principalmente disordens causadas por uma ou poucas muta√ß√Ķes, tais como doen√ßa de¬†Huntington. Para comprovar que isto pode ser feito, cientistas do MIT, em experimentos em camundongos, conseguiram curar em uma doen√ßa rara que ataca o f√≠gado e √© causado pela muta√ß√£o de apenas um par de base de DNA. Esta doen√ßa, que tamb√©m ocorre em humanos, afeta 1 em cada 100.000 pessoas e consiste na falha da quebra do amino√°cido tirosina que acumula e afeta o funcionamento do f√≠gado. Utilizando a t√©cnica de CRISPR os cientistas conseguiram corrigir o gene para 1 em cada 250 c√©lulas do figado (hepat√≥citos) dos camundongos. Depois de 30 dias estas c√©lulas proliferaram e substituiram parte das c√©lulas com o gene defeituoso chegando a um ter√ßo da popula√ß√£o total de c√©lulas, o que foi suficiente para curar a doen√ßa. Veja o artigo publicado na Nature.

Mecanismo básico das ferramentas de edição de genoma

crisprBasicamente, o mecanismo de edição de genoma consiste em um sistema para reconhecer o sítio onde haverá a mudança combinado a um mecanismo de corte do DNA (nucleases). Uma vez reconhecido o local de corte as nucleases agem fazendo um corte nas duas fitas do DNA. Uma vez cortado, mecanismos de reparação do genoma tendem a juntar as fitas novamente e neste processo um pedaço de DNA pode ser removido ou até mesmo trocado por outro pedaço de DNA.

As primeiras técnicas desenvolvidas, tanto Zinc finger nucleases quanto TALEN, utilizam proteínas para reconhecer o sítio de corte no genoma. Proteínas são pesadas e díficeis de projetar, diferentemente de RNA que pode ser facilmente sintetizado. E é aí que está a grande inovação da técnica de CRISPR, em utilizar pequenos pedaços de RNA para identificar o sítio de corte, o que torna a técnica simples e de baixo custo.

Recomendo os seguintes v√≠deos/anima√ß√Ķes para uma ilustra√ß√£o do mecanismo de edi√ß√£o de genomas. O primeiro video (em ingl√™s) fala um pouco sobre os mecanismos gerais destas t√©cnicas. O segundo v√≠deo (tamb√©m em ingl√™s) ilustra o mecanismo baseado na CRISPR.

Referência:

Cong, Le, et al. “Multiplex genome engineering using CRISPR/Cas systems.”Science¬†339.6121 (2013): 819-823.

Hwang, Woong Y., et al. “Efficient genome editing in zebrafish using a CRISPR-Cas system.”¬†Nature biotechnology¬†31.3 (2013): 227-229.

Bact√©rias na guerra contra o c√Ęncer

safe_imageVimos num post anterior, que bact√©rias id√™nticas em seu DNA podem tomar diferentes decis√Ķes quando est√£o sobre stress tais como escassez de alimento.¬†Diversas estrat√©gias tais como ficar dormentes (esporula√ß√£o), entrar em compet√™ncia ou at√© mesmo canibalismo s√£o utilizadas para aumentar as chances de sobreviv√™ncia da col√īnia.¬†Nos √ļltimos anos, tem aumentado o n√ļmero de evid√™ncias de que c√©lulas cancer√≠genas agem de maneira bastante semelhante. Utilizando um avan√ßado sistema de coopera√ß√£o e comunica√ß√£o celular, estas c√©lulas s√£o capazes de se espalhar pelo corpo colonizando novos √≥rg√£os (met√°stase) ou resistir a a√ß√Ķes cl√≠nicas tais como quimioterapia. Uma das maneiras de resistir a quimioterapia, por exemplo, √© pela estrat√©gia de tornar-se “dormente” adotada por algumas das c√©lulas do tumor, processo an√°logo a esporula√ß√£o das bact√©rias.

Atualmente, desvendar o sistema de comunica√ß√£o utilizado por c√©lulas cancer√≠genas tem sido foco de in√ļmeras pesquisas. Como em qualquer guerra moderna, destruir o sistema de comunica√ß√£o inimigo pode causar grandes danos. E na guerra contra o c√Ęncer provavelmente n√£o ser√° diferente. Impedir as c√©lulas de se comunicarem pode evitar que elas adotem estrat√©gias inteligentes tais como ficarem dormentes durante quimioterapia ou at√© mesmo matar c√©lulas irm√£s para obten√ß√£o de alimento. Uma vez entendido a linguagem utilizada por estas c√©lulas, podemos utilizar isto ao nosso favor, interferindo nas mensagens e fazendo com que c√©lulas dormentes sejam acordadas durante a quimioterapia ou at√© mesmo induzir as c√©lulas cancer√≠genas a matarem umas as outras.

