250px|thumb|Mapa do cromossomo X humano (a partir do site NCBI). O mapeamento do genoma humano é uma das maiores conquistas da bioinformática Bioinformática é um campo interdisciplinar que corresponde à aplicação das técnicas da informática, no sentido de análise da informação, nas áreas de estudo da biologia. Como um campo interdisciplinar da ciência, a bioinformática combina a biologia, ciência da computação, estatística, matemática e engenharia para analisar, interpretar e processar dados biológicos.
A bioinformática vem sendo utilizada para análises in silico de questões biológicas utilizando técnicas de matemática e estatística.
Alguns especialistas brasileiros da área acreditam que a bioinformática, como se entende tradicionalmente no meio acadêmico e não pela análise da palavra, é circunscrita à biologia molecular, às vezes ainda mais especificamente restrita à Genômica. Outros acadêmicos, por outro lado, advogam a noção mais abrangente do termo para algo na direção da definição envolvendo informação biológica de modo geral.
Buscando tratar os dados, é necessário desenvolver programas para, por exemplo: identificar genes, prever a configuração tridimensional de proteínas, identificar inibidores de enzimas, organizar e relacionar informação biológica, simular células, agrupar proteínas homólogas, montar árvores filogenéticas, comparar múltiplas comunidades microbianas por construção de bibliotecas metagenômicas e analisar experimentos de expressão gênica, entre outras inúmeras aplicações. De uma maneira menos formal, a bioinformática também tenta entender os princípios organizacionais de sequências de ácidos nucleicos e proteínas.
Uma das maiores conquistas da bioinformática foi o mapeamento completo do genoma humano.
A bioinformática tornou-se uma parte muito importante de muitas áreas da biologia molecular. Em biologia molecular experimental, técnicas de bioinformática, tais como imagem e processamento de sinais, permitiram a extração de resultados úteis a partir de grandes quantidades de dados brutos. No campo da genética e genômica, ela auxilia no sequenciamento e anotações de genomas e suas mutações observadas. Ela também desempenha um papel importante na análise da expressão e regulação de genes e proteínas.
As ferramentas de bioinformática auxiliam na comparação de dados genéticos e genômicos e, mais geralmente, na compreensão dos aspectos evolutivos da biologia ao nível molecular. A um nível mais integrativo, ela ajuda a analisar e catalogar as vias biológicas e redes, que são uma parte importante da biologia sistêmica. Em biologia estrutural, a bioinformática auxilia na simulação e modelagem de DNA, RNA e proteínas, bem como interações biomoleculares.
História O termo bioinformática foi originalmente usado pelos biológos Paulien Hogeweg e Ben Hesper no começo dos anos 1970 para definir o estudo de processos informacionais nos sistemas bióticos, sendo ela uma ciência interdisciplinar, envolvendo matemática, tecnologia computacional e biologia molecular.
Três fatores importantes facilitaram a emergência da bioinformática: primeiramente, uma crescente coleção de sequências de aminoácidos, fornecendo tanto dados quanto uma coleção de problemas fascinantes que não poderiam ser resolvidos sem a capacidade de processamento dos computadores; a ideia que se tornava central na biologia molecular de que as macromoléculas carregavam informações, fornecendo uma importante ligação conceitual entre a biologia molecular e a ciência da computação, muito embora a relevância desta teoria tenha sido questionada; o início da acessibilidade para biólogos a computadores após a segunda guerra mundial.
Podemos desenhar a árvore da história da bioinformática começando em 1951 com Fred Sanger sequenciando o aminoácido da insulina, dois anos depois, em 1953, James D. Watson e Francis Crick descrevem a estrutura em dupla hélice do DNA, Francis Crick novamente contribui com o Dogma Central da Biologia Molecular, onde ele ilustra os mecanismos de transmissão e expressão da hereditariedade e propõe que o DNA é transcrito em RNA mensageiro e que este é traduzido em proteína, elemento que por fim efetua a ação celular. Francis já compartilhava estas informações em 1956, porém somente em 1970 este conhecimento é compilado e distribuído oficialmente. Em 1961, Marshall W. Nirenberg e Heinrich J. Matthaei realizam o experimento de Nirenberg e Matthaei, onde se decifrou o código genético usando homopolímeros de ácidos nucleicos para traduzir aminoácidos específicos. Paul Berg juntamente com Robert H. Symons e David A. Jackson realizaram a primeira recombinação de uma molécula de DNA em 1972. Em 1973, um ano após o feito de Paul Berg, Stanley N. Cohen, Annie C. Y. Chang, Herbert W. Boyer, e Robert B. Helling realizam a primeira recombinação em um organismo, uma Escherichia coli que teve seu DNA recombinado in vitro.
Em 1977, F. Sanger, S. Nicklen e A. R. Coulson mapearam o vírus ϕX174, que se torna então o primeiro genoma completamente mapeado. Emerge então um consenso de que era necessário um banco internacional de ácidos nucleicos, e em 1979, em um encontro realizado pela National Science Foundation na Universidade Rockefeller, é emitida uma chamada para a criação dessa base de dados. Nos dois anos seguintes, foram realizadas uma série de oficinas para definir o projeto que culminou em 1982 com o início oficial do GenBank.
No ano de 1990, o National Institutes of Health (NIH) e o Department of Energy (DOE) se juntam a parceiros de todo o globo para iniciar o Projeto Genoma Humano, (HGP, do inglês Human Genome Project). Em 1995, ocorre o mapeamento da primeira bactéria, a Haemophilus influenzae Rd, com todos os seus 1.830.137 bases de pares de nucleotídeos sendo demonstrados no trabalho conjunto de diversos pesquisadores. Com a ajuda internacional e o rápido avanço tecnológico, o HGP anuncia em 2003, dois anos antes do previsto, o mapeamento completo do genoma humano.
