Calculadora para sítios de ligação com ribossomos (RBS)

RBSUm objetivo central da biologia sint√©tica √© programar c√©lulas para desenvolver fun√ß√Ķes valiosas. √Ä medida que se constroem sistemas gen√©ticas maiores e mais complexos (como os de escala gen√īmica), ser√£o necess√°rios modelos e t√©cnicas para combinar as partes gen√©ticas de maneira eficiente para se atingir um comportamento espec√≠fico. Para isso, ser√£o necess√°rios modelos biof√≠sicos que descrevam a rela√ß√£o de uma sequ√™ncia de DNA que a sua fun√ß√£o. Um passo muito importante nesse sentido foi dado pelo Grupo do Prof. Howard Salis, pesquisador que eu tenho o prazer de trabalhar dentro do Synberc, com o desenvolvimento da calculadora de RBS (ribossomal binding site ou s√≠tio de liga√ß√£o com o ribossomo). Engenharia gen√©tica de microrganismos √© um processo tempo intensivo (por ex. o desenvolvimento de uma nova rota metab√≥lica para a produ√ß√£o de um produto qu√≠mico pode levar de 5 a 10 anos de P&D para chegar a etapa industrial) que normalmente requer m√ļltiplas rodadas de tentativas e erro utilizando muta√ß√Ķes aleat√≥rias. √Ä medida que se torna poss√≠vel construir sistemas g√™nicos cada vez mais complexo (incluindo genomas completos), m√©todos automatizados para montagem desses sistemas e para otimiza√ß√£o de vias metab√≥licas se tornam necess√°rios para diminuir custos e tempo de desenvolvimento. Al√©m disso, com o aumento da complexidade do sistema, a aplica√ß√£o de m√©todos de tentativa e erro para sua otimiza√ß√£o se torna cada mais dif√≠cil e ineficaz. Uma maneira de otimizar um sistema g√™nico √© atrav√©s da varia√ß√£o da sequencia de seus elementos regulat√≥rios para controlar os n√≠veis de express√£o de suas prote√≠nas codificadoras. Cada passo limitante na express√£o de um gene oferece a oportunidade para modular racionalmente os n√≠veis de express√£o proteica. Em bact√©rias, s√≠tios de liga√ß√£o do ribossomo e outras sequencias regulat√≥rias de RNA s√£o elementos de controle eficientes para o in√≠cio da tradu√ß√£o. Como consequ√™ncia, essas sequ√™ncias s√£o comumente modificadas para a otimiza√ß√£o de circuitos gen√©ticos. Vias metab√≥licas e express√£o de prote√≠nas recombinantes. Assita um video bem interessante no Youtube sobre tradu√ß√£o. N√£o √© mostrado no video (e n√£o consegui encontrar um melhor) o RBS √© uma sequencia do RNA que direciona o ribossomo para o start codon, ele complementar a regi√£o do rRNA 16S que √© parte da subunidade pequena 30S do ribossomo. Basicamente, quando mais complementar o RBS √© ao 16S rRNA, maior √© a afinidade e maior √© a taxa de tradu√ß√£o. Como foi descrito no video, a tradu√ß√£o em bact√©rias (procariotos) consiste em quatro fases: inicia√ß√£o, elongamento, termina√ß√£o e o turnover do ribossomo (na verdade, esta √ļltima fase n√£o foi mostrada no video). Na maioria dos casos, o in√≠cio da transcri√ß√£o √© o gargalo do processo inteiro. O taxa de inicia√ß√£o de transcri√ß√£o se d√° pela combina√ß√£o de diferentes efeitos moleculares: incluindo a hibrida√ß√£o do rRNA 16S com a sequencia do RBS, a liga√ß√£o do tRNA formilmetionina ao start codon, a dist√Ęncia entre o s√≠to de liga√ß√£o do rRNA 16S e o start c√≥don, e a presen√ßa de estruturas secund√°rias de RNA que podem obstruir o RBS ou o start codon. Para o otimiza√ß√£o de express√£o de genes, √© muito comum o desenvolvimento de bibliotecas de sequencias de RBS com o objetivo de otimiza√ß√£o de fun√ß√Ķes de sistemas g√™nicos. Por√©m, a constru√ß√£o e sele√ß√£o de bibliotecas de sequ√™ncias se torna impratic√°vel com o aumento de prote√≠nas no sistema. Por exemplo, para realizar muta√ß√Ķes rand√īmicas em 4 nucleot√≠deos para um RBS resulta em uma biblioteca de 256 sequencias. O tamanho da biblioteca aumenta combinatoriamente com o n√ļmero de prote√≠nas do sistema, ou seja, 16,7 milh√Ķes de sequ√™ncias para um sistema com 3 prote√≠nas e 2,8 x 1014 sequencias para um sistemas com 6 prote√≠nas). Dessa maneira, se torna necess√°rios processos mais racionais para avaliar sequencias de RBS. A calculadora de RBS utiliza um modelo estat√≠stico termodin√Ęmico para predizer a taxa de inicia√ß√£o de tradu√ß√£o de uma prote√≠na. Dado um RBS e a regi√£o codificadora da prote√≠na, o modelo √© capaz de calcular a mudan√ßa de energia livre durante a montagem do complexo ribossomal 30S no RNAm (őĒGTOT). Depois, o modelo estat√≠stico √© capaz de correlacionar a taxa de in√≠cio de transcri√ß√£o com o őĒGTOT. Dessa maneira, o modelo biof√≠sico preenche uma lacuna de desenho racional de RBS, criando uma rela√ß√£o quantitativa entre um sequencia de letras (As, Gs, Cs e Us) e um n√ļmero (taxa de inicia√ß√£o de tradu√ß√£o). A calculadora de RBS, portanto, combina um modelo biof√≠sico com otimiza√ß√£o estoc√°stica para identificar uma sequ√™ncia sint√©tica (n√£o natural) de RBS que ir√° proporcionar a taxa de in√≠cio de tradu√ß√£o desejada. √Č importante destacar que esta rela√ß√£o tamb√©m depende dos 35 nucleot√≠deos iniciais da regi√£o codificadora da prote√≠na e que o RBS sint√©tico precisa ser desenhada com esta sequencia inclu√≠da. A calculadora de RBS est√° dispon√≠vel do site do laborat√≥rio do Salis . E √© muito simples de utilizar, basta criar uma conta de usu√°rio, recortar e colar as sequ√™ncias, e definir uma ou mais taxas de inicia√ß√£o de transcri√ß√£o. RBS calculator