Finalmente, uma poss√≠vel estrat√©gia futura seria recrutar bact√©rias para derrotar o c√Ęncer. Elas poderiam ser utilizadas para “ensinar” as c√©lulas do sistema imunol√≥gico a reconhecer e matar as c√©lulas cancer√≠genas. √Č importante ressaltar que ainda compreendemos muito pouco sobre os mecanismos envolvidos no c√Ęncer e novas abordagens s√£o necess√°rias para super√°-lo. Entretanto, quem sabe num futuro pr√≥ximo, estaremos¬†em uma era de guerra cibern√©tica biol√≥gica onde bact√©rias ser√£o inteligentemente projetadas para derrotar o c√Ęncer.¬†

Referências:

¬†‚ÄúBacterial survival strategies suggest rethinking cancer cooperativity‚Ä̬†Eshel Ben-Jacob, Donald S. Coffey, Herbert Levine. Trends in Microbiology. 2012.¬†

‚ÄúBacterial linguistic communication and social intelligence‚Ä̬†Eshel Ben-Jacob, Israela Becker, Yoash Shapira, Herbert Levine. Trends in Microbiology. 2004

Transposons: pedaços de DNA que mudam de endereço no genoma.

Mudança no padrão das cores do milho devido a interação entre os genes responsáveis pelo pigmento e elementos transponíveis.

Voc√™ sabia que alguns trechos de DNA t√™m a capacidade de mover-se no genoma, saindo de um cromossomo e se inserindo em outro? Pois √©, e esta descoberta foi feita h√° muito tempo atr√°s por uma brilhante cientista, antes mesmo da descoberta da estrutura do DNA por¬†Watson¬†e¬†Crick. Barbara¬†McClintock¬†ao observar a rela√ß√£o entre os padr√Ķes das cores do milho e algumas quebras¬†cromossomais, percebeu que algumas destas quebras ocorriam com uma freq√ľ√™ncia muito mais alta do que o esperado e, surpreendente, sempre no mesmo cromossomo. Ap√≥s uma s√©rie de experimentos, a cientista percebeu que esta quebra ocorria devido a inser√ß√£o de peda√ßos de DNA vindos de outros cromossomos que alteravam a express√£o dos genes de pigmento. Confiante nos seus experimentos, Barbara ent√£o prop√īs que havia elementos transpon√≠veis no genoma, ou seja, os genes n√£o tinham um endere√ßo fixo, mas tinham um mecanismo para movimentar-se dentro do genoma.

Se nos dias de hoje esta¬†ideia¬†parece bastante surpreendente, imagine como foi a recep√ß√£o desta ousada¬†ideia¬†no come√ßo da d√©cada de 50, quando a cientista come√ßou a publicar seus resultados. Eles foram ignorados e ridicularizados pelos seus contempor√Ęneos, levando a cientista a parar de publicar suas descobertas sobre o tema. Somente no in√≠cio da d√©cada de 70 alguns elementos transpon√≠veis foram identificados em bact√©ria validando assim a teoria de Barbara. Entretanto, o reconhecimento completo de uma das mais importantes descobertas da biologia somente aconteceu no in√≠cio da d√©cada de 80, quando a cientista foi homenageada com o pr√™mio Nobel.

Atualmente v√°rios estudos j√° relacionaram os elementos transpon√≠veis, chamados de¬†transposons, a uma s√©rie de doen√ßas e como grande fonte de variabilidade gen√©tica. Hoje sabe-se que boa parte do genoma √© composto destes elementos e dois mecanismos principais j√° foram identificados. O primeiro deles √© um mecanismo de¬†recortar-e-colar, onde alguns peda√ßos do DNA simplesmente saem de um lugar e movem-se para outra parte do genoma. O outro mecanismo √© do tipo¬†cortar-e-colar, gerando mais de uma c√≥pia no genoma. Este √ļltimo mecanismo √© chamado de¬†retrotransposons¬†e consiste em quase metade do genoma humano e ser√° tema de um pr√≥ximo¬†post.

 

Estratégias para tempos adversos.

Em tempos adversos √© comum haver muitas mudan√ßas e isto n√£o acontece somente com os humanos que saem as ruas, fazem guerra ou revolu√ß√£o. Na natureza observamos in√ļmeras estrat√©gias dos seres vivos para superar tempos dif√≠ceis, algumas bastante chocantes do ponto de vista humano, tais como infantic√≠dio ou canibalismo. E no mundo microsc√≥pio n√£o √© diferente.

Se voc√™ pensa que as bact√©rias morrem pac√≠ficas quando as condi√ß√Ķes n√£o s√£o favor√°veis voc√™ est√° bastante enganado. At√© mesmo para estes min√ļsculos seres unicelulares a vida pode ser complexa e cheias de decis√Ķes dif√≠ceis e estressantes a serem tomadas. Existem diversas estrat√©gias para lidar com tempos dif√≠ceis, tais como escassez de alimentos e danos ao DNA. Uma das estrat√©gias mais radicais e mais utilizadas quando a coisa est√° realmente feia √© formar esporos, uma resposta celular bastante complexa que envolve a ativa√ß√£o de mais de 500 genes ao longo de aproximadamente 10 horas. Este processo termina com a morte da c√©lula m√£e e a forma√ß√£o de uma c√©lula filha dormente com a capacidade de resistir a situa√ß√Ķes extremas como calor, radia√ß√£o e presen√ßa de substancias qu√≠micas. Por outro lado, durante este tempo o esporo n√£o pode tirar vantagem imediata de situa√ß√Ķes favor√°veis para se reproduzir.

