Escolar Documentos
Profissional Documentos
Cultura Documentos
GENÔMICOS
UNIDADE II
APLICAÇÕES DE ANÁLISES
GENÔMICAS
Elaboração
Gustavo Manoel Teixeira
Produção
Equipe Técnica de Avaliação, Revisão Linguística e Editoração
SUMÁRIO
UNIDADE II
APLICAÇÕES DE ANÁLISES GENÔMICAS.....................................................................................5
CAPÍTULO 1
GENOME-WIDE ASSOCIATION STUDIES – GWAS................................................................... 5
CAPÍTULO 2
MINERAÇÃO DE GENOMAS DE MICRO-ORGANISMOS....................................................... 10
REFERÊNCIAS.........................................................................................................................16
4
APLICAÇÕES DE
ANÁLISES GENÔMICAS
UNIDADE II
Capítulo 1
GENOME-WIDE ASSOCIATION STUDIES – GWAS
As análises começam pela escolha do fenótipo a ser estudado e pela seleção da população
apropriada a ser analisada (o controle e o tratamento ou uma população aleatória sem
distinção de grupos). Em seguida, é realizada a genotipagem dos indivíduos que pode
ser através de microensaios de SNPs ou por WGS (Whole Genome Sequencing). Testes de
associação são realizados com cada SNP identificado no genoma por meio dos testes
estatísticos, como ANOVA, e da criação de modelos de regressão linear ou logística.
5
UNIDADE II | Aplicações de análises genômicas
Figura 18. Ilustração representado eventos de recombinação que ocorrem com a sequência
ancestral, separando diferentes porções do cromossomo e recombinando com sequências
novas adquiridas com o tempo, alelos que permanecem próximos fazem parte do linkage
desiquilibrium que ocorre com estes cromossomos.
Cromossomo
ancestral
Cromossomos
atuais
Existem dois tipos de análises que podem ser utilizadas para aplicar os GWAS. Se a
genotipagem de todos os indivíduos foi realizada em conjunto no mesmo projeto e com
os mesmos padrões de anotação e de sequenciamento, então, o pesquisador realiza uma
chamada mega-análise, por serem dificultosas e com valor muito elevado de execução
pesquisadores. Na maioria das vezes, eles contam com as chamadas meta-análises, as
quais contam com dados integrados de diferentes estudos disponíveis nas bibliotecas
de dados de SNPs. Isso acontece devido às dificuldades de confidencialidade de dados
e de propriedade deles. Porém ambos encontram limitações quando se deparam com a
grande heterogeneidade entre os estudos, as diferentes medidas de traços, os diferentes
desenhos experimentais, os grupos étnicos, as exposições ambientais e os parâmetros
de sequenciamento.
6
Aplicações de análises genômicas | UNIDADE II
a de que a maioria das doenças comuns são, muitas vezes, ligadas aos diversos loci.
Uma parte considerável dos SNPs encontrados em todos os GWAS se encontram em
regiões não codificantes, portanto não estão ligados à disfunção de algum gene em
específico. Estudos mais abrangentes mostraram que há interação entre regiões distantes
do genoma que podem estar ligadas com alterações na expressão de genes próximos
a região de contato.
Outra problemática, que veio com o passar dos anos, foi o viés populacional que
ocorre nos estudos com populações humanas, visando a encontrar traços do genoma
ligado às doenças comuns. Até 2011, 5 anos aproximadamente após o início de os
estudos envolvendo as populações de humanos, 96% dos indivíduos sequenciados que
forneceram os dados, para os estudos, são de descendência europeia (BUSTAMANTE;
DE LA VEGA; BURCHARD, 2011); o que descartando as diferenças genéticas entre as
populações de outros continentes. Seguindo conceitos básicos de evolução, é possível
refletir o fato de que o isolamento geográfico das populações, bem como as diferentes
pressões seletivas que ocorrem nos diferentes continentes, podem influenciar a seleção
de certos genes, ou os loci ligados a certos traços fenotípicos presentes apenas em uma
população. Com isso, é compreensível que as respostas, encontradas através de GWAS,
não possam ser extrapoladas para outras populações no globo.