Outras ferramentas para controle de transcrição também estão disponíveis como a Small RNA Calculator.

Bons experimentos!

Salis, H., Mirsky, E., & Voigt, C. (2009). Automated design of synthetic ribosome binding sites to control protein expression Nature Biotechnology, 27 (10), 946-950 DOI: 10.1038/nbt.1568

Computadores bacterianos

De acordo com o verbete da wikipedia, um computador √© uma m√°quina program√°vel desenhada para, automaticamente, realizar um sequ√™ncia de opera√ß√Ķes aritim√©ticas ou l√≥gicas. Um computador pode prover-se de in√ļmeros atributos, dentre eles armazenamento de dados, processamento de dados, c√°lculo em grande escala, desenho industrial, tratamento de imagens gr√°ficas, realidade virtual, entretenimento e cultura. Os primeiros computadores anal√≥gicos surgiram no s√©culo XVII e eram capazes de realizar as fun√ß√Ķes b√°sicas de somar, subtrair, multiplicar e dividir. Mas foi na II Guerra Mundial, em meados do s√©culo XX, que realmente nasceram os computadores atuais. A Marinha dos Estados Unidos, em conjunto com a Universidade de Harvard, desenvolveu o computador Harvard Mark I, projetado pelo professor Howard Aiken, com base no calculador anal√≠tico de Babbage. O Mark I ocupava 167m2 e pesada cerca de 30 tonelada aproximadamente, conseguindo multiplicar dois n√ļmeros de dez d√≠gitos em tr√™s segundos.Seu funcionamente era parecido com uma calculadora simples de hoje em dia. Nem √© preciso falar o quanto esta tecnologia se desenolveu at√© hoje, em que hoje se discuti processadores qu√Ęnticos e se faz computa√ß√£o em nuvem. Uma plataforma diferente das ‚Äúbaseadas no sil√≠cio‚ÄĚ, que estamos acostumados, s√£o os biocomputadores. Em 1994, em um experimento muito elegante, Leonard Adleman desenvolveu o primeiro experimento envolvendo um computador de DNA para resolver o problema do Caminho Hamiltoniano: um problema que envolve caminhos hamiltonianos √© o problema do caixeiro viajante, em que um caixeiro deseja visitar um conjunto de N cidades (v√©rtices), passando por cada cidade exatamente uma vez, fazendo o caminho de menor tamanho poss√≠vel (Figura 1).