Esporula√ß√£o √© uma tomada de decis√£o bastante complexa e que n√£o se inicia simplesmente com a escassez de alimentos, mas √© resultado de uma s√©rie de passos que podem ser descritas como decis√Ķes celulares sobre como lidar com o stress presente. Envolve, por exemplo, uma comunica√ß√£o entre as bact√©rias da mesma colonia por um mecanismo chamado de quorum sensing. Al√©m disto, antes da esporula√ß√£o, comumente as bact√©rias tentam outras t√°ticas como ativar um flagelo para buscar alimentos, secretar antibi√≥ticos e outras substancias na tentativa de destruir outros micr√≥bios competidores.¬† As c√©lulas tamb√©m checam uma s√©rie de condi√ß√Ķes internas antes de decidir esporular tais como a integridade do DNA cromossomal.

Mesmo quando a maior parte da colonia decide por esporular, o material gerado pela lise da membranas das c√©lulas que esporularam s√£o aproveitados por outras c√©lulas da colonia que, no caminho para esporular, entram no estado chamado de compet√™ncia, que consiste em abrir poros na membrana para facilitar a entrada de DNA ex√≥geno, que pode ser utilizado para reparo do DNA e eventualmente como fonte de informa√ß√£o gen√©tica que as ajudar√° a resistir ao momento. H√° ainda um outro caminho mais radical¬† tomado por algumas c√©lulas da col√īnia que consiste em secretar alguns fatores antibacterianos que faz com que c√©lulas irm√£s fiquem incapazes de esporular, causando inclusive a lise de sua membrana, em uma esp√©cie de canibalismo. Interessante notar que, sobre a perspectiva de teoria de jogos, a estrat√©gia de canibalismo seria predominante sobre a estrat√©gia de entrar em compet√™ncia, o que n√£o √© observado. Isto indica que possivelmente as c√©lulas em compet√™ncia s√£o imunes ao canibalismo, mas n√£o sabemos ainda se √© este o caso.

Modelos te√≥ricos/moleculares para este tipo de tomada de decis√Ķes normalmente consistem na integra√ß√£o de m√≥dulos g√™nicos formados principalmente por circuitos regulados por diversos fatores de transcri√ß√£o e micro RNAs. Estes tipos de sistemas g√™nicos tamb√©m desempenham um papel importante no desenvolvimento embrion√°rio e de c√©lulas cancer√≠genas, motivo pelo qual tem se dado muita aten√ß√£o a este tipo de estudo.

Referencias:

[1] Schultz, D., Wolynes, P. G., Jacob, E. B., & Onuchic, J. N. (2009). Deciding fate in adverse times: sporulation and competence in Bacillus subtilis. PNAS.
[2] Lu, M., Jolly, M. K., Gomoto, R., Huang, B., Onuchic, J. N., & Ben-Jacob, E. (2013). Tristability in Cancer Associated miRNA-TF Chimera Toggle Switch. The Journal of Physical Chemistry B.
[3] Stavropoulos, T., Schultz, D., Onuchic, J. N., & Ben Jacob, E. (2012). Breaking the Code of Bacteria Decision Making. Biophysical Journal.
[4] Ben-Jacob, E., S Coffey, D., & Levine, H. (2012). Bacterial survival strategies suggest rethinking cancer cooperativity. Trends in microbiology.

Minas Gerais no iGEM!

532229_456099491139421_18887788_n

Em 2012, dos 16 times da América Latina no iGEM, 6 eram do México. Achamos fascinante o fato deles terem feito um jamboree mexicano e sabiamos que o Brasil também tem estrutura para fazer algo semelhante. Finalmente, este ano temos pela primeira vez mais de um time na competição. Somos 3 times brasileiros, dos quais já falamos dos projetos do time da USP e da UFAM. Resta agora conhecer um pouco do terceiro time que representará o nosso país na competição competição que é da UFMG.

 

 Escrito por Marianna Kunrath Lima e Clara Guerra Duarte

Como tudo começou

Este será o primeiro ano em que uma equipe da UFMG irá participar do iGEM. A ideia de formar uma equipe veio do aluno de medicina Lucas Ribeiro. Ao ler e se interessar pelo evento, ele começou a procurar professores da UFMG que possuíam o perfil/currículo condizente com biologia sintética, que é a base do iGEM. Encontrou a Dr Liza Felicori, professora do Departamento de Bioquímica e Imunologia do ICB-UFMG, que possui experiência na área. E assim começaram os esforços para montar uma equipe da UFMG.