7
UNIDADE II | Aplicações de análises genômicas
Figura 19. Gráfico de Manhattan indicando loci encontrados nas análises contendo um
grupo amostral maior mais abrangente, loci já identificados estão identificados em
vermelho, os identificados no atual estudo são sinalizados em verde. Os loci sinalizados em
azul foram identificados nas primeiras fases do estudo, porém não obtiveram confirmação
em estágios posteriores.
TCF7L2
Locus estabelecidos previamente Análise não condicional
Locus identificados pelo estudo atual
Locus não confirmados pelo estudo atual
HHEX/IDE
KCNQ1 (2 sinais
CDC123/CAMK1D
CDKAL1 CHCHD9 KCNJ11
CENTD2
CDKN2A/2B
SLC30A8 MTNR1B
ADAMTS9 IGF2BP2 HMGA2 ZFAND6
TP53INP1 PRC1
BCL11A PPARγ TSPAN8/LGR5
WFS1 JAZF1
THADA IRS1 ZBED3 HNF1A FTO DUSP9
KLF14 HNF1B
NOTCH2
Cromossomo
Doenças coronárias também possuem diversos SNPs e loci relacionados com sua
incidência (SCHUNKERT et al., 2011). Num estudo realizado com aproximadamente
100.000 voluntários de origem europeia, foram encontrados 13 novos loci associados
a suscetibilidade às doenças cardíacas. Das regiões descritas como sendo relacionadas
às doenças cardíacas, 5 mostraram forte relação com outras doenças e outros traços,
como: aneurisma cerebral, diabetes tipo 1, trombose venosa, LDL e HDL colesterol,
alterações na pressão. 3 dos novos loci foram associados com fatores de risco de DAC
com colesterol LDL e pressão sanguínea. Contudo, 17 dos 23 loci, ligados à DAC, agem
através de mecanismos independentes dos fatores de risco tradicionais. Estes resultados
8
Aplicações de análises genômicas | UNIDADE II
Figura 20. Todos os loci com SNPs associados ao câncer de próstata identificados através de
GWAS.
9
Capítulo 2
MINERAÇÃO DE GENOMAS DE MICRO-ORGANISMOS
10
Aplicações de análises genômicas | UNIDADE II
mais explorados na busca por novas moléculas como Streptomyces spp, pertencente
ao grupo dos Actinomicetos (GENILLOUD, 2018) (figura 20). O gênero Bacillus, de
ampla dispersão e ocorrência no planeta, é conhecido atualmente por apresentar uma
diversidade de maquinaria celular maior do que de outros gêneros presentes na natureza.
Muitos dos seus metabolitos secundários possuem atividade antimicrobianos descritas.
Esses metabólitos são produzidos de maneira natural no ambiente, como resposta a
interação com outros micro-organismos competidores que disputam o mesmo nicho
que as bactérias do gênero Bacillus.
11
UNIDADE II | Aplicações de análises genômicas
Inibição de patógenos
Imunidade de formigas fúngicos
Fungos de jardim
Cortadeiras (biomassa foliar, L.
gongylophorus
Dentigerumicina
Vanilomicina
Actinomicetos
(Streptomyces spp.,
Pseudonocardia spp.)
9-metoxirebeccamicina
Solo
Algumas ferramentas on-line são capazes de encontrar BGCs (Biosynthetic Gene Clusters
– Clusters de genes biossintéticos). BGCs são um conjunto de genes relacionados, de
maneira direta ou indireta, com a síntese de certa classe de metabólito. Inclui-se, nos
clusters, genes cerne que são responsáveis pela síntese do metabólito em si, genes de
12
Aplicações de análises genômicas | UNIDADE II
Figura 22. Página inicial do webserver antiSMASH, onde é possível encontrar BGCs em
genomas de bactérias a partir de seu número de acesso no GenBank ou por meio de a sua
sequência enviada em formato fasta.
