4 Avanços recentes em Biologia Computacional

Biologia computacional está evoluindo rapidamente com o advento de novas tecnologias, especialmente na forma como coletamos, analisamos e visualizamos os dados. Dr. Ragothaman Yennmalli, um Kolabtree freelancer e cientista, examina quatro avanços promissores.  

Acompanhamento do post introdutório anterior, here I will highlight some of the recent trends or recent advances in the biological sciences that are transforming computational biology. These advances rely heavily on computational tools and methods — big análise de dados, multiscale modelling, etc. Some of them are listed below.

1. Grandes Dados

This is a well known term in computer science and has been picked by biologists only recently. Thanks to the next generation sequencing techniques, the sequence of a genome can be obtained in relatively shorter time. For example, the relevance of generating data quickly is magnified when working with metagenomic data or a microbiome. How can one manage the data? What about storage for long term? What are the tools for analyzing such massive data? These questions arise and they  do have answers. As mentioned this is a recent trend in biology but not in computer science or experimental Físicaonde o manuseio e a análise de grandes dados é um trabalho de rotina.

Um exemplo em particular onde a pesquisa está acontecendo é nos formatos de arquivos de grandes dados biológicos. No caso do formato de arquivo de estrutura de proteínas, o padrão atual é o formato .pdb, um formato dependente de coluna que é parseável e legível tanto por humanos quanto por máquinas. Entretanto, este formato falha ao descrever mega estruturas, tais como o ribossomo ou capsids virais completos. Portanto, foi proposto um novo formato chamado formato .pdbx, que supera as limitações do formato anterior. Há também outro formato chamado formato MMTF que aumenta o tempo de carga para estruturas com mais de 20 milhões de átomos em segundos.

Leitura adicional sobre grandes dados em computação biologia estrutural:
http://science.sciencemag.org/content/355/6322/248

2. Técnicas Cryo-EM e XFEL

Estes dois métodos não são novos, como tal. Entretanto, a tecnologia atual e os avanços que acontecem nestes dois campos estão empurrando os limites da análise da estrutura biomolecular. Cryo-EM é uma técnica para capturar a estrutura tridimensional da biomolécula utilizando o microscópio eletrônico em alta resolução. Em um dos laboratórios pioneiros do NIH, uma estrutura de 2,5Å foi resolvida. Esta resolução é geralmente obtida com estrutura de cristal de proteínas, que rotineiramente envolve pelo menos 1-2 meses de tempo para padronizar o cristal ideal para ser disparado sob feixe de raios X.

In contrast, a recent technique that is revolutionizing biologia estrutural é XFEL que consiste em disparar raios X de alta intensidade sobre microcristais de proteínas. Devido à alta radiação, os microcristais são literalmente queimados para obter os dados. Dezenas de milhares de microcristais são necessários para se obter dados de cobertura decente. Cada imagem capturada de um microcristal tem que ser analisada com o resto para obter a estrutura 3D da biomolécula.

Such techniques depend heavily on automated software that use image processing algorithms and to some extent aprendizagem de máquinas approaches to identify the signal from the surrounding noise. This são grandes dados, pois a diversidade e a velocidade com que a informação é adquirida é astronômica.

3. Modelagem em múltiplas escalas

Ao contrário da modelagem de uma única estrutura biomolecular e da extrapolação para um sistema mais complexo, a modelagem em múltiplas escalas envolve mais de 200.000 átomos e a dinâmica obtida revela interações de longo prazo e comportamento complexo dos múltiplos componentes (homogêneos ou heterogêneos). Os dados gerados por tais experimentos são massivos devido ao número de pontos de dados obtidos, também devido a múltiplas execuções para obter um significado estatístico.

Um exemplo em que a modelagem em múltiplas escalas tem sido usada é na compreensão dos dyanmics do Celulosoma, uma estrutura complexa bacteriana feita de proteínas heterogêneas e enzimas que se ligam à celulose. O celulosoma é industrialmente importante na área de biocombustíveis, especificamente na produção de bioetanol.

Leitura adicional: http://www.ks.uiuc.edu/Research/biofuels/

4. Seqüenciamento de célula única

Em vez de olhar para várias células, a técnica mais recente é isolar cada célula individual e extrair o RNA e sequenciá-las. Esta técnica recente é chamada de seqüenciamento de RNA de célula única ou scRNA-seq. Neste artigo da Natureza, discutindo o método e suas vantagens, eles mencionam que

É muito mais difícil manipular células individuais do que grandes populações, e como cada célula produz apenas uma pequena quantidade de RNA, não há espaço para erros. Outro problema é analisar as enormes quantidades de dados que resultam - até porque as ferramentas utilizadas podem ser pouco intuitivas.

Uma excelente revisão do fluxo de trabalho e ferramentas para o scRNA-seq é dada aqui: https://doi.org/10.3389/fgene.2016.00163

---

Precisa de ajuda com a consultoria de Biólogo Computacional? Alugue um Biologia Computacional Freelance especialista em Kolabtree. É grátis para postar seu projeto e receber orçamentos.

Quer consultar a Dra. Yennamalli sobre um projeto? Entre em contato com ele em Kolabtree aqui.

Peritos relacionados:
Contratar um bioinformático         Contratar um Biólogo Molecular      Contratar um bioestatístico