Em janeiro de 2013, foi feita uma palestra para os alunos de graduação e pós graduação interessados na competição. Foram selecionados 2 alunos da graduação de Ciências Biológicas, 1 aluno da graduação de Biomedicina, 1 aluno da graduação de Medicina, 1 aluno da graduação de Ciências da Computação, 1 aluna do Mestrado em Bioquímica e Imunologia, 1 aluno do Mestrado em Bioinformática, 1 aluno do Mestrado em Ciência da Computação, 1 pós-doutoranda em Bioinformática e 1 pós-doutoranda em Bioquímica e Imunologia. Também fazem parte da equipe as professoras Liza Felicori e Santuza Ribeiro, da Bioquímica e Imunologia, além do professor Omar Paranaíba, da Ciência da Computação.

fig3

Logo que a equipe foi escolhida, iniciaram-se as reuni√Ķes, todas as ter√ßas-feiras, √†s 14 horas. Como o grupo √© bem ecl√©tico, foram necess√°rias reuni√Ķes introdut√≥rias, sobre assuntos b√°sicos de cada √°rea, para familiarizar os integrantes sobre temas que n√£o dominavam. Al√©m disso, v√°rias apresenta√ß√Ķes sobre projetos e equipes que participaram de iGEMs anteriores foram feitas, para entendermos bem a competi√ß√£o e termos ideias para o nosso projeto. Como somos pioneiros na universidade, tivemos alguma dificuldade. Ap√≥s dois meses de reuni√Ķes, brainstorms e depois de muito quebrar a cabe√ßa, conseguimos fechar uma ideia preliminar.

 

Projeto

fig1

Decidimos desenvolver um projeto que levasse √† detec√ß√£o de marcadores biol√≥gicos progn√≥sticos de s√≠ndrome coronariana aguda. Problemas coronarianos t√™m se tornado cada vez mais frequentes na popula√ß√£o, devido aos h√°bitos sedent√°rios e √† m√° alimenta√ß√£o. Doen√ßas cardiovasculares levam a perdas econ√īmicas, al√©m do evidente preju√≠zo √† sa√ļde que culmina com a perda de vidas. Existem v√°rios testes diagn√≥sticos para estas enfermidades que utilizam biomarcadores, mas estes testes apenas confirmam a doen√ßa ap√≥s a ocorr√™ncia de um evento dr√°stico, como infarto ou angina, n√£o sendo capazes de prev√™-los. Assim, dada a import√Ęncia do desenvolvimento de ferramentas capazes de realizar o progn√≥stico de doen√ßas card√≠acas, nosso projeto baseia-se na ideia de detectar biomarcadores existentes no sangue de pacientes, sendo que estes marcadores permitem a constata√ß√£o pr√©via da doen√ßa, anteriormente a qualquer manifesta√ß√£o da mesma. Para realizar esta detec√ß√£o, ser√£o utilizadas bact√©rias Escherichia coli transformadas com plasm√≠deos que possuam biobricks capazes de ‚Äúsentir‚ÄĚ as entradas (biomarcadores) e biobricks capazes de gerar sa√≠das (fluoresc√™ncia) para estas entradas. Ser√° utilizada a integra√ß√£o dos sinais gerados por mais de um biomarcador, a fim de aumentar a acur√°cia do teste. O logo e o nome do projeto (Cardbio) j√° foram escolhidos.

fig2Para testarmos a aceita√ß√£o dessa ideia, bem como para recebermos cr√≠ticas e sugest√Ķes, apresentamos um semin√°rio na P√≥s Gradua√ß√£o em Bioqu√≠mica e Imunologia. Esse semin√°rio foi de grande valia para a equipe, ele serviu n√£o apenas para os prop√≥sitos citados acima, como tamb√©m para unir os integrantes, que tiveram que se esfor√ßar para criar uma boa apresenta√ß√£o e para embasar o projeto.

Desde então, vários progressos foram feitos. As modelagens computacionais já estão em andamento, os biobricks estão sendo desenhados, ganhamos uma nova integrante da graduação em Design Gráfico, estamos desenvolvendo meios de conseguir patrocínio e estamos correndo atrás do tempo, uma vez que nossa equipe começou um pouquinho atrasada em relação às demais equipes do iGEM. Temos uma página no Facebook e um blog em construção. Gostaríamos de convidar todos os leitores da SynbioBrasil e todos os iGEMers a contribuírem para o crescimento do nosso projeto, além de agradecermos à equipe da USP pela oportunidade de divulgarmos nossas ideias.

Manaus no iGEM

A história do Brasil do iGEM começou em 2009 com a Unicamp, que também nos representou em 2011. Ano passado foi a vez do nosso time, da USP em parceria com a Unesp. Neste ano, ficamos muito felizes de saber que teremos mais times brasileiros na competição. Até o momento estão inscritos 3 times que representarão nosso país na competição!! E um deles é o time Manaus_Amazonas-Brazil.

Neste post vamos contar um pouco sobre o time do Amazonas e seu projeto. Diferentemente do time da USP, cuja iniciativa começou por parte dos estudantes, o time de Manaus começou por iniciativa do professor Carlos Nunes. Ano passado nosso time teve o prazer de conhecer o professor Carlos que acompanhou a competição para este ano montar um time na sua universidade.

Segue abaixo um pouco do time e de seu projeto, contado pelos próprios alunos integrantes:

Como tudo começou

No final do ano de 2012, gra√ßas ao incentivo do professor Carlos Nunes, come√ßamos a nos interessar pelo iGEM e a nos reunir. No in√≠cio, muitos n√£o tinham ideia de como fazer funcionar a din√Ęmica do grupo, muito menos como formar um, al√©m de qual projeto ir√≠amos propor.

