Em formação

D1: Introdução ao Potencial Químico - Biologia


Nós estudamos as forças intermoleculares envolvidas quando anfifílicos de cadeia simples e anfifílicos de cadeia dupla formam micelas e bicamadas, respectivamente. Para obter uma maior compreensão desses processos, precisamos entender a termodinâmica da formação de micelas e bicamadas. Primeiro, devemos entender o conceito de potencial químico, que está relacionado à energia livre de uma reação.

( Delta G ), a mudança de energia livre para uma reação, determina a espontaneidade e a extensão de uma reação química ou física. A energia livre do sistema depende de 3 variáveis, T, P e n, o número de moles de cada substância. Se o sistema é composto de duas partes diferentes, (A ) e (B ), o sistema está em equilíbrio (ΔG = 0) se Ta = Tb, Pa = Pb e dG / dn para A (μuma) é igual a μb. (μ ) é o potencial químico de uma substância, onde (μ_a ) é dado como

[μ = μ ^ o + RT ln [A]. ]

O potencial químico é realmente a energia livre por mol.

Expresso em termos matemáticos mais formais, uma vez que as variáveis ​​naturais de G e μ são T, P e n, podemos escrever:

[dG = (ƒG / ƒT) _ {P, n} + (ƒG / ƒP) _ {T, n} + (ƒG / ƒn) _ {P, T} ]

onde (ƒG / ƒx)y, z é a derivada (parcial) de (G ) em relação a (x ) na constante (y ) e (z ). Ou seja, o total (dG ) consiste em contribuições para a mudança de (G ) a partir das mudanças em T, P e n.

Uma vez que (G ) e ( mu ) são bastante semelhantes, a seguinte série de equações análogas se aplica:

[ΔG = ΔG ^ o + RT ln Q_ {rx} ]

é análogo a

[Δμ = Δμ ^ o + RT ln Q_ {rx} ]

onde Q_ {rx} ) é o

[ text {quociente de reação} = dfrac {[P] [Q]} {[A] [B]} ]

para a reação

[A + B rightleftharpoons P + Q ]

(ΔG = ΔH - TΔS ) é análogo a

[Δμ = ΔH - TΔS ]

[ΔG ^ o = ΔH ^ o - T ΔS ^ o ]

é análogo a (Δμ ^ o = ΔH ^ o - TΔS ^ o )

[ΔG ^ o = - RT ln K_ {eq} ]

é análogo a

[Δμ ^ o = - RT ln K_ {eq} ]

Termodinâmica da formação micela e bicamada

Primeiro, vamos considerar a termodinâmica da formação de micelas, com base na equação abaixo:

[n , SCA <==> 1 , micela ]

em que SCA representa um anfifílico de cadeia única. À primeira vista, podemos suspeitar que:

  • ΔHo <0, uma vez que as interações de van der Waals entre as cadeias de acila enterradas na micela seriam muito mais favoráveis ​​do que as interações da cadeia de água - acila para o anfifílico monomérico em solução. Essa noção é apoiada por nosso aforismo, "como se dissolve como". Claro, não poderíamos ignorar as interações polares (ligação H, por exemplo) entre os grupos de cabeça e água, mas podemos esperar que sejam igualmente favoráveis ​​nos estados monomérico e micelular.
  • ΔSo <0, pois estamos formando um estado (uma única micela) com muito menos entropia posicional de um estado (anfifílicos de cadeia simples dispersos em solução) com muito mais entropia posicional.

Portanto, parece que a formação de micelas é entalpicamente favorecida, mas entropicamente desfavorecida. Vamos examinar essa questão mais de perto. Primeiro, precisamos obter uma maior compreensão de Δμo o que deve nos dar uma pista de onde um SCA "gostaria" de estar nessa mistura. Lembre-se, Δμo depende apenas da estabilidade relativa de uma molécula em um determinado ambiente e não de sua concentração.

Traube, em 1891, notou que os anfifílicos de cadeia simples tendem a migrar para a superfície da água e diminuir sua tensão superficial (ST.). Ele observou que a diminuição do ST é diretamente proporcional à quantidade de anfifílico, somada até certo ponto, em que anfifílico adicionado não tem efeito adicional. Em outras palavras, a resposta do ST satura em algum ponto.