 

Figura 1. O grafo em vermelho é hamiltoniano.

Cada bola √© um n√≥ e cada flecha √© uma aresta. Existem multiplas possibilidades de construir um computador baseado em DNA, em que cada um possui suas vantagens e desvantagens. A maioria deles funciona utilizando as portas l√≥gicas (AND, OR, NOT) associadas a l√≥gica digital utilizando como base o DNA, como por exemplo, o contador bacteriano . Por√©m os primeiros computadores moleculares baseados em DNA, s√£o rea√ß√Ķes in vitro utilizando, por exemplo, enzimas de restri√ß√£o, ligases, e DNA (Benenson et al. 2001). Atrav√©s da mistura desse componentes e rea√ß√Ķes em cascada de digest√£o, liga√ß√£o e hibridiza√ß√£o, o output final √© uma mol√©cula detect√°vel que representa o resultado computacional. Em 1994, Leonard Aldleman foi capaz desenvolver um computador in vitro baseado em DNA para solucionar o problema do Caminho Hamiltoniano (Figura 1), por√©m apenas em 2009, Baumgardner e colaboradores conseguiram resolver um problema complexo in vivo, em E. coli. Por√©m, para entender, √© necess√°rio uma s√©rie de abstra√ß√Ķes para tornar sequ√™ncias de DNA em v√©rtices e arestas de um caminho hamiltoniano (ver Figura 2). A primeira abstra√ß√£o trata segmentos de DNA como as arestas de um determinado grafo. As arestas de DNA s√£o flanqueados por s√≠tios hixC que podem ser embaralhados por um recombinase Hin, criando diversas ordens e orienta√ß√Ķes rand√īmicas para as arestas do grafo. A segunda abstra√ß√£o est√° relacionada com os n√≥s, com exce√ß√£o do n√≥ terminal, em que um n√≥ √© um gene divido ao meio por uma sequ√™ncia hixC. Os autores conseguiram construir enzimas funcionais portando essas sequ√™ncias codificadas no DNA. Dessa maneira, a primeira metade (5¬ī) de um n√≥ √© encontrada na aresta de DNA que termina em um n√≥, enquanto a segunda metade (3¬ī) do gene √© encontrado em uma aresta de DNA que se origina no n√≥. Calma, realmente n√£o √© f√°cil entender, √© preciso pensar e abstrair, veja a figura 2.


Figura 2. Construção de DNA que codificam um problema do Caminho Hamiltoniano com três nós. a. O grafo contendo o caminho Hamiltoniando começa no nó RFP, procedendo para o nó GFP e terminando no nó TT. b. Construção ABC representam a solução para o problema dos três nós. Os três fragmentos de DNA flanqueado por hixC estão na ordem e orientação corretas, de maneira que os genes GFP e RFP estão intactos. ACB possui o gene RFP intacto, porém o gene GFP está errado, por fim, a construção BAC não possue nenhum gene intacto.

A Figura 2a mostra o grafo com os 3 n√≥s e as 3 arestas que foram escolhidas para serem codificados no computador bacteriano. O gr√°fico cont√™m um √ļnico caminho hamiltoniano que come√ßa no n√≥ RFP, viajando pela aresta A at√© o n√≥ GFP, e utilizando a aresta B at√© alcan√ßar o n√≥ final TT. A aresta C, the RFP at√© TT √© um detrator. A Figura 2b ilustra como as constru√ß√Ķes de DNA foram utilizadas para solucionar o problema do Caminho Hamiltoniano com um controle positivo e duas configura√ß√Ķes sem solu√ß√Ķes. J√° que as solu√ß√Ķes precisam originar no n√≥ RFP e terminar no n√≥ GFP, a aresta A de DNA cont√™m na extremidade 3¬īa metade de RFP seguida por a extremidade 5¬īde GFP. A aresta B de DNA se origina em GFP e termina em TT, dessa maneira, esse fragmento de DNA possui 3¬īGFP seguido de um terminado de transcri√ß√£o duplo. A aresta C se origina em uma metade 3¬ī de RFP e termina em TT. Finalmente, com os genes codificadores para RFP e GFP est√£o intactos, com promotores e RBS, e seguintes de um terminador de transcrip√ß√£o, col√īnias ABC expressam fluoresc√™ncia vermelha e verde, dessa maneira, possuem apar√™ncia amarela.