Ap√≥s pesquisar e estudar os projetos das equipes anteriores e ter uma melhor no√ß√£o sobre a competi√ß√£o, come√ßamos a colocar nossa criatividade para funcionar e elaborar ideias/projetos bem distintos. N√£o foram poucas as inspira√ß√Ķes e chegamos a algumas propostas: a bact√©ria armadilha para o HIV (“Colitrap”), a detectora de Inc√™ndio (“Firebacter”), a jogadora de Pacman (“Pac-Coli”), a indicadora de temperatura (“TermoColi”), a espartana (“MagnetoColi”) e a escolhida, bact√©ria produtora de energia el√©trica (“Electrobacter”).

manausfig2

O projeto

manausfig1O foco principal da Electrobacter é degradar gorduras de óleos de fritura residuais amplamente utilizados e descartados por redes de restaurantes para a geração de energia elétrica, pois os mesmos, quando são descartados inadequadamente, apresentam-se como um agente poluidor ao ambiente e o tratamento para eliminar esses poluentes requer o uso de produtos químicos tóxicos, além de o processo ser oneroso e pouco efetivo.
Apesar de já existirem alternativas para o aproveitamento dos óleos de fritura como a produção de sabão, o direcionamento de gorduras para geração de energia trará uma nova opção de bioenergia por meio da biorremediação.

A bact√©ria Shewanella amazonensis¬†que pretendemos utilizar √© capaz de fazer o transporte de el√©trons dispostos no meio, gerando eletricidade. A proposta √© melhor√°-la geneticamente para degradar estes √≥leos atrav√©s da ő≤-oxida√ß√£o (rea√ß√£o bioqu√≠mica de quebra de gorduras), potencializando a produ√ß√£o de el√©trons. ¬†O g√™nero Shewanella √© um grupo de bact√©rias que foram descobertas recentemente e os estudos sobre ela ainda s√£o escassos, principalmente na √°rea da biologia molecular, por√©m seu potencial n√£o s√≥ pela possibilidade de gera√ß√£o de energia, quanto pela sua habilidade de captar metais dispostos no meio.¬† Entre as possibilidades de como modifica-la, optamos por dois caminhos: modificar o repressor ou o promotor dessa via metab√≥lica. Tanto de uma forma quanto da outra, a ő≤-oxida√ß√£o ser√° poss√≠vel mesmo com a presen√ßa m√≠nima de glicose no meio, por√©m os efeitos dessa interven√ß√£o gen√©tica dever√£o ser estudados de perto para que n√£o tenhamos que sempre deix√°-la em condi√ß√Ķes de estresse.

Com esse o projeto de caráter ambiental e ecológico, estamos empolgados, determinados a participar do iGEM e ser o primeiro time a representar o estado do Amazonas.

 

As dificuldades

Infelizmente, não só de determinação e força de vontade vive um time do iGEM. Uma das principais dificuldades é pagar a inscrição do time na competição que custa em torno de 3 mil dólares, que paga não somente a inscrição como o envio das partes biologicas necessárias ao projeto e custos do evento. A universidade, bem como agências de fomento de pesquisa, não tem programas de apoio para uma competição como o iGEM. Ano passado, contamos com a colaboração de mais de 40 pessoas do mundo todo que nos apoiaram através do chamado crowdfunding.

Se você ficou triste pois perdeu a oportunidade de apoiar um time brasileiro a fazer ciência de uma forma inovadora e divertida, o time de Manaus está precisando de apoio e você pode colaborar por aqui.

 

Para saber mais sobre o grupo:

Veja o video do grupo

Blog do grupo

P√°gina no Facebook

Aventuras em Biologia Sintética

Drew Endy

Eu considero os quadrinhos como uma das formas mais interessantes de se narrar uma história. São também uma ótima forma de divulgar ciência de uma maneira didática e divertida.

Drew Endy um dos pais da biologia sintética (e do Registry of Parts), juntamente com Isadora Deese (ambos do MIT) elaboraram o quadrinho Adventures in Synthetic Biology. E tem mais: o quadrinho foi publicado no website da prestigiada revista Nature.

Confira Adventures in Synthetic Biology e aprenda de maneira didática o que são biobrick, PoPs, entre outros conceitos básicos.

 

Links possivelmente interessantes:

 

Espetáculo da ciência

We’ve arranged a global civilization in which most crucial elements profoundly depend on science and technology. We have also arranged things so that almost no one understands science and technology. This is a prescription for disaster. We might get away with it for a while, but sooner or later this combustible mixture of ignorance and power is going to blow up in our faces.”

(Carl Sagan, The Demon-Haunted World: Science as a Candle in the Dark )

[youtube_sc url=”http://youtu.be/cP2VhadII84″ title=”A%20ci√™ncia%20como%20uma%20enigmatica%20caixa%20preta%20que%20ao%20ser%20manipulada%20por%20um%20misterioso%20personagem,%20o%20cientista,%20produz%20inova√ß√Ķes%20tecnol√≥gicas.”]