Estamos mais interessados ​​no que acontece aos anfifílicos na água a granel, não na superfície. Como mencionamos anteriormente, os anfifílicos monoméricos de cadeia simples estão em equilíbrio com os anfifílicos de cadeia simples nas micelas. Suponha que você tenha uma maneira de medir anfifílicos monoméricos de cadeia simples em solução. O que acontece com sua concentração à medida que você adiciona mais e mais SCA à mistura? Acontece que você observa o mesmo efeito que Traube notou com as mudanças na tensão superficial. Essa explicação é a seguinte: quanto mais anfifílico é adicionado, mais vai para a solução em massa como monômeros. Em algum ponto, há anfifílicos suficientes adicionados para formar micelas. Após este ponto, os anfifílicos adicionados formam mais micelas e nenhum aumento adicional no anfifílico monomérico de cadeia única é observado. A concentração de anfifílico em que isso ocorre é a concentração micelar crítica (CMC).

Figura: Gráfico mostra a distribuição de anfifílicos de cadeia simples em solução aquosa a granel

Este efeito de saturação também pode ser observado em outros sistemas.

  • medir a quantidade de NaCl (aq) na solução à medida que mais NaCl (s) é adicionado à água. Em algum ponto, a água é saturada com NaCl dissolvido, e nenhum aumento adicional de NaCl (aq) ocorre.
  • medir a quantidade de um hidrocarboneto solúvel poupador (HC) na água. Após a saturação, ocorre a separação de fases.

Considere o exemplo de adicionar um grande excesso de NaCl (s) à água. No momento em que o sal é adicionado, o sistema claramente não está em equilíbrio. Portanto, Δμ<0. Escreva a reação da seguinte forma:

NaCl (s) ------------> NaCl (aq).

Deixe x representar NaCl. Portanto,

[Δμ = μ_x , ​​(aq) - μ_x , ​​(s) = μ ^ o_x (aq) + RT ln x , (aq) - left (μ ^ o_x , ​​(s) + RT ln x , (s) direita) ] ]

Nesta equação, todos os termos são constantes, exceto RT ln x (aq), uma vez que todos os Δμo os valores são constantes, independentemente da concentração. Lembre-se, RTln x (s) é constante, pois a concentração de um sólido é constante. Com tempo, Δμ torna-se menos negativo, até que o sistema atinja o equilíbrio, e Δμ = 0. O termo RT ln x (aq) torna-se mais positivo porque x (aq) está aumentando. Quando μ x (aq) = µ x (s), nenhum NaCl adicional se dissolve. Lembre-se, uma condição de equilíbrio é μuma = µb.

Agora considere a adição de uma gota de um hidrocarboneto levemente solúvel (HC) na água, conforme ilustrado no diagrama abaixo. Em t = 0, o sistema não está em equilíbrio e parte do HC será transferido do líquido puro para a água, portanto, no tempo t = 0, (Δμ <0 ).

Figura: (Δμ ) para a transferência de um soluto líquido moderadamente solúvel em água

Δμ = μ HC-W - μ HC-L = µo HC-W + RT ln [HC-C] - (μo HC-L + RT ln [HC-eu] =

Δμ = μ HC-W - μ HC-L = (μo HC-W - μo HC-L) + RT ln [HC-C - RT ln HC-eu) =

Δμ = Δμo + RT ln (HC-C/ HC-eu)

Agora adicione um pouco mais de complexidade ao último exemplo. Adicione um hidrocarboneto x, a um sistema bifásico de água e octanol. Em t = 0, o sistema não está em equilíbrio. Uma reação favorável simples pode ser escrita para este sistema x aq -------> x oct. Claramente, Δμ <0. Além disso, Δμo <0, pois este termo é independente da concentração e depende apenas da estabilidade intrínseca de x na água em comparação com a do octanol. A seguinte equação também é válida:

Δμ = μ x (out) - μ x (aq) = µo x (out) + RT ln x (oct) - (μo x (aq) + RT ln x (aq)) =

Δμ = (μo x (out) - μo x (aq) ) + RT ln (x (oct) / x (aq)) =

Δμ = Δμo + RT ln (x (oct) / x (aq))

Na maioria das vezes, estaremos interessados ​​em Δμo , que depende apenas da estabilidade relativa, neste caso, de x em octanol vs água. Claramente, neste caso, Δμo <0. Em equilíbrio Δμ = 0. Definindo a última equação igual a 0, podemos ver que

[Δμ ^ o = - RT ln left ( dfrac {x (oct)} {x (aq)} right) ]

onde as concentrações são concentrações de equilíbrio. Podemos reescrever esta equação como

[Δμ ^ o = - RT ln K_ {eq} ]

onde Keq é o coeficiente de partição de equilíbrio para X em octanol e água. Isso pode ser facilmente determinado no laboratório. Basta agitar um frasco separador com sistema bifásico de octanol e água após injetar um pouco de X. Em seguida, separe as camadas e determine a concentração de x em cada fase. Conecte esses números na última equação. Lembre-se, você deve ser capaz de prever o sinal e a magnitude relativa de Δμo uma vez que não depende da concentração, mas apenas da estabilidade intrínseca das moléculas nos diferentes ambientes.


