Um jogo para acabar com preconceitos

Qual é a melhor maneira de passar uma informação pra uma pessoa!?

Como os comerciais, filmes e canais de televisão estão aí pra comprovar, o entretenimento passa muito mais pra você do que mera diversão. É com essa ideia que ficamos pensando em como fazer as pessoas entenderem os conceitos e finalidades da abordagem da Biologia Sintética. Como não perdemos tempo para arrumar uma desculpa para nos divertir, criamos durante esse ano um jogo de cartas – inspirado em elementos de MunchkinBohnanza, Magic e War – para, além de ensinar de uma maneira divertida sobre conceitos de microbiologia e biologia molecular, informar melhor as pessoas e acabar com certos preconceitos envolvendo microrganismos bioengenheirados.

E olha que legal: além de levarmos essa ideia como nossa Human Practices na competição internacional de máquinas geneticamente modificadas desse ano (e sermos bastante elogiados por esse trabalho), emplacamos primeiro lugar com o projeto na Olimpíada USP do Conhecimento!

primeiro lugar USP Conhecimento

É, senhora Sociedade, eu te disse que nossa brincadeira é uma brincadeira séria! Tão séria que esse projeto não para aqui.

Game Crafter

O jogo estará disponível para download (se você quiser imprimir aí na sua casa) ou para compra através do maravilhoso site “The Game Crafter“, que é de uma empresa que imprime e vende jogos independentes, como o nosso. Desse jeito nosso jogo vai poder sempre fazer o que ele se propõe a fazer: ser jogado!

O jogo

O jogo funciona assim: cada jogador (até 4) escolhe uma carta de personagem personagem, como por exemplo o professor Fujita:

Senhor Fujita

OBS: procure o “easter egg”.

Como dá pra ver, cada pesquisador tem uma personalidade específica e um chassi com que desenvolve seus projetos. No caso o senhor Fujita é um pesquisador que não colabora muito mas bastante competente, trabalhando com a largamente usada Escherichia coli.

O grande objetivo do jogo é construir primeiro que o seu colega um circuito gênico – afinal estamos falando de academia, minha gente! Para construir o circuito o jogador deve “criar”, acumular e trocar BioBricks, até que tenha a combinação de Biobricks necessários para completar o circuito, como por exemplo esse:

Carta Objetivo

OBS: nem todos os objetivos realmente podem ser feitos em alguns chassis.

Os Biobricks podem ser baixados com “pontos de metabolismo”, que é a representação dos recursos metabólicos e energéticos que o microrganismo tem para passar com sucesso pelo processo de transformação gênica de cada parte, a ser inserida sequencialmente na célula (no exemplo anterior há 8 BioBricks).

A dinâmica das cartas se dá quando elas ainda estão na sua mão e não foram “baixadas” no organismo. Há também (no melhor estilo Munchkin – quem já jogou sabe do que estou falando!) cartas dinâmicas usadas por um jogador em si mesmo ou em outros jogadores, como essa abaixo:

Carta dinâmica

E, por último, o último elemento do jogo é a tão temida aleatoriedade! Aquelas variáveis sem controle que sempre fazem seu experimento não sair como você queria. Um jogador no final da rodada joga um dado: dependendo do número tirado uma “carta aleatória” surge, ajudando ou prejudicando o ganho de pontos de metabolismo (que ocorre por rodada) dos chassis de cada pesquisador.

Cartas Aleatórias

Fizemos um overview do projeto num vídeo do youtube, dê uma olhada:


Quando o nosso novo site ficar pronto vamos ter um endereço especial com o jogo, por enquanto fica aqui nossa promessa de acesso aberto a esse conteúdo. 🙂

Acontece nos filmes, acontece na vida, acontece no Clube de Biologia Sintética

Este é mais um projeto que surgiu das reuniões do Clube de Biologia Sintética, feito por pessoas das mais diversas áreas e que se conheceram no clube. Esse é o objetivo principal do grupo: Reunir e ensinar pessoas de maneira divertida , integrar áreas, criar projetos científicos inovadores e criativos e, por fim, gerar impactos positivos na sociedade.