Caixa preta é um conceito que designa um sistema cujos detalhes de funcionamento são desconhecidos ou mesmo ignorados. Computadores, micro-ondas, aparelho celulares são alguns dos vários exemplos de objetos que são amplamente usados pela sociedade mas que, em geral, não há uma preocupação maior por parte dos usuários com relação ao seu funcionamento.

Grande parte da popula√ß√£o brasileira n√£o tem acesso √† educa√ß√£o cient√≠fica, fazendo com que os avan√ßos tecnol√≥gicos que a ci√™ncia promove apare√ßam aos olhos do cidad√£o sob uma forma n√£o muito diferente de um espet√°culo m√°gico. Tem-se uma sociedade industrializada derivada dos avan√ßos na ci√™ncia e tecnologia (sem mais discuss√Ķes apontarei estas duas como indissoci√°veis) sentada na plat√©ia de olho apenas para o output de uma caixa preta cuja √ļnica raz√£o de ser √© a gera√ß√£o de mais aplica√ß√Ķes tecnol√≥gicas. J√° o enigm√°tico e estereotipado personagem que manipula a caixa, o cientista, faz parte de uma pequena porcentagem que det√©m os saberes do que est√° por tr√°s do funcionamento da mesma.

Apesar de atualmente haver uma maior mobiliza√ß√£o relacionada √† divulga√ß√£o cient√≠fica no Brasil (como o scienceblogs), maior cobertura em revistas e jornais televisivos e principalmente na internet, o quadro ainda √© fr√°gil. A m√≠dia, n√£o raramente, apresenta a ci√™ncia como um empreendimento espetacular, realizado por pessoas super-dotadas, g√™nios que nunca cometem equ√≠vocos e que fornecem informa√ß√Ķes cem por cento confi√°veis. Consequ√™ncia dessa m√≠dia exagerada √© uma vis√£o distorcida de como funciona a ci√™ncia, exemplo recente (e tr√°gico em todos sentidos) foi o ocorrido com cientistas italianos que foram condenados por n√£o preverem um terremoto. √Č dado uma grande √™nfase as aplica√ß√Ķes da ci√™ncia mas o processo de sua produ√ß√£o, seu contexto, suas limita√ß√Ķes e incertezas s√£o ignorados.

Essa falta de compreens√£o, reflex√£o e educa√ß√£o cientifica no entanto n√£o impede que tenhamos uma sociedade aberta √† ci√™ncia (sim!!), e como vimos bem confiante no saber tecnocient√≠fico que superficialmente lhe √© apresentada. N√£o √© incomum, por exemplo, comerciais de televis√£o usarem dessa confian√ßa no conhecimento cientifico afim de ganhar os clientes, do tipo “est√° comprovada cientificamente a efic√°cia do produto…”. Ficamos diante de uma sociedade impaciente, exigente e que aguarda cada vez mais da ci√™ncia mas que muitas vezes n√£o consegue filtrar as informa√ß√Ķes sensacionalistas e contradit√≥rias que lhe s√£o apresentadas (Parece milagre! Novo rem√©dio faz emagrecer 7 a 12 quilos em cinco meses. E sem grandes efeitos colaterais!!).

A sociedade comanda direta e indiretamente o que √© produzido e proposto cientificamente. A ci√™ncia, que antes tinha somente o papel investigativo e sociologicamente marginal, tornou-se hoje o centro da sociedade humana controlada pelos poderes econ√īmicos, estatais e subjulgada a exig√™ncias dessa ¬†sociedade. Portanto, ao mesmo tempo que a ci√™ncia possui autoridade e √© dominadora, ela tamb√©m √© dominada por essa demanda da sociedade meramente usu√°ria. Isso √© perigoso, vamos olhar como exemplo para um cen√°rio particular de interesse aqui do blog; a biologia sint√©tica √© hoje uma √°rea onde a sociedade est√° depositando muito de suas expectativas (e dinheiro). Esta press√£o social por inova√ß√Ķes pode ser bastante tr√°gica nesta √°rea, uma vez que pequenos¬†bugs¬†num produto biol√≥gico pode apresentar¬†consequ√™ncias¬†dr√°sticas.

O ponto principal a ser pensado aqui √© a import√Ęncia e necessidade que TODOS tenhamos consci√™ncia do que estamos criando e para que isto est√° sendo feito frente ao avan√ßo cientifico e tecnol√≥gico. Para os envolvidos diretamente com ci√™ncia resta pensar no poder do que produzem, um poder pelo qual muitas vezes pode-se perder o poder. Instala-se a necessidade de uma verdadeira reflex√£o sobre os caminhos que os cientistas e o conhecimento cient√≠fico podem seguir para que se tornem mais acess√≠veis. O avan√ßo na divulga√ß√£o cient√≠fica tem que continuar crescendo, no entanto, prezando pela boa qualidade. Para os n√£o envolvidos ansiosos pelas novidades do ano, pelos produtos rec√©m-sa√≠dos do forno, embalados e ‚Äúpronto para consumo‚ÄĚ resta tomar uma postura cr√≠tica maior¬†com rela√ß√£o a mudan√ßas que afetam diretamente as suas vidas. Abrir caixas pretas √© uma tarefa √°rdua mas o primeiro passo √© se dar conta de que existem.¬†Vale a tentativa(!!!) uma vez que o progresso da ci√™ncia e por sua vez de toda sociedade depende disso, depende das ideias inovadoras, das discuss√Ķes, das cr√≠ticas. Dependemos do conhecimento.