Insights estruturais sobre os complexos de sinalização de receptores de dopamina D1 e D2 humanos

Os receptores de dopamina D1 e D2 (D1R e D2R), que sinalizam por meio de Gs e Geu, respectivamente, representam os principais receptores de dopamina estimuladores e inibitórios no sistema nervoso central. D1R e D2R também representam os principais alvos terapêuticos para a doença de Parkinson, esquizofrenia e muitos outros transtornos neuropsiquiátricos, e o conhecimento de sua sinalização é essencial para a compreensão dos efeitos terapêuticos e colaterais das drogas dopaminérgicas. Aqui, relatamos quatro estruturas de microscopia crioeletrônica (crio-EM) de D1R-Gs e D2R-Geu complexos de sinalização com agonistas seletivos e não seletivos da dopamina, incluindo dois fármacos anti-doença de Parkinson atualmente usados, apomorfina e bromocriptina. Essas estruturas, juntamente com os estudos de mutagênese, revelam o modo de ligação conservado dos agonistas da dopamina, a topologia de bolso única subjacente à seletividade do ligante, as mudanças conformacionais na ativação do receptor e os determinantes estruturais potenciais para a seletividade do acoplamento à proteína G. Estes resultados fornecem uma compreensão molecular da sinalização da dopamina e vários modelos estruturais para o projeto de drogas visando o sistema dopaminérgico.

Palavras-chave: D1R D2R Seletividade da proteína G Doença de Parkinson, apomorfina, bromocriptina, crio-EM, dopamina, receptores, ativação, seletividade, receptor, receptor.


Conteúdo

Os termos são freqüentemente usados ​​de forma intercambiável. Quando uma distinção é pretendida, no entanto, ela se baseia em se o foco está na aplicação de ideias biológicas ou no estudo de biologia com nanotecnologia. Bionanotecnologia geralmente se refere ao estudo de como os objetivos da nanotecnologia podem ser guiados pelo estudo de como funcionam as "máquinas" biológicas e pela adaptação desses motivos biológicos para melhorar as nanotecnologias existentes ou criar novas. [5] [6] Nanobiotecnologia, por outro lado, refere-se às maneiras como a nanotecnologia é usada para criar dispositivos para estudar sistemas biológicos. [7]

Em outras palavras, a nanobiotecnologia é essencialmente biotecnologia miniaturizada, enquanto a bionanotecnologia é uma aplicação específica da nanotecnologia. Por exemplo, a nanotecnologia de DNA ou engenharia celular seria classificada como bionanotecnologia porque envolve o trabalho com biomoléculas em nanoescala. Por outro lado, muitas novas tecnologias médicas envolvendo nanopartículas como sistemas de entrega ou como sensores seriam exemplos de nanobiotecnologia, uma vez que envolvem o uso da nanotecnologia para avançar os objetivos da biologia.

As definições enumeradas acima serão utilizadas sempre que uma distinção entre nanobio e bionano for feita neste artigo. No entanto, dado o uso sobreposto dos termos na linguagem moderna, tecnologias individuais podem precisar ser avaliadas para determinar qual termo é mais adequado. Como tal, é melhor discuti-los em paralelo.

A maioria dos conceitos científicos em bionanotecnologia são derivados de outros campos. Os princípios bioquímicos usados ​​para compreender as propriedades dos materiais dos sistemas biológicos são centrais na bionanotecnologia porque esses mesmos princípios devem ser usados ​​para criar novas tecnologias. As propriedades e aplicações dos materiais estudadas em bionanociência incluem propriedades mecânicas (por exemplo, deformação, adesão, falha), elétricas / eletrônicas (por exemplo, estimulação eletromecânica, capacitores, armazenamento de energia / baterias), ópticas (por exemplo, absorção, luminescência, fotoquímica), térmicas (por exemplo, termomutabilidade, gerenciamento térmico), biológico (por exemplo, como as células interagem com nanomateriais, falhas / defeitos moleculares, biossensorização, mecanismos biológicos como mecanosensação), nanociência da doença (por exemplo, doença genética, câncer, falha de órgão / tecido), bem como computação (por exemplo, DNA computação) e agricultura (entrega alvo de pesticidas, hormônios e fertilizantes. [8] [9] [10] [11] O impacto da bionanociência, alcançado por meio de análises estruturais e mecanísticas de processos biológicos em nanoescala, é sua tradução em sintético e tecnológico aplicações através da nanotecnologia.