Você que compartilha dos nossos ideais, acompanhe nossas reuniões pessoalmente ou pelo ao vivo pelo streaming no nosso canal do youtube, ou ainda entre em contato pelo nosso email, canal do facebook e twitter!

Modelagem em biologia (sintética), um guia para ateus em modelagem.

Para uma pessoa que lida diariamente com biologia, pode ser bastante difícil imaginar uma maneira de abordar matematicamente um problema em sua área ou como isto poderia ter alguma utilidade. A biologia é uma ciência considerada bastante complexa, pois são muitas as variáveis que podem afetar o sistema. Até mesmo um sistema relativamente simples como a expressão de uma proteína em E. coli, pode se tornar um problema bastante complexo de se modelar se todas as variáveis que afetam a expressão desta proteína forem levadas em consideração. Na realidade, não há nem mesmo quem seja capaz de listar todas estas variáveis. Assim sendo, como é possível fazer um modelo disto, se não consigo nem mesmo listar as variáveis que alteram meu sistema? Neste caso, melhor mesmo fazer como o Calvin e ser um ateu em modelagem, não é mesmo?

Na verdade não, fazer um modelo não é tão complicado assim. Pensar que é necessário colocar tudo no modelo é o erro conceitual mais comum de quem tem formação em áreas complexas como a biologia. Já os físicos por exemplo, tem uma visão dita reducionista, de tentar entender um problema dividindo-o em pequenas partes fundamentais e começar pelo modelo mais simples possível para depois aumentar a complexidade, se necessário (ou possível). Reza a lenda que um dono galinheiro certa vez chamou um fisico para solucionar o porquê as galinhas não estavam botando. Uma semana depois o fisico apareceu com a solução. Entretanto, a solução só era válida para galinhas esfericamente simétricas e no vácuo. True story!

Pode parecer contraditório, mas um modelo que leva mais variáveis em consideração não necessariamente é melhor ou mais “realistico”. Na verdade se um modelo leva mais variáveis em consideração do que outro e ambos tem a mesma efeciência, o segundo modelo é considerado melhor, conforme veremos.

Portanto, o melhor caminho para fazer um bom modelo é considerar as poucas e relevantes variáveis do problema, ou seja, ao fazer um modelo, a principal regra é:

Keep it simple, stupid!!
Este é o famoso princípio KISS, uma boa regra para começar um modelo. A maioria dos modelos funcionam melhor e são melhor entendidos se mantidos simples. Complexidade desnecessária deve ser evitada, mas obviamente, simplicidade demasiada não deve resultar em um modelo útil (como no caso das galinhas). Assim, uma boa maneira de se começar um modelo é pensar quais são as variáveis que devem ser realmente importantes para o problema. Tente formular seu modelo com o mínimo de variáveis e veja se seus resultados condizem com o esperado, ou com os experimentos. Se isto não ocorrer, é um sinal de que seu modelo ou é demasiadamente simples e você esqueceu alguma variável muito importante ou você pode ter feito hipóteses que não sejam válidas. Fazer hipóteses condizentes não é uma tarefa na simples e exige um conhecimento profundo do problema em questão.

O principio KISS é um conceito bastante semelhante à famosa navalha de Occam. Este princípio, introduzido por William Occam diz:

“Se em tudo o mais forem idênticas as várias explicações de um fenômeno, a mais simples é a melhor.”

 

Exemplo

Para exemplificar o que foi dito, vamos brincar de modelar com um simples exemplo que discutimos certa vez em nosso grupo.

O problema consiste em estimar a concentração de uma proteína (nosso caso era a Cre recombinase) dentro das bactérias E.coli, ou seja, quantas Cre-recombinases existem, em média, por bactéria? Esta inferência é base para estimar o PoPS (veja post anterior)

Este parece ser um problema simples mas pode se tornar bastante complicado de resolver caso o princípio KISS não seja utilizado. Quem é importante neste problema? Devo considerar a temperatura? Devo considerar a quantidade de alimento no meio?

