Redes de regulação gênica

• Main Author: Simão, Eugênio
• Other Authors: Universidade Federal de Santa Catarina
• Format: Others
• Language: Portuguese
• Published: Florianópolis, SC 2013
• Subjects: Engenharia quimica; Redes de petri; Biologia molecular
• Online Access: http://repositorio.ufsc.br/handle/123456789/103123

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Química === Made available in DSpace on 2013-07-16T03:04:33Z (GMT). No. of bitstreams: 1 241649.pdf: 3341855 bytes, checksum: 05e7e08ad9fe7613d4d2cc85daf872db (MD5) === Vias metabólicas são descritas por um conjunto de reações bioquímicas acopladas por um metabólito intermediário em comum. Cada uma das reações deste conjunto é facilitada pela presença de uma enzima. O estudo destes sistemas geralmente assume que a concentração de enzimas é constante e seu efeito é abstraído pela velocidade de reação identificada por seu parâmetro cinético correspondente. Enzimas por sua vez, são o resultado de uma complexa rede de interações biomoleculares governadas por um conjunto de sinais que podem levar a ativação ou a repressão da produção destas enzimas. Com o avanço da biologia molecular e conseqüentemente das inovações tecnológicas relacionadas, a quantidade de informações disponível possibilita considerar também as redes de regulação genômica que dão origem às enzimas e incluí-la na análise de vias metabólicas. Redes de regulação genômicas demonstram um forte caráter combinatório, enquanto que reações bioquímicas demonstram um caráter fluido e contínuo. Desta forma, a modelagem e análise de vias metabólicas reguladas naturalmente enquadram-se sob o domínio de sistemas híbridos. No entanto, como uma primeira abordagem de validação ou refutação de hipóteses sobre observações biológicas, vias metabólicas reguladas podem ser modeladas e analisadas por métodos formais da matemática discreta. Neste trabalho, redes de regulação genômicas serão modeladas e analisadas pelo formalismo de grafos regulatórios e reações bioquímicas por redes de Petri. Em seguida, o grafo de regulação será transcrito para um modelo equivalente em termos de redes de Petri. Finalmente, o modelo integrado da via metabólica com a rede de regulação, ambas sob o formalismo de rede de Petri, será analisado. Os mecanismos de regulação da produção do aminoácido aromático triptofano pela Escherichia coli serão utilizados para compor o modelo biológico. Metabolic pathways can be described by a set of biochemical reactions coupled by a common intermediate metabolite. Each one of these reactions is facilitated by the presence of an enzyme. Biochemical reactions modeling always assume a constant enzyme concentration, and its effect on the system is abstracted by its corresponding kinetic parameter. Enzymes are the result of a complex biomolecular interactive network, ruled by a set of signals, which can activate or deactivate the process of enzyme production. Molecular biology recent discoveries and its accompanying technological innovations produce an enormous set of molecular level information, which permits to consider the inclusion of genetic regulatory networks to the analyses of biochemical networks. Genetic regulatory networks have a strongly combinatorial behavior, while biochemical networks exhibits a fluid and continuous character. Therefore, regulated biochemical networks are naturally under hybrid system domain of modeling and analysis. However, discrete mathematical methods can be used to model regulated metabolic pathways as a first method to validate or refuse biological hypothesis. In this work, genetic regulatory networks will be modeled and analyzed under the regulatory graph formalism, and biochemical networks as Petri nets. In the sequel, the logic regulatory graph will be translated to an equivalent Petri net model. Finally, the model resulted from the integration of biochemical networks with the genetic regulatory network, both in terms of Petri nets, will be analyzed. The regulatory mechanisms of tryptophan production by Escherichia coli will be used as a biological model.