A nanobiotecnologia obtém a maior parte de seus fundamentos da nanotecnologia. [ esclarecimento necessário A maioria dos dispositivos projetados para uso nano-biotecnológico são diretamente baseados em outras nanotecnologias existentes. [ citação necessária ] Nanobiotecnologia é frequentemente usada para descrever as atividades multidisciplinares sobrepostas associadas a biossensores, particularmente onde fotônica, química, biologia, biofísica, nanomedicina e engenharia convergem. A medição em biologia usando técnicas de guia de onda, como interferometria de polarização dupla, é outro exemplo.

As aplicações da bionanotecnologia são extremamente difundidas. Até onde a distinção se mantém, a nanobiotecnologia é muito mais comum porque simplesmente fornece mais ferramentas para o estudo da biologia. A bionanotecnologia, por outro lado, promete recriar mecanismos e vias biológicas de uma forma útil de outras maneiras.

Nanomedicina Editar

A nanomedicina é uma área da ciência médica cujas aplicações estão cada vez mais crescentes graças aos nanorrobôs e às máquinas biológicas, que constituem uma ferramenta muito útil para o desenvolvimento desta área do conhecimento. Nos últimos anos, os pesquisadores fizeram muitas melhorias nos diferentes dispositivos e sistemas necessários para desenvolver nanorrobôs. Isso supõe uma nova forma de tratar e lidar com doenças como o câncer graças aos nanorrobôs, os efeitos colaterais da quimioterapia foram controlados, reduzidos e até mesmo eliminados, portanto, daqui a alguns anos, os pacientes com câncer terão uma alternativa para tratar esta doença em vez de quimioterapia [ citação necessária ], que causa efeitos secundários como queda de cabelo, fadiga ou náusea, matando não só as células cancerosas, mas também as saudáveis. Em nível clínico, o tratamento do câncer com nanomedicina consistirá no fornecimento de nanorrobôs ao paciente por meio de uma injeção que buscará as células cancerosas, deixando intocadas as saudáveis. Os pacientes que vão ser tratados com nanomedicina não vão perceber a presença dessas nanomáquinas dentro deles, a única coisa que vai se notar é a melhora progressiva de sua saúde. A nanobiotecnologia é muito importante para a formulação de medicamentos. Também ajuda muito na preparação de vacinas. [ esclarecimento necessário ]

Nanobiotecnologia Editar

A nanobiotecnologia (às vezes chamada de nanobiologia) é melhor descrita como ajudando a medicina moderna a progredir do tratamento dos sintomas para a geração de curas e regeneração de tecidos biológicos. Três pacientes americanos receberam cultura de bexigas inteiras com a ajuda de médicos que usam técnicas de nanobiologia em sua prática. Além disso, foi demonstrado em estudos com animais que um útero pode crescer fora do corpo e depois ser colocado no corpo para produzir um bebê. Tratamentos com células-tronco têm sido usados ​​para corrigir doenças que são encontradas no coração humano e estão em testes clínicos nos Estados Unidos. Também há financiamento para pesquisas que permitem que as pessoas tenham novos membros sem ter que recorrer a próteses. Proteínas artificiais também podem ser disponibilizadas para fabricação sem a necessidade de produtos químicos agressivos e máquinas caras. Chegou-se mesmo a supor que, no ano 2055, os computadores podem ser feitos de produtos bioquímicos e sais orgânicos. [12]

Outro exemplo de pesquisa nanobiotecnológica atual envolve nanoesferas revestidas com polímeros fluorescentes. Os pesquisadores estão procurando desenvolver polímeros cuja fluorescência seja apagada quando eles encontram moléculas específicas. Polímeros diferentes detectariam metabólitos diferentes. As esferas revestidas com polímero podem se tornar parte de novos ensaios biológicos, e a tecnologia pode algum dia levar a partículas que podem ser introduzidas no corpo humano para rastrear metabólitos associados a tumores e outros problemas de saúde. Outro exemplo, de uma perspectiva diferente, seria a avaliação e terapia no nível nanoscópico, ou seja, o tratamento de nanobactérias (tamanho de 25-200 nm) como é feito pela NanoBiotech Pharma.