Você pode pensar, e com razão, que a temperatura e a quantidade de alimento são importantes pois afetam a taxa de produção das proteínas. Entretanto estes são exemplos de variáveis que não precisam
ser levados em consideração pois, nos experimentos não trabalharemos com situações extremas de escassez de alimento nem de mudanças de temperatura e pequenas variações destas variáveis (fora de um regime extremo) não devem afetar significantemente a produção da proteína. Muitas são as variáveis que não afetam significamente o sistema e ter intuição disto é fundamental e repito, exige um bom entendimento do problema.

OK, mas por onde começar?

Bom, sabemos que para se produzir uma proteína primeiramente precisamos da produção do RNA mensageiro. A quantidade de mRNA certamente é uma variável relevante!!!
Portanto, vamos tentar criar uma equação sobre como o mRNA deve variar no tempo. A variação temporal de uma variável é representada matematicamente pela derivada da variável no tempo  

Sabemos que nosso mRNA deve ser produzido pela leitura do DNA, feita pela DNA polimerase. OK, mas com que velocidade ela lê isto? Uma boa referencia, é o Bionumbers (tipo um google para dados biológicos)

Lá encontramos que nossa taxa de transcrição (Ktrans) é de, em média, 40 pares de base por segundo. Mas então precisamos saber qual o tamanho do RNA que gera nossa proteína. No caso da Cre é de 1032 pares de base (Nbp). Portanto, quantidade de proteína produzida por tempo e por volume (V) é de:

Dividimos pelo volume pois queremos saber a variação de concentração, ou seja, quantidade de proteínas por volume (unidade em Molar). Este será o primeiro termo de nossa equação, que se refere a produção do mRNA. Existem outras maneiras dele ser produzido? Se sim, novos termos devem ser adicionados. Neste caso, aparentemente esta é a unica forma dele ser produzido. Mas ele pode ser degradado, não é mesmo? Então precisamos de mais um termo, o de degradação. Novamente se formos até o bionumbers teremos a taxa de degradação (KdRNA) do mRNA. Este novo termo fará com que a taxa do mRNA diminua no tempo, e por este motivo ele é negativo. Portanto nossa equação fica:

Onde o termo positivo se refere a produção e o negativo se refere a degradação.

Agora vamos escrever uma equação para a tradução do mRNA em proteína. Neste caso encontramos uma taxa de tradução de 15 aminoacidos por segundo. Como nossa proteina tem 1032 pares de base ela deve ter 1032/3=344 aminoacidos. Como, além de produzida, nossa proteína também pode ser degradada então temos uma equação bastante semelhate à anterior:

Podemos supor que inicialmente a concentração desta proteína é zero, isto não fará diferença nos cálculos mas suponhamos que não haja proteina inicialmente. Ao longo do tempo, a concentração
desta proteína irá crescer até alcançar o equilibrio entre produção e degradação. Neste equilibrio, a concentração das proteínas não mudam mais no tempo e portanto nossas equações são iguais a zero. Para entender o equilibrio, pense na equação logistica que descreve a curva de crescimento de uma população de bactérias. Inicialmente temos um crescimento exponencial, mas depois de um tempo a população satura, ou seja, estabiliza em uma determinada população. Este ponto de saturação é que chamamos de ponto de equilibrio, onde a quantidade de bactérias não muda mais no tempo. Neste ponto, a quantidade de bactérias que morrem é proporcional às que “nascem”. Matematicamente o ponto de equilibrio é um ponto onde a derivada no tempo é igual a zero, portanto:

ou seja:

e

Agora podemos isolar a concentração do mRNA na primeira equação e substituir na segunda. Com isto, chegamos a:

Qual o sentido deste valor? Bem você pode utilizar o volume da bactéria e calcular qual a concentração de uma única proteína dentro de uma bactéria e você chegará que isto é aproximadamente 1 nM. Portanto, nosso resultado nos diz que há aproximadamente 2.000 proteínas, em média, dentro da bactéria.