Para concluir a abstração eu gosto de imaginar que a recombinase Hin é o caxeiro viajante que faz o seu caminho pelo DNA e a sequência de DNA contem o mapa do caminho realixado.

A programa√ß√£o de bacteria para computar solu√ß√Ķes de problemas complexos podem oferecer as mesmas vantagens dos computadores atuais que estamos acostumados, por√©m, com as seguintes caracter√≠sticas adicionais: (i) sistemas bacterianos s√£o aut√īnomos, eliminando a necessidade de interven√ß√£o humana, (ii) computadores bacterianos podem se adaptar a condi√ß√Ķes flutuantes, evoluindo para resolver desafios de determinados problemas e (iii) o crescimento exponencial de bact√©rias continuamente aumente o n√ļmero de processadores trabalhando em um problema (Baumgardner et al., 2009). Sem contar que eles ainda poderiam fazer fotoss√≠ntese‚Ķ

Adleman LM: Molecular computation of solutions to combinatorial problems. Science 1994, 266:1021-1024.

Benenson Y, Paz-Elizur T, Adar R, Keinan E, Livneh Z, Shapiro E: Programmable and autonomous computing machine made of biomolecules. Nature 2001, 414:430-434.

Baumgardner , J et al. Solving a Hamiltonian Path Problem with a bacterial computer. J. Biol. Eng. 2009, 24;3:11.

L√Ęmpada verde da Philips produz luz com bact√©rias

A Philips lan√ßou uma l√Ęmpada que utiliza bact√©ria bioluminescentes. Mais interessante √© que esses microrganismos¬†se alimentam de metano produzido¬†pela compostagem de restos de alimentos¬†realizado em pequena escala na pr√≥pria casa. Para a Philips esse √© o primeiro passo para a utiliza√ß√£o de microrganismos em sistemas de ilumina√ß√£o.

Veja a matéria na íntegra.

As 50 empresas mais quentes de bioenergia

Acabou de sair um ranking de empresas que reconhece a inova√ß√£o e os avan√ßos em¬† bioenergia. Entre as 50, 37 s√£o dos EUA, 15 s√£o ativas no desenvolvimento do etanol celul√≥sico, 5 desenvolvem algas para solu√ß√Ķes energ√©ticas e 16 produzem novos biocombust√≠veis avan√ßados como o biobutanol,¬† biodiesel, gasolina e combust√≠veis de jato renov√°veis.

Veja a reportagem completa:

The 50 Hottest Companies in Bioenergy for 2010-11

The 50 Hottest Companies in Bioenergy for 2010-11 are:

Last year’s rank (2009-10)

