sideRETRO: uma ferramenta de bioinformática dedicada à identificação deinserções polimórficas, germinativas ou somáticas, de pseudogenes processados / sideRETRO: a bioinformatics tool for identifying somatic and polymorphic insertions of processed pseudogenes

Os avanços metodológicos e instrumentais decorrentes do Projeto Genoma Humano formaram o arcabouço necessário para o surgimento das tecnologias de sequenciamento de DNA de Nova Geração, as quais se caracterizam por um custo reduzido, uma baixa demanda operacional e a produção de um grande volume de dados por experimento. Concomitantemente a isso, o aumento no poder de processamento computacional permitiu o desenvolvimento de análises genéticas em larga escala, de modo que, atualmente, é possível estudar características genômicas individualizadas e, até então, pouco ou nunca exploradas. Dentre essas características, aquelas relacionadas às variações estruturais em genomas têm recebido bastante atenção. Os pseudogenes processados, ou retrocópias, são variações estruturais causadas pela duplicação de genes codificadores mediante à transposição de seu RNA mensageiro maduro pela maquinaria enzimática de LINE- 1. As retrocópias podem estar fixadas, ou seja, presentes em todos os genomas de uma dada espécie, os quais são representados pela montagem modelo do genoma de referência, ou podem não estar fixadas, sendo polimórficas, germinativas ou somáticas. No entanto, o conhecimento acerca das retrocópias não fixadas ainda é limitado devido à falta de ferramentas de bioinformática dedicadas a sua identificação e anotação em dados de sequenciamento de DNA. Posto isso, este trabalho apresenta o sideRETRO um programa computacional especializado na detecção de pseudogenes processados ausentes do genoma de referência, mas presentes em dados de sequenciamento de genoma completo e exoma de outros indivíduos. Além de apontar para a presença de retrocópias não fixadas, o sideRETRO é capaz de anotar várias outras características relacionadas a esses evento, tais como: a coordenada genômica de inserção do pseudogene processado, a qual constitui o cromossomo, o ponto de inserção e a fita de DNA (líder or retardada); o contexto genômico do evento (exônico, intrônico ou intergênico); a genotipagem (presente ou ausente) e a haplotipagem (em homozigose ou heterozigose). Para atestar a eficiência da ferramenta, o sideRETRO foi executado para dados simulados e para dados reais validados experimentalmente por um grupo independente. Portanto, em resumo, nesta tese são descritos o desenvolvimento e o uso do sideRETRO uma ferramenta computacional robusta e eficiente, designada para identificar e anotar pseudogenes processados não fixados. Por fim, vale destacar que o sideRETRO preenche uma lacuna metodológica e possibilita novas hipóteses e investigações sistemáticas no campo de chamada de variantes estruturais

The methodological and instrumental advances resulting from the Human Genome Project have created the necessary framework to the emergence of Next Generation DNA sequencing technologies, which are characterized by a reduced cost, low operational demand and the generation of a large volume of data per experiment. Concomitantly with this, the increase in computational processing power has driven the development of large-scale genetic analyses, which allowed us to study individualized genomic traits little or never explored before. Among these characteristics, those related to structural variations in genomes have received much attention. Processed pseudogenes, or retrocopies, are structural variations caused by the duplication of coding genes through the transposition of their mature messenger RNA by the LINE-1 enzymatic machinery. Retrocopies can be fixed (i.e., present in all genomes of a given species and included into the assembly of the reference genome) or unfixed, being polymorphic, germinal or somatic. However, knowledge about unfixed retrocopies is still limited due to the lack of bioinformatics tools dedicated to their identification and annotation in DNA sequencing data. Therefore, this work presents sideRETRO a computer program specialized in the detection of processed pseudogenes absent from the reference genome, but present in whole genome and exome sequencing data from other individuals. In addition to pointing out the presence of unfixed retrocopies, sideRETRO is able to annotate several other characteristics related to these events, such as: the genomic coordinate of the processed pseudogene insetion, which constitutes the chromosome, the insertion point and the DNA strand (leader or retard); the genomic context of the event (exonic, intronic or intergenic); genotyping (present or absent) and haplotyping (homozygous or heterozygous). To certify the sideRETRO efficiency, it was run on simulated data and on real data experimentally validated by an independent group. Therefore, in summary, this thesis describes the development and use of sideRETRO a robust and efficient computational tool, designed to identify and annotate unfixed processed pseudogenes. Finally, it is worth noting that sideRETRO fills a methodological gap and allows new hypotheses and systematic investigations in the field of structural variant calling