Embora a nanobiologia esteja em sua infância, existem muitos métodos promissores que dependerão da nanobiologia no futuro. Os sistemas biológicos são inerentemente nano em escala, a nanociência deve se fundir com a biologia para fornecer biomacromoléculas e máquinas moleculares semelhantes à natureza. Controlar e imitar os dispositivos e processos que são construídos a partir de moléculas é um enorme desafio a ser enfrentado pelas disciplinas convergentes da nanobiotecnologia. [13] Todas as coisas vivas, incluindo humanos, podem ser consideradas nanofoundries. A evolução natural otimizou a forma "natural" da nanobiologia ao longo de milhões de anos. No século 21, os humanos desenvolveram a tecnologia para explorar artificialmente a nanobiologia. Esse processo é melhor descrito como "fusão orgânica com sintética". Colônias de neurônios vivos podem viver juntas em um dispositivo biochip, de acordo com a pesquisa do Dr. Gunther Gross da Universidade do Norte do Texas. Nanotubos de automontagem têm a capacidade de ser usados ​​como um sistema estrutural. Eles seriam compostos em conjunto com as rodopsinas que facilitariam o processo de computação óptica e auxiliariam no armazenamento de materiais biológicos. O DNA (como o software para todos os seres vivos) pode ser usado como um sistema proteômico estrutural - um componente lógico para a computação molecular. Ned Seeman - um pesquisador da Universidade de Nova York - junto com outros pesquisadores estão atualmente pesquisando conceitos que são semelhantes entre si. [14]

Edição de Bionanotecnologia

A nanotecnologia de DNA é um exemplo importante de bionanotecnologia. [15] A utilização das propriedades inerentes dos ácidos nucléicos como o DNA para criar materiais úteis é uma área promissora da pesquisa moderna. Outra área importante de pesquisa envolve o aproveitamento das propriedades da membrana para gerar membranas sintéticas. Proteínas que se automontam para gerar materiais funcionais podem ser usadas como uma nova abordagem para a produção em grande escala de nanomateriais programáveis. Um exemplo é o desenvolvimento de amilóides encontrados em biofilmes bacterianos como nanomateriais projetados que podem ser programados geneticamente para ter propriedades diferentes. [16] Os estudos de dobramento de proteínas fornecem uma terceira via importante de pesquisa, mas que tem sido amplamente inibida por nossa incapacidade de prever o dobramento de proteínas com um grau suficientemente alto de precisão. Dada a miríade de usos que os sistemas biológicos têm para as proteínas, no entanto, a pesquisa para entender o enovelamento de proteínas é de grande importância e pode ser frutífera para a bionanotecnologia no futuro.

A nanotecnologia lipídica é outra importante área de pesquisa em bionanotecnologia, onde as propriedades físico-químicas dos lipídios, como seu anti-incrustante e automontagem, são exploradas para construir nanodispositivos com aplicações em medicina e engenharia. [17] Abordagens de nanotecnologia lipídica também podem ser usadas para desenvolver métodos de emulsão de próxima geração para maximizar a absorção de nutrientes solúveis em gordura e a capacidade de incorporá-los em bebidas populares.

Agricultura Editar

Na indústria agrícola, as nanopartículas projetadas têm servido como nano-portadores, contendo herbicidas, produtos químicos ou genes, que visam partes específicas da planta para liberar seu conteúdo. [18] [19] Anteriormente, nanocápsulas contendo herbicidas foram relatadas para penetrar efetivamente através das cutículas e tecidos, permitindo a liberação lenta e constante das substâncias ativas. Da mesma forma, outra literatura descreve que a liberação lenta nanoencapsulada de fertilizantes também se tornou uma tendência para economizar o consumo de fertilizantes e minimizar a poluição ambiental por meio da agricultura de precisão. Estes são apenas alguns exemplos de numerosos trabalhos de pesquisa que podem abrir oportunidades estimulantes para a aplicação da nanobiotecnologia na agricultura. Além disso, a aplicação deste tipo de nanopartículas projetadas em plantas deve ser considerada o nível de amizade antes de ser empregada em práticas agrícolas. Com base em uma pesquisa bibliográfica completa, entendeu-se que há apenas informações autênticas limitadas disponíveis para explicar a consequência biológica de nanopartículas projetadas em plantas tratadas. Certos relatórios sublinham a fitotoxicidade de várias origens de nanopartículas projetadas para a planta, causada pelo sujeito de concentrações e tamanhos. Ao mesmo tempo, no entanto, um número igual de estudos foi relatado com um resultado positivo de nanopartículas, que facilitam a promoção do crescimento natural para o tratamento de plantas. [20] Em particular, em comparação com outras nanopartículas, aplicações baseadas em nanopartículas de prata e ouro elicitaram resultados benéficos em várias espécies de plantas com menos e / ou nenhuma toxicidade. [21] [22] Folhas tratadas com nanopartículas de prata (AgNPs) de aspargos mostraram o conteúdo aumentado de ascorbato e clorofila. Da mesma forma, o feijão comum e o milho tratados com AgNPs aumentaram o comprimento da parte aérea e da raiz, a área de superfície da folha, clorofila, carboidratos e proteínas relatados anteriormente. [23] A nanopartícula de ouro tem sido usada para induzir o crescimento e a produção de sementes em Brassica juncea. [24]