OK, isto quer dizer que se eu fizer um experimento eu vou encontrar exatamente 2000 proteínas dentro da bactéria?

Obviamente não, devemos ter em mente a limitação de nosso modelo. Aproximações foram feitas e há muitas variáveis que podem fazer com que este valor mude. Entretanto, podemos dizer com certa segurança que teriamos algo de 1.000 à 10.000 proteínas na bactéria. Pode parecer muito inexato e que nosso modelo não foi tão útil por não ser preciso. Mas devemos lembrar que inicialmente não tínhamos nenhuma ideia de quantas proteínas haviam. Se alguém chutasse que há somente 10 ou 100 proteínas em média poderiamos pensar que era uma estimativa boa. Com o modelo sabemos que esta estimativa não é boa, que devem haver bem mais proteínas que isto!

Além da quantidade de proteína, com este simples modelo poderiamos estimar o tempo que demora para que a quantidade de proteína sature, ou seja, atinja o ponto de equilibrio. Estas são estimativas que podem ser muito úteis na hora de definir um protocolo experimental e pode economizar uma razoável quantidade de tempo e reagentes durante os experimentos.  Portanto, não é necessário de ser ateu em modelagem, mas, tampouco, é recomendado acreditar religiosamente no modelo!!

Synbio na terra da Mafalda

Autor: Ivan Lavander, estudante de Ciências Biológicas – USP

Entre os dias 16 e 22 de abril rolou um curso introdutório de biologia sintética, o primeiro desse tipo na America Latina, hosteado pela Universidade de Buenos Aires e financiado pela Organização Europeia de Biologia Molecular (EMBO). Eu fui um dos participantes selecionados, e vou divulgar numa série de posts um pouco do que rolou por lá =)
Esse é um primeiro post sumarizando o curso, e os próximos posts com a sigla [SBAr] se referem ao conteúdo do curso!

Estrutura do Curso – O curso se focou em introduzir os participantes nos principais métodos, estratégias e desafios do synbio. Mesmo nessa fase inicial, algumas idéias e principios já se definem como parte essencial da biologia sintética, incluindo quatro principais tópicos: estratégias bottom-up, top-down, algumas filosofias malucas sobre biobricks e aplicações. Durante o curso, esses tópicos e seus respectivos objetivos foram distribuídos abordados da seguinte forma:

(1)   Da complexidade natural à artificial;

Antes de desenvolver novos circuitos, é preciso se entender a organizaçào e “robustez” dos circuitos naturais. Integrar os dados de bancos de dados, assim como o montante de dados gerados por tecnologias de “high throughput”, que geram quantidades absurdas de dados, possibilitam observar com grande profundidade a dinânica do genoma, transcriptoma, proteoma, metaboloma e suas interações. Como selecionar e aplicar essa montanha de informação originária da natureza e quais métodos devem ser utilizados para otimizar essas redes de informação em circuitos sintéticos?

(2)   Estratégias bottom-up;

Bottom-up, ou “de baixo pra cima”, é a estratégia usado pra construir coisas com legos: usar partes intercambiaveis e bem conhecidas que podem ser utilizadas para se desenvolver sistemas de diferentes complexidades (em contraposição a estratégias top-down, onde mal se conhece o funcionamento do sistema, quanto mais sua complexidade, mas é preciso regula-lo para combater doenças, por exemplo). Esse jeito bottom-up de fazer synbio é uma das areas mais revolucionárias em synbio, trazendo uma nova visão open source de como produzir ciência. Assim, tem-se elevado, através da constante caracterização de novas partes biológicas, a complexidade e potencial de desenvolvimento de novos circuitos biológicos sintéticos pela utilização desses legos biológicos.

(3)   “Life is computation!”;

Modelos físicos teóricos predizem e eu não entendo porra nenhuma com bastante precisão sistemas complexos, e tem ajudado a revelar mecanismos antes inimagináveis de controle de expressão gênica. Esses modelos ajudam a guiar o design de circuitos sintéticos e a otimiza-los.