Objetivos Um dos atuais objetivos da bioinformática é ajudar biólogos a recolher e processar dados de genomas para estudar funções de proteínas. Outro papel importante é o de ajudar pesquisadores e companhias farmacêuticas a realizarem estudos detalhados nas estruturas das proteínas a fim de facilitar o desenvolvimento de novas drogas. Tarefas típicas realizadas em bioinformática incluem: deduzir a forma e a função de uma proteína a partir de uma dada sequência de aminoácidos; encontrar todos os genes e proteínas em um determinado genoma; e determinar áreas na estrutura da proteína onde as moléculas da droga podem ser anexadas. Subdisciplinas importantes na bioinformática e biologia computacional incluem: Desenvolvimento e implementação de programas computacionais que permitem o acesso eficiente para uso e gestão de vários tipos de informação. Desenvolvimento de novos algoritmos e medidas estatísticas que avaliam as relações entre os membros de grandes conjuntos de dados. Por exemplo, existem métodos para localizar um gene dentro de uma sequência para prever a estrutura e / ou função da proteína, e a agrupar sequências de proteínas em famílias de sequências relacionadas.
O objetivo primário da bioinformática é incrementar e interpretar processos biológicos. O que a diferencia das outras abordagens de interpretação de dados biológicos é seu foco no desenvolvimento e aplicação de técnicas computacionais intensivas para atingir esse objetivo. Exemplos: reconhecimento de padrões, mineração de dados e algoritmos de aprendizado de máquina.
A maioria das pesquisas feitas no campo incluem alinhamento de sequências, descoberta de genes, montagem de genomas, desenho de drogas, descoberta de drogas, alinhamento de estruturas de proteínas, predição de estrutura protéica, predição de expressão gênica e interações proteína-proteína.
Atividades comuns em bioinformática incluem mapeamento e análise de DNA e sequências de proteínas, alinhando DNA e sequências de proteínas para compará-los, e criação e visualização de modelos 3-D de estruturas de proteínas.
Relação com outros campos A bioinformática é um campo da ciência que é similar, porém distinto de computação biológica e biologia computacional. Computação biológica utiliza bioengenharia e biologia para formar computadores biológicos, enquanto que a bioinformática utiliza a computação para a melhor compreensão da biologia. Bioinformática e biologia computacional têm objetivos e abordagens similares, mas se diferem em escala: bioinformática organiza e analisa dados biológicos, enquanto que a biologia computacional monta modelos teóricos de sistemas biológicos, assim como biologia matemática faz com modelos matemáticos.
Analisar dados biológicos para produzir informações significativas envolve escrita e execução de programas que usam algoritmos de teoria de grafos, inteligência artificial, mineração de dados, processamento de imagens e simulação computacional. Os algoritmos, por sua vez dependem de fundamentos teóricos, tais como matemática discreta, teoria de controle, teoria de sistemas, teoria da informação e estatística.
Análise de sequências
thumb|550px|As sequências de diferentes genes ou proteínas podem ser alinhadas lado-a-lado para medir a sua similaridade. Este alinhamento compara sequências de proteínas contendo domínios WPP
Desde que o Phage Φ-X174 foi sequenciado em 1977, as sequências de DNA de milhares de organismos vêm sendo decodificados e armazenados em bancos de dados. Essas informações de sequenciamentos são analisadas para determinar genes que codificam proteínas, sequências regulatórias, motivos estruturais e sequências repetitivas.
Uma comparação de genes dentro de uma espécie ou entre diferentes espécies pode mostrar similaridades entre funções das proteínas, ou até relações entre espécies (uso da sistemática molecular para construir árvores filogenéticas). Com a quantidade crescente de dados, há muito tempo se tornou impraticável analisar sequências de DNA manualmente. Para um genoma grande como o genoma humano, pode-se demorar vários dias de tempo de CPU em grande memória, computadores com múltiplos processadores para montar os fragmentos, e o conjunto resultante geralmente inúmeras lacunas que devem ser preenchidas depois. O sequenciamento shotgun é o método de escolha para praticamente todos os genomas sequenciados de hoje, e os algoritmos de montagem de genoma é uma área crítica de pesquisa em bioinformática.
Outro aspecto da bioinformática na análise de sequências é a anotação. Isto envolve descoberta computacional de genes para procurar genes codificadores de proteínas, e outras sequências funcionais dentro de um genoma. Nem todos os nucleotídeos dentro de um genoma fazem parte dos genes. Dentro dos genomas de organismos superiores, grandes partes do DNA não serve qualquer propósito óbvio.
Sequenciamento de DNA
Antes que as sequências possam ser analisadas, precisam ser obtidas.Sequenciamento de DNA ainda é um problema não-trivial, pois os dados brutos pode ser ruidosos ou afligidos por sinais fracos. Foram desenvolvidos algoritmos de base para as várias abordagens experimentais para sequenciamento de DNA.
Montagem de sequências
A maioria das técnicas de sequenciamento de DNA produzem pequenos fragmentos de sequências que precisam ser montados para se obter sequências de genes ou genomas completos. Essa técnica é chamada de sequenciamento shotgun (que foi utilizado, por exemplo, pelo Instituto de Pesquisa Genômica (TIGR) para sequenciar o primeiro genoma bacteriano,Haemophilus influenzae).
Anotação genômica