| dc.description.abstract | Protozoários são organismos unicelulares que causam várias doenças que atingem tanto humanos como animais. Essas doenças causam ônus econômicos principalmente em regiões tropicais e subtropicais. Atualmente, não existem vacinas comercialmente disponíveis e não há tratamento eficaz para tais doenças. Isso se deve ao fato dos fármacos disponíveis apresentarem muitos efeitos colaterais e estarem propensos ao desenvolvimento de resistência. A maioria desses fármacos foi descoberta através da seleção de um grande número de compostos contra parasitas íntegros. Porém, nos últimos anos, uma nova abordagem vem ganhando espaço sob o termo de \201Cdesenho racional de fármacos\201D. Este termo representa a busca por compostos contra alvos moleculares específicos, visando diferença bioquímicas e fisiológicas entre o parasita e o hospedeiro. A era pós-genômica gerou uma grande quantidade de informações que vem permitindo a identificação de novos alvos. Neste contexto, a partir de dados dos proteomas de 23 protozoários dos gêneros Entamoeba, Giardia, Trichomonas, Trypanosoma, Leishmania, Cryptosporidium, Plasmodium, Toxoplasma, Babesia e Theileria, realizamos buscas para a identificação de enzimas isofuncionais não-homólogas (NISE) que possam ser futuramente priorizadas como alvos terapêuticos. Em nossa metodologia utilizamos a ferramenta AnEnPi localmente para buscar nas sequencias proteicas por enzimas funcionalmente análogas. Utilizando os dados provindos do KEGG, primeiro houve uma etapa de clusterização das estruturas primárias de todas as enzimas anotadas com o mesmo EC (Enzyme comission). Para isso utilizou-se uma pontuação (score) de similaridade no BLASTP de 120, como parâmetros de corte
Encontramos 812 Ecs com mais de um cluster e 1778 com um único cluster. Após isso, foi realizado um passo de inferência funcional na qual um novo BLASTP foi feito e assumido como ponto de corte o e-value de 10-20. Nesse BLASTP foram comparadas todas as proteínas preditas nos protozoários contra todos os clusters. Desses dados identificamos, inicialmente, 54 potenciais NISEs, e a partir destes fizemos as validações no SUPERFAMILY manualmente. Confirmamos 24 ECs com casos de NISE como potenciais alvos para estudos futuros de validação deste e proposição de fármacos. Além disso, buscamos em 3 bancos de dados principais de alvos terapêuticos, TDTARGETS, TTD e PDTD pelos ECs identificados como possíveis alvos, e encontramos a ocorrência de algumas dessas enzimas já sendo estudadas como alvos. Além disso, selecionamos alguns casos de NISE de acordo com critérios estabelecidos por nós para modelagem comparativa através da ferramenta MODELLER, para a visualização da diferença em suas estruturas 3D. A maioria dos modelos obtidos, de acordo com os resultados dos programas de validação PROCHECK e ERRAT, precisaram ser refinados. Utilizamos a minimização de energia para tal tarefa através do portal KoBaMIN. Todas as enzimas modeladas tiveram diferenças ou na topologia geral, ou nos cofatores e coenzimas utilizados para sua atividade catalítica | |