Fonte: https://antismash.secondarymetabolites.org/#!/start.
Dessa forma, nele, é possível definir alguns parâmetros de pesquisa, como o rigor da
detecção:
» rigoroso, onde apenas clusters contendo todas as suas partes bem definidas, são
detectados;
» relaxado, são encontrados clusters completos e alguns com poucas partes ausentes;
13
UNIDADE II | Aplicações de análises genômicas
Outras funções, também, podem ser ativadas para a busca: o KnowClusterBlast, onde os
clusters identificados são comparados com as BGCs do banco de dados MIBiG; o similar
ClusterBlast que busca por similaridades entre os clusters já detectados pelo programa;
o Cluster Pfam analysis, que é opção ativa que busca os clusters na base de dados de
famílias de proteínas; e o ActiveSiteFinder, que busca por sites ativos em certos grupos
de metabólitos secundários para predição de especificidade de substratos.
Outra ferramenta, usada para análises de dados genômicos, sendo a nível de contigs
de um isolado sequenciado até amostras metagenômicas ambientais, é o NaPDoS
(Natural Product Domain Seeker – Buscador de Domínios de Produtos Naturais)
(figura 22). Esta ferramenta permite buscar por genes de duas grandes famílias de
enzimas presentes em micro-organismos, as NRPS e PKS. A arquitetura molecular
dessa família de enzimas se resume basicamente em três domínios: ativação (AT ou
A), tiolação (ACP ou PCP) e condensação (KS ou C). Uma problemática aparente nos
estudos de metabólitos secundários está na alta complexidade e na repetibilidade
das sequências dos genes envolvidos na síntese desses metabólitos, o que faz com
que a sua montagem, utilizando as plataformas de sequenciamento de próxima
geração (NGS – Next Generations Sequencing) com leituras pequenas, seja dificultada.
Uma vez ultrapassado esse problema, o NaPDoS utiliza classificação baseada em
filogenia para distinguir os domínios KS ou C, esses foram selecionados devido
a uma grande conservação das sequências e por serem os mais informativos num
contexto filogenético (ZIEMERT et al., 2012).
14
Aplicações de análises genômicas | UNIDADE II
Fonte: https://npdomainseeker.sdsc.edu/run_analysis.html.
15
REFERÊNCIAS
AGREN, J. et al. Gegenees: fragmented alignment of multiple genomes for determining phylogenomic
distances and genetic signatures unique for specified target groups. PLoS ONE, v. 7, n. 6, p. e39107, 2012.
Disponível em: https://dx.plos.org/10.1371/journal.pone.0039107. Acesso em: 17 set. 2019.
AHERFI, S. et al. A large open pangenome and a small core genome for giant pandoraviruses. [S. l.], 2018.
ALIKHAN, N.F. F.; PETTY, N. K.; BEN ZAKOUR, N. L.; BEATSON, S. A. Blast ring image generator (BRIG):
simple prokaryote genome comparisons. BMC Genomics, [S. l.], v. 12, p. 402, 2011. Disponível em: http://
www.ncbi.nlm.nih.gov/pubmed/21824423. Acesso em: 4 dez. 2018.
ANDREWS, S. FastQC: a quality control tool for high throughput sequence data. [S. l.], 2010.
ARDLIE, K. G.; KRUGLYAK, L.; SEIELSTAD, M. Patterns of linkage disequilibrium in the human genome.
Nature Reviews Genetics, [S. l.], v. 3, n. 4, pp. 299-309, 2002. Disponível em: https://doi.org/10.1038/
nrg777. Acesso em: 23 jun. 2021.
BEHIE, S. W.; BONET, B.; ZACHARIA, V. M.; MCCLUNG, D. J.; TRAXLER, M. F. Molecules to ecosystems:
actinomycete natural products in situ. Frontiers in microbiology. Frontiers Media S.A., 2017. Disponível
em: www.frontiersin.org. Acesso em: 20 jan. 2021.