1.            Amyris                              3

2.            Solazyme                          1

3.           POET                                 2

4.            LS9                                    8

5.            Gevo                                 13

6.            DuPont Danisco            7

7.            Novozymes                       11

8.             Coskata                             6

9.             Codexis                            35

10.            Sapphire Energy            5

11.             Virent                              21

12.             Mascoma                        10

13.             Ceres                                28

14.             Cobalt Technologies     30

15.             Honeywell’s UOP           12

16.             Enerkem                          25

17.             BP Biofuels                        4

18.             Genencor                         26

19.             Petrobras                          18

20.             Abengoa Energy             15

21.             Qteros                                22

22.             Joule Unlimited              32

23.             Shell                                    27

24.             Bluefire Renewables        19

25.             Rentech                              38

26.             Algenol                                24

27.             ZeaChem                             20

28.             PetroAlgae                          16

29.             Neste                                    29

30.             Synthetic Genomics           17

31.             LanzaTech                            41

32.             Iogen                                    23

33.             OriginOil                             42

34.             RangeFuels                         14

35.             ExxonMobil                        29

36.             Cargill                                    NR

37.             SG Biofuels                          49

38.             Butamax                              38

39.             Terrabon                              47

40.             Cosan                                    NR

41.             Verenium                              9

42.             Waste Management            42

43.             IneosBio                                36

44.             Dynamic Fuels                     NR

45.             Fulcrum Bioenergy              48

46.             KL Energy                             34

47.            KiOR                                       NR

48.             Chevron                                 NR

49.             Monsanto                              NR

50.             Inbicon                                    50

Bio-Fiction videos ‚Äď Please rate your favourite videos!

Vejam os vídeos do Synthetic Biology Science, Art and Film Festival que ocorreu em Viena nos dias  14 a 16 de maio!

Votem nos melhores vídeos numa escala de 1 a 5:

http://bio-fiction.com/videos/

Produção de biodiesel por bactérias

ResearchBlogging.org

Imagine uma planta√ß√£o enorme de soja no interior do Mato Grosso e uma instala√ß√£o para a extra√ß√£o do √≥leo de soja, que √© composto por v√°rios √°cidos graxos. Agora imagine no interior de S√£o Paulo, uma grande usina de etanol cercada por dezenas de quil√īmetros por cana-de-a√ß√ļcar. Imagine o etanol e √≥leo de soja sendo transportados at√© uma usina de biodiesel para, utilizando um catalisador (normalmente hidr√≥xido de s√≥dio), serem esterificados em um √©ster (biodiesel) e em glicerina. Muito trabalho e muito recurso para produzir um biocombust√≠vel n√£o acham?

Recentemente, um trabalho muito interessante foi publicado pelo Jbei Instute demonstrando a possibilidade de se utilizar uma bact√©ria para produzir biodiesel em apenas uma etapa, e ainda por cima, utilizando res√≠duos agroindustriais, como por exemplo, o baga√ßo de cana-de-a√ß√ļcar. Essa bact√©ria modificada geneticamente √© capaz de produzir √°cidos graxos e etanol e enzimaticamente realizar a esterifica√ß√£o desses produtos em biodiesel. Bacana n√£o √©? Os detalhes da pesquisa ser√£o descritos a seguir.

√Ācidos graxos t√™m sido utilizados h√° s√©culos para a produ√ß√£o de combust√≠veis e produtos qu√≠micos, incluindo o biodiesel, surfactantes, solventes e lubrificantes. Por√©m a demanda crescente e a produ√ß√£o limitada de √≥leos vegetais t√™m causado questionamentos sobre o aumento dos pre√ßos dos alimentos, sobre a pr√°tica de utiliza√ß√£o dos solos e os aspectos socioambientais relacionados com a sua produ√ß√£o. Uma alternativa √© a produ√ß√£o desses derivados de √°cidos graxos via convers√£o biol√≥gica utilizando microrganismos como levedura e bact√©rias. Dentro desses produtos, os etil-√©steres de √°cidos graxos (o famoso biodiesel) t√™m despertado muito interesse. S√≥ para ilustrar, a demanda mundial de diesel vem crescendo tr√™s vezes mais que a de gasolina.

√Ācidos graxos s√£o produzidos naturalmente por microrganismos, eles comp√Ķem, entre outras coisas, a membrana celular. Por√©m, Jay Keasling e seu grupo constru√≠ram uma E. coli geneticamente modificada capaz de produzir √°cidos graxos livres (atrav√©s da express√£o de uma tioesterase citoplasm√°tica e da dele√ß√£o de genes respons√°veis pela degrada√ß√£o de √°cidos graxos) e etanol (expressando os genes de Zymomonas mobilis). Al√©m disso, foi clonada uma enzima (Acr1) capaz de realizar a transesterifica√ß√£o em bioedisel, sendo que que a glicerina produzida √© reabsorvida pela bact√©ria para a produ√ß√£o de mais biodiesel.

O tamanho e a saturação do ácido graxo influenciam diretamente nas propriedades químicas do biodiesel, como temperatura de fusão. Alguns trabalhos têm demonstrado que,
atrav√©s da express√£o de tioesterases de plantas, √© poss√≠vel produzir √°cidos graxos sob medida para diferentes aplica√ß√Ķes. Essa ferramenta gen√©tica possibilita a produ√ß√£o de biodiesel com composi√ß√Ķes definidas, dessa maneira, com performance e caracter√≠sticas desenvolvidas sob medida.