Análisis de las polihidroxialcanoato sintasas (PhaC1 y PhaC2) en una cepa de Pseudomonas fluorescens IBUN S1602, aislada en suelos colombianos / Analysis of polyhydroxyalkanoate synthases (PhaC1 and PhaC2) in a strain of Pseudomonas fluorescens IBUN S1602 isolated from Colombian soil

La cepa Pseudomonas fluorescens IBUN S1602 conforma el grupo de aislamientos provenientes de suelos colombianos de caña de azúcar, que acumula polihidrioxialcanoato (PHA), fue seleccionada como promisoria para escalamiento comercial por tener afinidad por sustratos alternativos y económicos como el glicerol, aceites usados, suero de leche, entre otros. Dada la importancia de la enzima sintasa en la síntesis de los PHAs, en el presente trabajo se realizó el análisis molecular de los genes phaC1 y phaC2 que codifican las enzimas sintasas tipo II (PhaC1 y PhaC2). Para la obtención de los amplímeros requeridos en la secuenciación, se utilizó la técnica de PCR bajo condiciones estandarizadas para iniciadores diseñados reportados en las bases de datos. Se identificaron dos fragmentos de 1680 pb y 1683 pb correspondientes a phaC1 y phaC2. El análisis comparativo de las secuencias proteicas resultantes de estos genes demuestra que la sintasa IBUN S1602 contiene la región α/β hidrolasa y 8 residuos de aminoácidos conservados, que son características de las sintasas examinadas a nivel mundial. Se analizó la estructura enzimática a nivel primario y se predijo la secundaria. Se concluyó que las sintasas de la cepa Pseudomonas fluorescens IBUN S1602 presentan alta homología con las sintasas tipo II que se reportan para Pseudomonas. Los resultados obtenidos contribuyen al entendimiento básico de la biosíntesis de PHA, la cual permitirá, en un futuro, el aumento de la calidad de PHA debida a la modulación del nivel de sintasa que se exprese en un organismo recombinante, con el fin de variar el peso molecular del biopolímero, propiedad esencial en el estudio de aplicaciones industriales.

The strain Pseudomonas fluorescens IBUN S1602 forms the group of isolates from colombian sugarcane soil´s, which accumulates polyhydroxyalkanoate biopolymer (PHA) and was selected as promising for commercial scale by having affinity for economic and alternative substrates such as glycerol, oils, whey, among others. Given the importance of the synthase enzyme in the synthesis of PHAs, was realized the molecular analysis of genes phaC1 and phaC2 which encode type II synthases (PhaC1 y PhaC2). To obtain the amplimers required in the sequencing, was used the PCR technique under standardized conditions for primers designed based on the updated review in databases. Were identified two fragments of 1680 bp and 1683 bp for phaC1 and phaC2. Comparative analysis of the resulting protein sequences of these genes shows that the IBUN S1602 synthases containing the region α/β hydrolase and 8 conserved amino acid residues that are characteristic of synthases examined worldwide. Enzyme structure was analyzed at the primary level and was predicted the secondary. It is concluded that synthase strain Pseudomonas fluorescens IBUN S1602 has high homology with type II synthases that are reported for Pseudomonas. The results contribute to basic understanding of the biosynthesis of PHA, and will allow in the future, increasing the quality of PHA due to modulation of the level of synthase is expressed in a recombinant organism, in order to vary the weight molecular biopolymer, an essential property in the study of industrial applications.