BENAFIF, S.; KOTE-JARAI, Z.; EELES, R. A. A review of prostate cancer genome-wide association studies
(GWAS). Cancer Epidemiology Biomarkers & Prevention, [S. l.], v. 27, n. 8, pp. 845LP–857,
2018. Disponível em: http://cebp.aacrjournals.org/content/27/8/845.abstract.
BLIN, K.; SHAW, S.; STEINKE, K.; VILLEBRO, R.; ZIEMERT, N.; LEE, S. Y.; MEDEMA, M. H.; WEBER, T. antiSMASH
5.0: updates to the secondary metabolite genome mining pipeline. Nucleic Acids Research, [S. l.], v. 47,
n. W1, pp. W81–W87, 2019. Disponível em: https://academic.oup.com/nar/article/47/W1/W81/5481154.
Acesso em: 23 jun. 2021.
BOLGER, A. M.; LOHSE, M.; USADEL, B. Trimmomatic: a flexible trimmer for Illumina sequence data.
Bioinformatics, [S. l.], v. 30, n. 15, pp. 2114–2120, 2014. Disponível em: https://academic.oup.com/
bioinformatics/article-lookup/doi/10.1093/bioinformatics/btu170. Acesso em: 7 dez. 2019.
BRONNER, I. F.; QUAIL, M. A.; TURNER, D. J.; SWERDLOW, H. Improved protocols for illumina sequencing.
Current Protocols in Human Genetics, [S. l.], v. 79, n. 1, pp. 1821-18242, 2013. Disponível em: https://
onlinelibrary.wiley.com/doi/10.1002/0471142905.hg1802s79. Acesso em: 25 jan. 2021.
BUSH, W. S.; MOORE, J. H. Chapter 11: genome-wide association studies. PLoS Computational Biology,
[S. l.], v. 8, n. 12, p. e1002822, 2012. Disponível em: www.genome.gov/gwastudies. Acesso em: 14 jan. 2021.
BUSTAMANTE, C. D.; DE LA VEGA, F. M.; BURCHARD, E. G. Genomics for the world. Nature, [S. l.], v. 475,
n. 7355, pp. 163–165, 2011. Disponível em: https://doi.org/10.1038/475163a. Acesso em: 23 jun. 2021.
CLARK, A. G. et al. Evolution of genes and genomes on the Drosophila phylogeny. Nature, [S. l.], v. 450,
n. 7167, pp. 203–218, 2007. Disponível em: www.flybase.org. Acesso em: 11 fev. 2021.
16
Referências
DARLING, A. C. E.; MAU, B.; BLATTNER, F. R.; PERNA, N. T. Mauve: multiple alignment of conserved genomic
sequence with rearrangements. Genome research, [S. l.], v. 14, n. 7, pp. 1394–1403, 2004. Disponível em:
/pmc/articles/PMC442156/. Acesso em: 8 fev. 2021.
DUNN, W. B.; ELLIS, D. I. Metabolomics: current analytical platforms and methodologies. TrAC - Trends
in Analytical Chemistry, [S. l.], v. 24, n. 4, pp. 285-294, 2005.
FU, Y.; LIU, S.; YIN, S.; NIU, W.; XIONG, W.; TAN, M.; LI, G.; ZHOU, M. The reverse warburg effect is likely
to be an Achilles’ heel of cancer that can be exploited for cancer therapy. Oncotarget, v. 8, n. 34, 2017a.
Disponível em: https://www.oncotarget.com/article/18175/text/. Acesso em: 23 jun. 2021.
FU, Y.; LIU, S.; YIN, S.; NIU, W.; XIONG, W.; TAN, M.; LI, G.; ZHOU, M. The reverse Warburg effect is likely
to be an Achilles’ heel of cancer that can be exploited for cancer therapy. Oncotarget, v. 8, n. 34,
2017b.