Por fim, essas bact√©rias foram modificadas para utilizar mat√©rias-primas de baixo custo, como a hemicelulose presente no baga√ßo de cana-de-a√ß√ļcar. √Č uma pesquisa pioneira que mostra bem o tipo de engenharia sist√™mica de metabolismo microbiano que vem sido feita. Atrav√©s de v√°rias modifica√ß√Ķes gen√©ticas foi poss√≠vel aumentar a produ√ß√£o de 40 mg/l para quase 700 mg/l de biodiesel. Resultado este ainda baixo para se cogitar uma aplica√ß√£o a curto-prazo, mas, sem sombra de d√ļvida, as perspectivas s√£o muito animadoras.

Steen EJ, Kang Y, Bokinsky G, Hu Z, Schirmer A, McClure A, Del Cardayre SB, & Keasling JD (2010). Microbial production of fatty-acid-derived fuels and chemicals from plant biomass. Nature, 463 (7280), 559-62 PMID: 20111002

O que é Biologia Sintética?

Este post deveria ser um dos primeiros artigos para um site que se diz especializado em biologia sint√©tica. Mas confesso para voc√™s que definir o que √© biologia sint√©tica, para mim, n√£o foi (√©) uma tarefa f√°cil. Como podem ser vistos nos posts no blog, existem v√°rios aspectos da synbio que permitem diferentes defini√ß√Ķes de acordo com o ponto de vista de quem est√° fazendo biologia sint√©tica. Por exemplo, um engenheiro interessado em criar dispositivos computacionais sint√©ticos em uma bact√©ria, ou um biotecn√≥logo interessado em produzir biocombust√≠veis ou um bi√≥logo querendo montar uma bact√©ria a partir de simples elementos qu√≠micos. Claramente, todas estas √°reas est√£o conectadas, mas criar uma defini√ß√£o que consiga embarcar todas as possibilidades n√£o √© trivial. Por isso, digo que este post √© org√Ęnico, que deve mudar √† medida que o meu conhecimento sobre o assunto se aprofunda.

Uma característica que une todos os biológos sintéticos é a vontade de tornar o processo de engenharia de sistemas biológicos mais fácil e confiável. Dentro desse contexto, existem quatro diferentes níveis de atuação da biologia sintética:

(i) partes biol√≥gicas: sendo o DNA a linguagem de programa√ß√£o, as partes biol√≥gicas s√£o uma sequ√™ncia de dados (AGCTA…) que possuem fun√ß√Ķes determinadas. Por exemplo, uma sequ√™ncia de DNA que faz a c√©lula mudar a cor de verde para amarelo. Estas partes s√£o descritas, catalogadas e respeitam determinado padr√£o f√≠sico de montagem (leia mais sobre os biobricks). Espera-se que com o tempo se possam descrever as caracter√≠sticas de in√ļmeras partes biol√≥gicas para serem utilizadas para a constru√ß√£o de dispositivos, sistemas,…. Essa √© uma das fun√ß√Ķes da Secret√°ria de Partes Biol√≥gicas Padr√£o do MIT.

(ii) dispositivos sintéticos: são compostos por partes biológicas capazes de processar sinais. Processam inputs em outputs. Para a construção de dispositivos robustos e eficientes são necessárias partes que funcionem de uma maneira previsível. Veja mais sobre dispositivos sintéticos.

(iii) sistemas sint√©ticos: s√£o um conjunto dispositivos capazes de captar sinais, processar informa√ß√Ķes e realizar fun√ß√Ķes determinadas, como por exemplo, uma c√©lula capaz de captar algum sinal do ambiente e decidir se ir√° realizar uma determinada fun√ß√£o como combater uma c√©lula tumoral, produzir determinado metab√≥lito etc.