Autoria: Carolina Menezes Silvério e Marcelo Boareto.

Modelagem em biologia (sintética), um guia para ateus em modelagem.

Para uma pessoa que lida diariamente com biologia, pode ser bastante difícil imaginar uma maneira de abordar matematicamente um problema em sua área ou como isto poderia ter alguma utilidade. A biologia é uma ciência considerada bastante complexa, pois são muitas as variáveis que podem afetar o sistema. Até mesmo um sistema relativamente simples como a expressão de uma proteína em E. coli, pode se tornar um problema bastante complexo de se modelar se todas as variáveis que afetam a expressão desta proteína forem levadas em consideração. Na realidade, não há nem mesmo quem seja capaz de listar todas estas variáveis. Assim sendo, como é possível fazer um modelo disto, se não consigo nem mesmo listar as variáveis que alteram meu sistema? Neste caso, melhor mesmo fazer como o Calvin e ser um ateu em modelagem, não é mesmo?

Na verdade não, fazer um modelo não é tão complicado assim. Pensar que é necessário colocar tudo no modelo é o erro conceitual mais comum de quem tem formação em áreas complexas como a biologia. Já os físicos por exemplo, tem uma visão dita reducionista, de tentar entender um problema dividindo-o em pequenas partes fundamentais e começar pelo modelo mais simples possível para depois aumentar a complexidade, se necessário (ou possível). Reza a lenda que um dono galinheiro certa vez chamou um fisico para solucionar o porquê as galinhas não estavam botando. Uma semana depois o fisico apareceu com a solução. Entretanto, a solução só era válida para galinhas esfericamente simétricas e no vácuo. True story!

Pode parecer contradit√≥rio, mas um modelo que leva mais vari√°veis em considera√ß√£o n√£o necessariamente √© melhor ou mais “realistico”. Na verdade se um modelo leva mais vari√°veis em considera√ß√£o do que outro e ambos tem a mesma efeci√™ncia, o segundo modelo √© considerado melhor, conforme veremos.

Portanto, o melhor caminho para fazer um bom modelo é considerar as poucas e relevantes variáveis do problema, ou seja, ao fazer um modelo, a principal regra é:

Keep it simple, stupid!!
Este √© o famoso princ√≠pio KISS, uma boa regra para come√ßar um modelo. A maioria dos modelos funcionam melhor e s√£o melhor entendidos se mantidos simples. Complexidade desnecess√°ria deve ser evitada, mas obviamente, simplicidade demasiada n√£o deve resultar em um modelo √ļtil (como no caso das galinhas). Assim, uma boa maneira de se come√ßar um modelo √© pensar quais s√£o as vari√°veis que devem ser realmente importantes para o problema. Tente formular seu modelo com o m√≠nimo de vari√°veis e veja se seus resultados condizem com o esperado, ou com os experimentos. Se isto n√£o ocorrer, √© um sinal de que seu modelo ou √© demasiadamente simples e voc√™ esqueceu alguma vari√°vel muito importante ou voc√™ pode ter feito hip√≥teses que n√£o sejam v√°lidas. Fazer hip√≥teses condizentes n√£o √© uma tarefa na simples e exige um conhecimento profundo do problema em quest√£o.

O principio KISS é um conceito bastante semelhante à famosa navalha de Occam. Este princípio, introduzido por William Occam diz:

“Se em tudo o mais forem id√™nticas as v√°rias explica√ß√Ķes de um fen√īmeno, a mais simples √© a melhor.”

 

Exemplo

Para exemplificar o que foi dito, vamos brincar de modelar com um simples exemplo que discutimos certa vez em nosso grupo.

O problema consiste em estimar a concentração de uma proteína (nosso caso era a Cre recombinase) dentro das bactérias E.coli, ou seja, quantas Cre-recombinases existem, em média, por bactéria? Esta inferência é base para estimar o PoPS (veja post anterior)

Este parece ser um problema simples mas pode se tornar bastante complicado de resolver caso o princípio KISS não seja utilizado. Quem é importante neste problema? Devo considerar a temperatura? Devo considerar a quantidade de alimento no meio?

Você pode pensar, e com razão, que a temperatura e a quantidade de alimento são importantes pois afetam a taxa de produção das proteínas. Entretanto estes são exemplos de variáveis que não precisam
ser levados em considera√ß√£o pois, nos experimentos n√£o trabalharemos com situa√ß√Ķes extremas de escassez de alimento nem de mudan√ßas de temperatura e pequenas varia√ß√Ķes destas vari√°veis (fora de um regime extremo) n√£o devem afetar significantemente a produ√ß√£o da prote√≠na. Muitas s√£o as vari√°veis que n√£o afetam significamente o sistema e ter intui√ß√£o disto √© fundamental e repito, exige um bom entendimento do problema.

OK, mas por onde começar?