GALARDINI, M.; BIONDI, E. G.; BAZZICALUPO, M.; MENGONI, A. CONTIGuator: a bacterial genomes
finishing tool for structural insights on draft genomes. Source code for biology and medicine, [S. l.],
v. 6, p. 11, 2011. Disponível em: http://www.ncbi.nlm.nih.gov/pubmed/21693004. Acesso em: 24 out.
2018.
GENILLOUD, O. Mining actinomycetes for novel antibiotics in the omics era: are we ready to exploit this
new paradigm? Antibiotics, Switzerland, v. 7, n. 4, p. 85, 2018. Disponível em: http://www.mdpi.com/2079-
6382/7/4/85. Acesso em: 23 jun. 2021.
GUREVICH, A.; SAVELIEV, V.; VYAHHI, N.; TESLER, G. QUAST: quality assessment tool for genome assemblies.
Bioinformatics, [S. l.], v. 29, n. 8, pp. 1072-1075, 2013. Disponível em: https://academic.oup.com/
bioinformatics/article-lookup/doi/10.1093/bioinformatics/btt086. Acesso em: 12 mar. 2020.
HEATHER, J. M.; CHAIN, B. The sequence of sequencers: the history of sequencing DNA. Genomics, [S. l.],
v. 107, n. 1, pp. 1-8, 2016. Disponível em: http://www.ncbi.nlm.nih.gov/pubmed/26554401. Acesso em:
28 nov. 2018.
HUHMAN, D. V.; SUMNER, L. W. Metabolic profiling of saponins in medicago sativa and medicago
truncatula using HPLC coupled to an electrospray ion-trap mass spectrometer. Phytochemistry, [S. l.],
v. 59, n. 3, pp. 347–360, 2002.
HUYNEN, M. A.; BORK, P. Measuring genome evolution. Proceedings of the national academy of
sciences of the united states of america, [S. l.], v. 95, n. 11, pp. 5849-5856, 1998. Disponível em: www.
pnas.org. Acesso em: 12 fev. 2021.
KHATER, S.; ANAND, S.; MOHANTY, D. In silico methods for linking genes and secondary
metabolites: The way forward. Synthetic and Systems Biotechnology, [S. l.], v. 1,
17
Referências
KREMER, F. S.; MCBRIDE, A. J. A.; PINTO, L. S. Approaches for in silico finishing of microbial genome
sequences. Genetics and Molecular Biology, [S. l.], v. 40, n. 3, pp. 553-576, 2017. Disponível em: http://
www.scielo.br/scielo.php?script=sci_arttext&pid=S1415-47572017000400553&lng=en&tlng=en. Acesso
em: 10 dez. 2019.
LEI, Z.; HUHMAN, D. V.; SUMNER, L. W. Mass spectrometry strategies in metabolomics. Journal of
Biological Chemistry, [S. l.], v. 286, n. 29, pp. 25435–25442, 2011. Disponível em: http://www.jbc.org/.
Acesso em: 12 jan. 2021.
LIU, Y.; GONZÀLEZ-PORTA, M.; SANTOS, S.; BRAZMA, A.; MARIONI, J. C.; AEBERSOLD, R.; VENKITARAMAN,
A. R.; WICKRAMASINGHE, V. O. Impact of alternative splicing on the human proteome. Cell Reports, [S.
l.], v. 20, n. 5, pp. 1229–1241, 2017.
MAHAJAN, A. et al. Genome-wide trans-ancestry meta-analysis provides insight into the genetic
architecture of type 2 diabetes susceptibility. Nature Genetics, [S. l.], v. 46, n. 3, pp. 234–244, 2014.
Disponível em: https://www.nature.com/articles/ng.2897. Acesso em: 14 jan. 2021.
MAXAM, A. M.; GILBERT, W. A new method for sequencing DNA. Proceedings of the National Academy
of Sciences of the United States of America, [S. l.], v. 74, n. 2, pp. 560–564, 1977. Disponível em: http://
www.ncbi.nlm.nih.gov/pubmed/265521. Acesso em: 29 nov. 2018.
