Trilha 1 · NCBI, GenBank, UniProt

Bioinformática e bancos de dados

A aula interativa precisa de JavaScript para executar o Python no seu navegador.

O ambiente Python é preparado na primeira vez que você executa uma célula.

Passo 1 · O que é bioinformática?

Rascunho a revisar: este conteúdo foi escrito com ajuda de IA e ainda precisa ser revisado pelo professor antes de ser usado em aula. Os dados e as sequências são fictícios.

Bioinformática usa computação para guardar, organizar e analisar dados biológicos, como sequências de DNA, RNA e proteínas. Em vez de contar letras à mão, escrevemos pequenos programas que fazem isso em segundos, para uma sequência ou para milhares.

Perguntas típicas: qual o tamanho desta sequência? Quais bases aparecem mais? Esta proteína se parece com outra já conhecida?

Nesta aula o Python roda no seu navegador. Rode a célula abaixo (botão Executar ou Ctrl+Enter).

Célula de código

dna = "ATGGCCCTGTGGATGCGC"

print("A sequência tem", len(dna), "letras")
print("Letras diferentes:", sorted(set(dna)))

Saída

Desafio

Troque a sequência por outra, de qualquer tamanho, só com as letras A, C, G e T, e execute.

Seu código

dna = "ATGGCCCTGTGGATGCGC"

print("A sequência tem", len(dna), "letras")

Saída

Passo 2 · Bancos de dados biológicos

Os dados da biologia ficam em bancos de dados públicos. Três que você vai ver ao longo das trilhas:

GenBank (mantido pelo NCBI): sequências de nucleotídeos (DNA e RNA).
UniProt: sequências de proteínas com anotações sobre função.
PDB: estruturas tridimensionais de proteínas e outras moléculas.

Um dicionário do Python ({chave: valor}) é um jeito simples de organizar essa lista.

Célula de código

bancos = {
    "GenBank": "sequências de DNA e RNA",
    "UniProt": "sequências e funções de proteínas",
}

for nome, conteudo in bancos.items():
    print(nome, "guarda", conteudo)

Saída

Desafio

Acrescente ao dicionário o banco PDB, que guarda estruturas 3D de proteínas.

Seu código

bancos = {
    "GenBank": "sequências de DNA e RNA",
    "UniProt": "sequências e funções de proteínas",
}

# acrescente o PDB aqui

print(bancos)

Saída

Passo 3 · Acessões e versões

Cada registro de um banco tem um código único, a acessão (accession). Depois do ponto vem a versão: se a sequência for corrigida, a versão aumenta.

As acessões desta aula são fictícias. Para separar as partes, usamos split(".").

Célula de código

acessao = "XX000001.2"   # código fictício

codigo, versao = acessao.split(".")
print("Código:", codigo)
print("Versão:", versao)

Saída

Desafio

Troque a acessão por ZZ999999.5 e deixe na variável versao só o número da versão.

Seu código

acessao = "XX000001.2"

codigo, versao = acessao.split(".")
print(versao)

Saída

Passo 4 · Lendo um registro

Um registro reúne campos: nome, descrição, organismo, sequência. Abaixo, um registro fictício em texto. O programa separa cada linha em chave: valor e guarda tudo num dicionário.

Célula de código

registro = """NOME: SEQ_FICTICIA_1
DEFINICAO: sequência fictícia para treino
ORGANISMO: organismo imaginário
SEQUENCIA: ATGGCCCTGTGGATGCGC"""

campos = {}
for linha in registro.splitlines():
    chave, valor = linha.split(": ")
    campos[chave] = valor

print(campos["NOME"])
print(len(campos["SEQUENCIA"]), "bases")

Saída

Desafio

Crie a variável tamanho com o número de bases da sequência do registro.

Seu código

# execute a célula acima antes
tamanho = 0   # troque por uma conta com campos["SEQUENCIA"]
print(tamanho)

Saída

Passo 5 · Mini-desafio: qual banco usar?

Para cada pergunta, escolha o banco mais indicado entre GenBank, UniProt e PDB. Complete o dicionário escolha (chave = pergunta, valor = banco).

Desafio

Preencha o dicionário escolha com o banco certo para cada pergunta.

Seu código

escolha = {
    "Qual a função desta proteína?": "",
    "Qual a sequência de DNA deste gene?": "",
    "Como é a estrutura 3D desta proteína?": "",
}
print(escolha)

Saída

O Python roda só no seu navegador (Pyodide). A verificação dos desafios é um feedback para aprender, não uma nota: o código da verificação fica visível no navegador.