OsteoBLAST: rotina computacional de análise molecular global aliada à biologia sistêmica e aplicada à produção de biomateriais

• Ano de defesa: 2017
• Autor(a) principal: Ferreira, Marcel Rodrigues [UNESP]
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Osteoblastos; Adesão celular; Transdução de sinais; Bioinformática; Novas tecnologias; Osteoblasts; Cell adhesion; Transduction of signals; Bioinformatics; New technologies
• Link de acesso: http://hdl.handle.net/11449/151431

As tendências na terapia com implantes têm incluído a modificação de suas superfícies utilizando ferramentas de nanotecnologia e princípios de bioengenharia, aumentando seu desempenho quando implantado. Embora muito se tenha alcançado em ferramentas para desenvolvimento destes materiais, metodologias de avaliação biológicas não avançaram nesta velocidade. Amparados por ferramentas de bioinformática e utilizando conceitos de biologia sistêmica, o objetivo deste trabalho foi produzir uma metodologia computacional, alternativa ao uso de experimentação animal, capaz de detectar e analisar o quinoma da resposta da interação célula-biomaterial, obtida com ensaio de microarranjo de peptídeos. Estes dados servirão para a construção de um banco de dados para guiar a produção de biomateriais para a área médico-odontológica. Batizaremos este de OsteoBLAST. Para tanto, fizemos uso de superfícies de titânio com diferentes superfícies (maquinado e duplo ataque ácido), as quais foram desafiadas com o cultivo de células tronco indiferenciadas. As amostras biológicas foram utilizadas para avaliar quinases diferencialmente ativadas através de substratos sintéticos, cuja metodologia é conhecida como PamGene, as quais foram reunidas em um banco de dados chamado OsteoBLAST, o qual fora constituído através de um algoritmo em quatro etapas que selecionou os resultados confiados de PamGene, em seguida obetendo o quinoma diferencial e um nível de similaridade com superfícies amplamente usadas na rotina. Nossos resultados mostraram que o algoritmo adotado desempenhou eficientemente a comparação entre as superfícies avaliadas, revelando as proteínas EGRF, ENO2, EPHA4, FRK, KRT6B, NCF1, PDPK1, PDGFRB e KDR envolvidas neste cenário molecular de resposta. Em conjunto, nossos resultados mostram que o algoritmo OsteoBLAST pode ser usado como uma potente ferramenta in silico para investigar potenciais biomateriais destinados à aplicações biomédicas, servindo-se como ferramenta de análise, capaz de otimizar o setor produtivo e diminuir o uso de animais de experimentação.