MEDEMA, M. H.; BLIN, K.; CIMERMANCIC, P.; DE JAGER, V.; ZAKRZEWSKI, P.; FISCHBACH,
M. A.; WEBER, T.; TAKANO, E.; BREITLING, R. antiSMASH: rapid identification,
annotation and analysis of secondary metabolite biosynthesis gene clusters in bacterial
and fungal genome sequences. Nucleic Acids Research, [S. l.], v. 39, n. suppl. 2,
pp. W339–W346, 2011. Disponível em: https://doi.org/10.1093/nar/gkr466. Acesso em: 23 jun. 2021.
NAGARAJAN, N.; COOK, C.; DI BONAVENTURA, M. P.; GE, H.; RICHARDS, A.; BISHOP-LILLY, K. A.; DESALLE,
R.; READ, T. D.; POP, M. Finishing genomes with limited resources: lessons from an ensemble of microbial
genomes. BMC Genomics, [S. l.], v. 11, n. 1, 2010.
NGUYEN, T. L.; KIM, Do-H. Genome-wide comparison reveals a probiotic strain lactococcus lactis WFLU12
isolated from the gastrointestinal tract of Olive Flounder (Paralichthys Olivaceus) harboring genes
supporting probiotic action. Marine Drugs, [S. l.], v. 16, n. 5, p. 140, 2018. Disponível em: http://www.
mdpi.com/1660-3397/16/5/140. Acesso em: 23 jun. 2021.
NIELSEN, C. B.; CANTOR, M.; DUBCHAK, I.; GORDON, D.; WANG, T. Visualizing genomes: techniques and
challenges. Nature Methods Nature Publishing Group, 2010. Disponível em: https://www.nature.com/
articles/nmeth.1422. Acesso em: 10 fev. 2021.
18
Referências
PENG, Yu; LEUNG, H. C. M.; YIU, S. M.; CHIN, F. Y. L. IDBA – A practical iterative de Bruijn Graph de novo
assembler. Lecture Notes in Computer Science, [S. l.], v. 6044 LNBI, pp. 426-440, 2010. Disponível em:
http://link.springer.com/10.1007/978-3-642-12683-3_28. Acesso em: 6 dez. 2019.
PENHA, R. O.; VANDENBERGHE, L. P. S.; FAULDS, C.; SOCCOL, V. T.; SOCCOL, C. R. Bacillus lipopeptides
as powerful pest control agents for a more sustainable and healthy agriculture: recent studies and
innovations. Planta, [S. l.], v. 251, n. 3, p. 70, 2020. Disponível em: https://doi.org/10.1007/s00425-020-
03357-7. Acesso em: 25 nov. 2020.
PERNEMALM, M.; LEHTIÖ, J. Mass spectrometry-based plasma proteomics: State of the art and future
outlook. Expert Review of Proteomics. Expert Reviews Ltd., 2014. Disponível em: https://www.tandfonline.
com/doi/abs/10.1586/14789450.2014.901157. Acesso em: 11 jan. 2021.
SANGER, F.; NICKLEN, S.; COULSON, A. R. DNA sequencing with chain-terminating inhibitors. Proceedings
of the National Academy of Sciences, [S. l.], v. 74, n. 12, pp. 5463-5467, 1977. Disponível em: http://
www.pnas.org/cgi/doi/10.1073/pnas.74.12.5463. Acesso em: 28 nov. 2018.
SCHUNKERT, H. et al. Large-scale association analysis identifies 13 new susceptibility loci for coronary
artery disease. Nature Genetics, [S. l.], v. 43, n. 4, pp. 333-340, 2011. Disponível em: https://www.nature.
com/articles/ng.784. Acesso em: 15 jan. 2021.
VERDONK, J. C.; DE VOS, C. H. Ri.; VERHOEVEN, H. A.; HARING, M. A.; VAN TUNEN, A. J.; SCHUURINK, R.
