ELABORAÇÃO DE ALGORITMO ALTERNATIVO EFICIENTE NA CONSTRUÇÃO DE ÁRVORES FILOGENÉTICAS: VETORES DE FREQUÊNCIA DE TRI-PEPTÍDEOS E ENTRADAS INTERPRO

Resumo

No estudo da evolução das espécies, é imprescindível a utilização de árvores filogenéticas para verificar a relação entre os mesmos. Entretanto, a reconstrução evolutiva de organismos usando métodos filogenéticos tradicionais pode ser afetada por erros, por exemplo, de alinhamentos incorretos ou por utilizar um número restrito de genes. Além disto, métodos de alinhamentos de sequências completas de genoma são impraticáveis, pois demandam um enorme esforço computacional. Neste contexto, a representação de proteínas como vetores no espaço multidimensional abre possibilidades em aplicação de métodos de Álgebra Linear para investigar tais relações. O banco de dados InterPro integra modelos preditivos ou "assinaturas" de proteínas, qualificando-o como ferramenta no estudo de processos evolutivos. A presente pesquisa busca responder às seguintes questões: a) genomas analisados por métodos de Álgebra Linear, usando como representação vetorial a frequência de tripeptídeos e entradas de InterPro podem gerar relações filogenéticas válidas do ponto de vista biológico? b) comparado a métodos clássicos, de alinhamentos de sequências completas de genoma, como são os resultados usando Álgebra Linear, tanto do ponto de vista das árvores filogenéticas geradas, quanto do resulto computacional? Foram analisados genomas completos de 14 espécies de plantas modelos retiradas do banco de dados Uniprot (http://www.uniprot.org/proteomes/), sendo realizada análise filogenética por meio de duas técnicas distintas: Metodologia clássica (alinhamentos par-a-par), uso de Álgebra Linear com vetores de frequência de tri-peptídeos e com vetores de entradas do InterPro. Na análise clássica as sequencias dos genomas foram testados nos programas: MEGA, ClustalW, Clustal Omega, MUSCLE, BioEdit, CLC Sequence. Na análise utilizando álgebra linear foi elaborada uma matriz com a presença (1) ou ausência (0) de entradas InterPro, e a partir disto, construído vetores para a representação dos genomas das espécies. Em outra representação, as sequências proteicas foram transformadas em vetores de frequências de tri-peptídeos e posteriormente realizada a filogenia através do software MATLAB (algoritmo de Needleman-Wunsch para alinhamento global).  Utilizando-se o método clássico não foi possível gerar nenhum resultado válido, devido a problemas computacionais sendo que nenhum dos programas apresentados suportou a grande quantidade de dados (os genomas avaliados tinham, em média, aproximadamente 13 milhões de aminoácidos). Com o uso da Álgebra Linear foi possível construir árvores filogenéticas que apresentaram resultados similares, tanto quando os genomas completos foram representados por vetores de frequência de tri-peptídeos quanto como vetores de entradas do InterPro. Foi verificado que a distribuição das espécies no dendograma gerado estava de acordo com a taxonomia apresentada na literatura.  Os resultados obtidos demonstram que genomas podem ser avaliados por meio de técnicas de Álgebra Linear, esta premissa e de suma importância no tratamento de dados de relação evolutiva de espécies, e para o planejamento de melhoristas no estudo de genes com base em marcadores moleculares e programas de preservação de espécies.   Palavras-chave: Árvore filogenética. Interpro. Álgebra linear