2. Métodos

2.1. Bancos de dados SCB: disponibilidade, compilação e curadoria

Pesquisas relacionadas à biologia de sistemas, sondagem química e descoberta de drogas produzem grandes quantidades de dados em campos aparentemente não relacionados, como biologia molecular e celular, biologia química, química combinatória e medicinal, genética e toxicologia. Essas informações precisam ser organizadas, consultadas e estruturadas para orientar o processo científico e para transformar dados em informação e conhecimento. Três componentes principais deste processo foram identificados e discutidos em outro lugar (Oprea e Tropsha, 2006):

Informações químicas e de bioatividade: combina estruturas químicas com propriedades químicas e físicas experimentais ou calculadas. Este tipo de informação se refere ao armazenamento de estruturas químicas e dados moleculares associados em formato legível por máquina. A chave para armazenar estruturas químicas é a conectividade atômica, expressa em tabelas de conexão que armazenam coordenadas atômicas bidimensionais e / ou tridimensionais. As informações de bioatividade devem capturar dados de atividade & # x02013 principalmente tipo e valor de atividade & # x02013 com índices únicos que identificam o composto químico, o alvo biológico, célula ou organismo, com o protocolo experimental e referências bibliográficas. Os campos de bioatividade adicionais incluem observações experimentais e erros, imagens (por exemplo, gráficos de Schild (de Jong et al., 2005)), bem como palavras-chave como & # x02018parcial & # x02019, & # x02018inverso & # x02019, & # x02018 competitivo & # x02019, & # x02018agonist & # x02019, & # x02018antagonist & # x02019 e & # x02018inhibitor & # x02019.

Alvo e informações do protocolo: alvo biológico e dados do protocolo experimental. Este tipo de informação se refere ao armazenamento de informações de alvos e genes, bem como dados de bioensaios associados em formato legível por máquina. Muitos bancos de dados de bioinformática estão disponíveis gratuitamente na Internet. Identificadores exclusivos adequados (o equivalente a nomes químicos), como os de NCIB / Entrez ou Swiss-Prot, permitem que o usuário final navegue por esses bancos de dados usando hiperlinks de localizadores uniformes de recursos (URL). Nomes e funções de alvos estendidos, bem como informações relacionadas à sua classificação e espécie, serão armazenados. Por exemplo, usando critérios funcionais, um alvo pode ser uma enzima (os números de EC do livro de códigos de enzimas são armazenados), um receptor acoplado à proteína G (GPCR), um receptor de hormônio nuclear (NHR), um canal de íons, um transportador ou talvez & # x02018other & # x02019 (não especificado) proteína, bem como ácido nucléico (DNA ou RNA). O uso de um vocabulário controlado deve permitir a captura de dados e a curadoria de informações de protocolo por meio de palavras-chave predefinidas, que armazenam informações relacionadas a ligantes, substratos, etc. específicos / não específicos (rádio), etc.

Informações de referência: informações bibliográficas de todas as unidades do banco de dados. As referências contêm informações bibliográficas, como autores ou inventores, título, fonte (por exemplo, nome do periódico ou patente), bem como outras informações pertinentes (volume, números de página, número de patente etc.). Usando identificadores exclusivos, por exemplo, PubMed ou entradas de identificadores de objeto digital (DOIs) podem ser vinculados ao resumo apropriado ou publicação de texto completo via MEDLINE ou outros bancos de dados. Palavras-chave fornecidas pelo editor ou MeSH (títulos de assunto Medline) podem fornecer mais conteúdo para os campos de destino e protocolo. Os relatórios internos, assim como as referências da Internet, também devem ser indexados, pois fornecem um conteúdo valioso.

Os sistemas baseados em computador para captura, armazenamento e recuperação de informações são de importância crítica para a compreensão e mineração da interface da biologia química dos sistemas. Essas informações são pertinentes para a descoberta de alvos, para a compreensão de modelos de doenças, bem como para o estudo de quimiotipos bioativos, andaimes promíscuos e estruturas privilegiadas. Embora os princípios para projetar os bancos de dados SCB ideais (ou desejados) tenham sido definidos conforme discutido acima e os dados primários estejam disponíveis em grande parte, os bancos de dados SCB abrangentes ainda não foram estabelecidos, criando um desafio formidável para o campo do SCB. O próprio processo de integração requer esquemas de classificação hierárquica, uma vez que o conhecimento relacionado a bibliotecas químicas, famílias de alvos biológicos e vias biológicas precisa ser explorado simultaneamente. Uma variedade de produtos químicos, por exemplo, SciFinder (, 2009d) ou bancos de dados relacionados à química medicinal, por exemplo, MDDR (MDDR.SYMYX technologies, 2009) ou bancos de dados relacionados a drogas, como PDR (MDDR.SYMYX technologies, 2009) estão disponíveis. No entanto, esses bancos de dados gratuitos não capturam desfechos biológicos críticos em forma numérica, ou seja, não há campo pesquisável para identificar, de forma quantitativa, qual é a atividade alvo ou relacionada à propriedade de um determinado produto químico. Esta informação é importante se considerarmos que (a) nem todos os produtos químicos indexados em bancos de dados químicos são ativos & # x02013 alguns são meramente reivindicações de patentes sem base factual e que (b) nem todos os produtos químicos divulgados como ativos são igualmente potentes para o alvo de escolha.