C. Regulation of floral scent production in petunia revealed by targeted metabolomics. Phytochemistry,
[S. l.], v. 62, n. 6, pp. 997-1008, 2003.
VOIGHT, B. F. et al. Twelve type 2 diabetes susceptibility loci identified through large-scale association
analysis. Nature Genetics, [S. l.], v. 42, n. 7, pp. 579-589, 2010. Disponível em: http://www.nature.com/
articles/ng.609. Acesso em: 23 jun. 2021.
WARBURG, O. On the origin of cancer cells. Science, [S. l.], v. 123, n. 3191, pp. 309-314, 1956. Disponível
em: http://www.jstor.org/stable/1750066. Acesso em: 23 jun. 2021.
ZEGGINI, E. et al. Meta-analysis of genome-wide association data and large-scale replication identifies
additional susceptibility loci for type 2 diabetes. Nature Genetics, [S. l.], v. 40, n. 5, pp. 638-645, 2008.
Disponível em: http://www.nature.com/naturegenetics. Acesso em: 16 jan. 2021.
ZERBINO, D. R.; BIRNEY, E. Velvet: algorithms for de novo short read assembly using de Bruijn graphs.
Genome Research, [S. l.], v. 18, n. 5, pp. 821-829, 2008. Disponível em: http://www.ncbi.nlm.nih.gov/
pubmed/18349386. Acesso em: 24 out. 2018.
19
Referências
ZIEMERT, N.; ALANJARY, M.; WEBER, T. The evolution of genome mining in microbes – a review. Natural
Product Reports, [S. l.], v. 33, n. 8, pp. 988-1005, 2016. Disponível em: http://www.secondarymetabolites.
org. Acesso em: 25 nov. 2020.
ZIEMERT, N.; PODELL, S.; PENN, K.; BADGER, J. H.; ALLEN, E.; JENSEN, P. R. The natural product domain
seeker NaPDoS: a phylogeny based bioinformatic tool to classify secondary metabolite gene diversity.
PLOS ONE, [S. l.], v. 7, n. 3, p. e34064, 2012. Disponível em: https://doi.org/10.1371/journal.pone.0034064.
Acesso em: 3 dez. 2018.
Figuras
Figura 1: https://www.cmu.edu/chemistry/facilities/cma/img/MS-LTQ-XL-Linear_Ion_Trap-0487-900x600.
jpg. Acesso em: 23 jun. 2021.
Figura 2: https://cdn.britannica.com/s:1500x700,q:85/77/9677-004-5B5C4E6E/Penicillium-notatum-source-
penicillin.jpg. Acesso em: 23 jun. 2021.
Figura 4: https://i1.wp.com/explorebiotech.com/wp-content/uploads/2017/02/junk_dna_header-1.
jpg?resize=768%2C282&ssl=1. Acesso em: 23 jun. 2021.
Figura 5: https://s1.slide-share.ru/s_slide/ba7c4e9aefc284e6ce57dd4c38603835/21314eae-9aca-4922-
89f9-632b8ba217bc.jpeg. Acesso em: 23 jun. 2021.
Figura 6: https://genome.ucsc.edu/cgi-bin/hgTracks?db=dm6&lastVirtModeType=default&lastVirtMo
deExtraState=&virtModeType=default&virtMode=0&nonVirtPosition=&position=chr2L%3A826001%
2D851000&hgsid=983877915_UycY1zULMHGhgHXfFIBW0toiuhAf. Acesso em: 23 jun. 2021.
Figura 7: https://www.ensembl.org/Danio_rerio/Location/View?db=core;g=ENSDARG00000060566
;r=21:39412438-39456095. Acesso em: 23 jun. 2021.
Figura 9: https://www.creative-proteomics.com/blog/wp-content/uploads/2018/06/Strategies-for-Post-
Translational-Modifications-PTMs-0.png. Acesso em: 23 jun. 2021.
20
Referências
21
Referências
22