(iv) por √ļtimo, existe a arquitetura sint√©tica de popula√ß√Ķes em que, por ex, cada microrganismo possui um dispositivo diferente, sendo necess√°rio que estes dispositivos trabalhem em conjunto para realizar determinada fun√ß√£o. Trabalhar em conjunto, como¬†uma popula√ß√£o que precisa trabalhar com sincronismo, √© o¬†caso dos osciladores. Para isso, √© necess√°rio dominar mecanismos robustos de comunica√ß√£o c√©lula-c√©lula.

A biologia sintética pode ser aplicada em praticamente todas áreas da biologia molecular, biotecnologia e engenharia genética. Porém existem algumas áreas que se destacam como sendo próprias da biologia sintética:

1. Construção de uma célula mínima: identificação das partes básicas para construção de uma célula.

2.  Reconstrução de células: tendo como objetivo central a construção de formas de vida artificiais a partir de elementos químicos.

3. Construção de novos códigos genéticos.

5. Constru√ß√£o de c√©lulas capazes de realizar fun√ß√Ķes diferentes daquelas encontradas na natureza, como a obten√ß√£o de novas rotas bioqu√≠micas de produ√ß√£o de novos compostos. .

Essa √ļltima, talvez seja a que mais tenha impacto nas nossas vidas cotidianas a curto-prazo, atrav√©s do desenvolvimento de rem√©dios mais baratos e com a produ√ß√£o de combust√≠veis e qu√≠micos utilizando recursos renov√°veis.

Secretaria de Partes Biológicas Padrão

J√° comentei em posts anteriores sobre os Biobricks, as partes biol√≥gicas padr√£o da biologia sint√©tica. Dentro desse contexto, foi fundado em 2003, no MIT,¬†a Secretaria de Partes Biol√≥gicas Padr√£o (Registry of Standard Biological Parts) para depositar as partes gen√©ticas utilizadas na montagem de dispositivos e sistemas sint√©ticos. A secretaria cont√©m mais de 3400 partes que podem ser trocadas por in√ļmeros laborat√≥rios cadastrados e espera-se que todos contribuam com dados e novas partes para melhorar o reposit√≥rio.

A secretaria oferece muitos tipos de partes biol√≥gicas, incluindo plasm√≠deos, primers, promotores, dom√≠nios de prote√≠nas, s√≠tios de liga√ß√£o de ribossomos, riborreguladores, genes rep√≥rteres e etc… (veja a lista).

Entre os objetivos de criação do Registro estão: (i) possibilitar a engenharia sistemática da biologia, (ii) promover o desenvolvimento transparente e aberto de ferramentas de engenharia biológica e (iii) para construir uma sociedade que, produtivamente e democraticamente, possa aplicar tecnologias biológicas.

Atualmente mais de 120 laborat√≥rios do mundo inteiro pertencem¬†√† comunidade dos Biobricks. Este ano, o Laborat√≥rio de Bioprodutos da USP foi o primeiro laborat√≥rio do pa√≠s a¬†fazer parte dessa comunidade. Algumas das nossas constru√ß√Ķes gen√©ticas j√°¬† est√£o sendo feitas em formato biobrick para que possamos receber partes e contribuir com partes tamb√©m. Na pr√≥xima segunda, receberemos uma das respons√°veis pela Secret√°ria, Meagan Lizarazo que ir√° dar uma palestra sobre biologia sint√©tica, biobricks, iGEM e outros assuntos relacionados.

N√£o percam esta oportunidade!

Palestra de pesquisadora do MIT sobre biologia sintética

Nesta segunda-feira, às 10:00 no anfiteatro 2 do ICBII (no centro didático anexo) teremos o grande prazer de receber a pesquisadora do MIT Meagan Lizarazo, que falará sobre Biologia Sintética, iGEM, Registro de Partes Padrão e outras coisas interessantes.

N√£o percam!

4.a reuni√£o do synbiobrasil: processamento de sinais

Est√° confirmada a nossa pr√≥xima reuni√£o, dia 24/03/2011 √†s¬† 3 pm na sala 101 do ICBII. O tema ser√° Processamento de sinais e se iniciar√° com uma palestra dos Prof. Vitor do Nascimento e Prof. C√°ssio Lopes do Departamento de Engenharia El√©trica da Poli. Ser√° discutido um pouco de estima√ß√£o e sistemas din√Ęmicos e pretende-se fazer um paralelo com o que j√° foi discutido sobre biologia sint√©tica.

Até lá!