Para curar dados de SCB no nível de qualidade apropriado para, por exemplo, o propósito de compreender modelos de PK / PD em níveis moleculares, é mais apropriado desenvolver e curar grandes bancos de dados de bioatividade. Na verdade, toda pesquisa biológica produz grandes quantidades de dados que precisam ser organizados, consultados e reduzidos a informações e conhecimentos científicos. Assim, o gerenciamento de dados biológicos envolve aquisição, modelagem, armazenamento, integração, análise e interpretação de diversos tipos de dados. Para o propósito desta discussão, atividade biológica se refere a dados medidos experimentalmente para um conjunto de compostos químicos em um determinado alvo biológico (bem como célula, órgão e organismo), usando protocolos experimentais predefinidos. Após curadoria e padronização, esses valores medidos juntamente com as informações relacionadas podem ser indexados em um banco de dados de bioatividade. No contexto mais amplo, os bancos de dados precisam lidar com os dados de forma estruturada e organizada. Consequentemente, a tarefa principal ao projetar um banco de dados de bioatividade eficaz é estruturar adequadamente as informações. A Fig. 2 fornece um exemplo do fluxo de trabalho de organização e curadoria de dados que pode ser usado para projetar bancos de dados SCB integrados.

Este modelo, representado na Fig. 2, tem um projeto estrutural de dois níveis [Olah e Oprea 2006]. o nível interno corresponde ao próprio banco de dados, enquanto o nível externo fornece suporte de referência cruzada (identificadores armazenados) para acessar registros externos de outros bancos de dados. Este modelo de banco de dados fornece um conjunto de identificadores exclusivos e estáveis ​​para vinculação a níveis externos de outros bancos de dados. Esses bancos de dados perceberão este como externo, portanto, a interconexão através de níveis externos é bidirecional.

A criação de bancos de dados SCB especializados representa um desafio a ser enfrentado em um futuro próximo. No entanto, é importante discutir neste ponto vários exemplos de bancos de dados existentes que contribuiriam para os bancos de dados SCB abrangentes desejados.

2.1.1. Bancos de dados de bioatividade complexos

Para ilustrar a complexidade e os desafios associados à tarefa de criar bancos de dados químico-biológicos, podemos nos referir à nossa experiência anterior que inclui dois bancos de dados, a saber, WOMBAT e WOMBAT-PK (Olah et al., 2007). WOMBAT 2009.1 contém 295.435 entradas (242.485 SMILES únicos), representando 1.966 alvos únicos, capturados de 14.367 artigos publicados em revistas de química medicinal entre 1975 e 2008. Aproximadamente 61% desses artigos são do jornal ACS, J. Med. Chem. outros 30,3% dos artigos são da revista Elsevier, Bioorg. Med. Chem. Lett. Cada molécula bioativa possui informações de protocolo de bioensaio e alvo indexadas, com links para a publicação original, bem como descritores químicos computados. Até o momento, de acordo com scholar.google.com, WOMBAT tem sido usado como um banco de dados de referência em mais de 30 publicações relacionadas à quimiogenômica e química medicinal. WOMBAT-PK 2009 contém 1230 entradas (1230 SMILES exclusivos), totalizando mais de 13.000 medições de PK clínica. WOMBAT-PK 2009 os medicamentos são indexados a partir de várias fontes de literatura (Brunton et al., 2005, 2009c) FDA Approved Drug Products (, 2009a) literatura revisada por pares, etc.) 1.085 medicamentos e 36 metabólitos ativos têm anotações de alvo de medicamento em 618 alvos e outros 231 drogas são anotadas para antitargets (Vaz e Klabunde, 2008). Várias medições de propriedades físico-químicas (por exemplo, solubilidade em água em pH neutro, LogD7.4 coeficiente de distribuição de octanol-água, solubilidade em água LogP pKa) também estão incluídos.