Bom, sabemos que para se produzir uma proteína primeiramente precisamos da produção do RNA mensageiro. A quantidade de mRNA certamente é uma variável relevante!!!
Portanto, vamos tentar criar uma equação sobre como o mRNA deve variar no tempo. A variação temporal de uma variável é representada matematicamente pela derivada da variável no tempo  

Sabemos que nosso mRNA deve ser produzido pela leitura do DNA, feita pela DNA polimerase. OK, mas com que velocidade ela lê isto? Uma boa referencia, é o Bionumbers (tipo um google para dados biológicos)

Lá encontramos que nossa taxa de transcrição (Ktrans) é de, em média, 40 pares de base por segundo. Mas então precisamos saber qual o tamanho do RNA que gera nossa proteína. No caso da Cre é de 1032 pares de base (Nbp). Portanto, quantidade de proteína produzida por tempo e por volume (V) é de:

Dividimos pelo volume pois queremos saber a variação de concentração, ou seja, quantidade de proteínas por volume (unidade em Molar). Este será o primeiro termo de nossa equação, que se refere a produção do mRNA. Existem outras maneiras dele ser produzido? Se sim, novos termos devem ser adicionados. Neste caso, aparentemente esta é a unica forma dele ser produzido. Mas ele pode ser degradado, não é mesmo? Então precisamos de mais um termo, o de degradação. Novamente se formos até o bionumbers teremos a taxa de degradação (KdRNA) do mRNA. Este novo termo fará com que a taxa do mRNA diminua no tempo, e por este motivo ele é negativo. Portanto nossa equação fica:

Onde o termo positivo se refere a produção e o negativo se refere a degradação.

Agora vamos escrever uma equação para a tradução do mRNA em proteína. Neste caso encontramos uma taxa de tradução de 15 aminoacidos por segundo. Como nossa proteina tem 1032 pares de base ela deve ter 1032/3=344 aminoacidos. Como, além de produzida, nossa proteína também pode ser degradada então temos uma equação bastante semelhate à anterior:

Podemos supor que inicialmente a concentração desta proteína é zero, isto não fará diferença nos cálculos mas suponhamos que não haja proteina inicialmente. Ao longo do tempo, a concentração
desta prote√≠na ir√° crescer at√© alcan√ßar o equilibrio entre produ√ß√£o e degrada√ß√£o. Neste equilibrio, a concentra√ß√£o das prote√≠nas n√£o mudam mais no tempo e portanto nossas equa√ß√Ķes s√£o iguais a zero. Para entender o equilibrio, pense na equa√ß√£o logistica que descreve a curva de crescimento de uma popula√ß√£o de bact√©rias. Inicialmente temos um crescimento exponencial, mas depois de um tempo a popula√ß√£o satura, ou seja, estabiliza em uma determinada popula√ß√£o. Este ponto de satura√ß√£o √© que chamamos de ponto de equilibrio, onde a quantidade de bact√©rias n√£o muda mais no tempo. Neste ponto, a quantidade de bact√©rias que morrem √© proporcional √†s que “nascem”. Matematicamente o ponto de equilibrio √© um ponto onde a derivada no tempo √© igual a zero, portanto:

ou seja:

e

Agora podemos isolar a concentração do mRNA na primeira equação e substituir na segunda. Com isto, chegamos a:

Qual o sentido deste valor? Bem voc√™ pode utilizar o volume da bact√©ria e calcular qual a concentra√ß√£o de uma √ļnica prote√≠na dentro de uma bact√©ria e voc√™ chegar√° que isto √© aproximadamente 1 nM. Portanto, nosso resultado nos diz que h√° aproximadamente 2.000 prote√≠nas, em m√©dia, dentro da bact√©ria.

OK, isto quer dizer que se eu fizer um experimento eu vou encontrar exatamente 2000 proteínas dentro da bactéria?

Obviamente n√£o, devemos ter em mente a limita√ß√£o de nosso modelo. Aproxima√ß√Ķes foram feitas e h√° muitas vari√°veis que podem fazer com que este valor mude. Entretanto, podemos dizer com certa seguran√ßa que teriamos algo de 1.000 √† 10.000 prote√≠nas na bact√©ria. Pode parecer muito inexato e que nosso modelo n√£o foi t√£o √ļtil por n√£o ser preciso. Mas devemos lembrar que inicialmente n√£o t√≠nhamos nenhuma ideia de quantas prote√≠nas haviam. Se algu√©m chutasse que h√° somente 10 ou 100 prote√≠nas em m√©dia poderiamos pensar que era uma estimativa boa. Com o modelo sabemos que esta estimativa n√£o¬†√© boa, que devem haver bem mais prote√≠nas que isto!

Al√©m da quantidade de prote√≠na, com este simples modelo poderiamos estimar o tempo que demora para que a quantidade de prote√≠na sature, ou seja, atinja o ponto de equilibrio. Estas s√£o estimativas que podem ser muito √ļteis na hora de definir um protocolo experimental e pode economizar uma razo√°vel quantidade de tempo e reagentes durante os experimentos.¬† Portanto, n√£o √© necess√°rio de ser ateu em modelagem, mas, tampouco, √© recomendado acreditar religiosamente no modelo!!