(4)   Interfaces entre circuitos sintéticos e naturais;

Diferente da estratégia bottom-up, alguns circuitos de interesse são extremamente complexos, dependem de fatores externos ou suas “partes” são pouco conhecidas – pelo menos com quanto as diferentes interações possíveis. Uma estratégia top-down, “de cima pra baixo”, permite regular sistemas biológicas sem que cada parte envolvida tenha sido “reconstruída” ou, no mínimo, seja totalmente conhecida como no caso de biobricks. Seria como desativar, ativar ou modular alguma parte pra ver se continua funcionando ou o que deixa de funcionar. E essa é uma das grandes promessas e revoluções do synbio: usar circuitos sintéticos em interface com circuitos complexos naturais para controlá-los ou modulá-los.

Os participantes 

A organização do curso foi feita pelos professores da Universidade de Buenos Aires Dr. Alejandro Nadra, o Dr. Ignacio Sanchez (o nacho!) e o Dr. Raik Grünberg, da Alemanha, todos advisors do primeiro time argentino do iGEM <http://igem.qb.fcen.uba.ar/site/#page_2/> e que vao ganhar um espaço próprio num futuro post.

Os palestrantes, Dr. Marc Güell, pos doc no Church lab em Harvard, e a Dra. Reshma Shetty, co-fundadora da Ginkgo Bioworks http://ginkgobioworks.com/, uma start up de synbio norte americana, falaram sobre a integração de bancos de dado e otimização de redes naturais para se criar circuitos artificiais. O Dr. Drew Endy (primeiro comentário: imagina um cara com cara de gringo, segundo: dizem por aí que ele é “o próximo steve jobs”) co-fundador da BioBricks Foundation e um dos idealizadores do iGEM, falou sobre estratégias bottom-up e biobricks ohreally?. O Dr. Roman Jerala (o principal advisor do time da Slovenia que ganhou duas vezes o grand award do iGEM) e a Dra Chirstina Smolke (uma das principais pesquisadoras de switches de RNA e professora de bioengenharia em Stanford) falaram sobre modulação de circuitos naturais usando estratégias de top-down (DNA origami, riboswitches, proteínas fusionadas) e o Dr. Thierry Mora e a Dra. Aleksandra Walczak mostrou o que a França tem de melhor, ambos da Ecole Normale Supérieure e do CNRS, falaram sobre modelagem teórica de redes complexas e aspectos teóricos do design de circuitos gênicos.

Mais informações:

http://events.embo.org/12-synthetic-biology/

Canal do SynbioBrasil no LiveStream!

Já está feito o nosso canal para transmissão ao vivo pela internet das reuniões do Clube de Biologia sintética pelo LiveStream, um site muito legal de streamming ao vivo pela internet que qualquer um pode criar.

Agora com esse novo recurso é possível interagir ao vivo com a apresentação, além de ser possível conferir os vídeos da apresentação depois no próprio canal.

SynbioBrasil no LiveStream!

Confira nosso canal clicando na imagem acima ou na barra aqui à direita com os links do SynbioBrasil.

Veja os horários das reuniões na página do clube de biologia sintética no cabeçalho do site para saber quando o canal estará online!

Esperamos sua participação por lá! Até!

Scinamate Synthetic Biology

Vídeo legal sobre SynBio

[youtube=http://www.youtube.com/watch?v=xOx3B2Z_qqE]

[twitter-follow screen_name=’MnlimasBio’]

Documentário SynBio

Um grupo de cientistas da Field Test Film Corps está desenvolvendo um documentário sobre synbio. O filme pretende abordar desde a ciência básica da biologia molecular até as pesquisas atuais, assim como questões éticas e definição da vida. Muito interessante, confira o andamento do projeto.

Sobre ScienceBlogs Brasil | Anuncie com ScienceBlogs Brasil | Política de Privacidade | Termos e Condições | Contato


ScienceBlogs por Seed Media Group. Group. ©2006-2011 Seed Media Group LLC. Todos direitos garantidos.


Páginas da Seed Media Group Seed Media Group | ScienceBlogs | SEEDMAGAZINE.COM