WOMBAT e WOMBAT-PK (Olah et al., 2007) apresentam exemplos de bancos de dados que consideramos como complexo. De um modo geral, distinguimos dois tipos de bancos de dados complexos: aqueles que incluem coleções de muitos casos quando um grande número de moléculas foi testado contra um único alvo e aqueles que contêm dados sobre uma série de compostos testados simultaneamente em vários ensaios. O primeiro tipo é tipicamente representado pela atividade (por exemplo, Wombat) ou & # x0201cproperty & # x0201d conjuntos de dados (por exemplo, Wombat-PK ou bancos de dados de solubilidade ou toxicidade) quando a propriedade é medida naturalmente em muitas moléculas. Indiscutivelmente, a maior coleção única de tais conjuntos de dados de toxicidade é DSSTox (http://www.epa.gov/nheerl/dsstox/About.html), que inclui dados como (i) incidência do local de destino do tumor e potências TD50 para 1354 substâncias químicas testadas em ratos e camundongos, 80 substâncias químicas testadas em hamsters, 5 produtos químicos testados em cães e 27 substâncias químicas testados em dados de primatas não humanos revisados ​​e compilados da literatura e estudos NTP (ii) EPAFHM: O banco de dados de toxicidade aquática de peixinhos Fathead da EPA inclui toxicidades agudas de 617 produtos químicos testados em ensaio comum, com avaliação do modo de ação e medidas de confirmação. Além disso, uma grande coleção de conjuntos de dados de propriedades de destino único está disponível em http://www.cheminformatics.org/datasets/.

Os bancos de dados do segundo tipo estão se acumulando rapidamente. The NIH & # x02019s Molecular Libraries Roadmap Initiative (Austin et al., 2004) traçou um plano estratégico para armazenar informações sobre as atividades biológicas de pequenas moléculas (em PubChem (PubChem, 2009)) e transformá-las em sondas químicas para perturbar substâncias biológicas específicas caminhos. Currently, PubChem contains more than 25.5 million unique structures for Compound database (of which over 18.3 million are Ro5-compliant) derived from over 60.7 million records in the PubChem Substance database, with links to bioassay description, literature, references, and assay data for each entry. BioAssay Database provides searchable descriptions of nearly 1918 bioassays, including descriptions of the conditions and readouts specific to a screening protocol. It integrated the vast array of resources, including the 60 Human Tumor Cell lines data from Molecular Targets databases of DTP/NCI and 1478 MLPCN (Molecular Libraries Probe Production Centers Network) related assays. It is especially useful when chemical information is needed for specific targets, cell lines or diseases. It should be pointed out that the Substance database sourced data information from a multitude of major databases, e.g. Binding Database, ChemBank, NCI/DTP, KEGG, SMID and ZINC. The Binding Database is a public database of measured binding affinities for biomolecules, containing experimental data of 21143 binders to 244 biological targets (Chen et al., 2001). ChemBank is a suite of informatics tools and databases created by the Broad Institute, aimed at promoting the development of chemical genetics (Strausberg and Schreiber, 2003). The Developmental Therapeutics Program (DTP) of the NCI has collected 127,000 compounds in both 2D and 3D formats that are freely available. They were generally screened for evidence of the ability to inhibit the growth of 60 human tumor cell lines over the past forty years. KEGG (Kyoto Encyclopedia of Genes and Genomes) 2 is an informatics resource for biological systems (Kanehisa et al., 2006). It includes four constituent databases, categorized as building blocks in the genomic space (KEGG GENES, 1,720,795 genes), the chemical space (KEGG LIGAND, 14,238 compounds), wiring diagrams of interaction networks and reaction networks (KEGG PATHWAY, 42,314 pathways) and KEGG BRITE, 5,642 hierarchical classifications. The Small Molecule Interaction Database (SMID)(Snyder et al., 2006) is a database of protein domain-small molecule interactions by using structural data from the Protein Data Bank (PDB). SMID is essentially a “listing” of all small molecules (5117 records) that have been shown to bind to any given conserved protein domain (3508 records), including total 274917 interactions.

As part of the NIMH Psychoactive Drug Screening Program, PDSP Ki Database (http://pdsp.med.unc.edu/indexR.html) contains 47,458 Ki values, embracing 749 types of receptors and 6935 test ligands. The majority of the receptors are GPCRs (549 types), along with various enzymes, ion channel and transporters, thus the largest database of its kind in the public domain. As the common observations in GPCRs-ligands interactions, small molecules can bind to multiple set of GPCRs with high affinities. The online data mining tools make it easy to gather the binding profile of ligands and construct the two-dimensional matrix of GPCRs and ligands. An interactive search in iPHACE (Integrative Navigation in Pharmacological Spacehttp://cgl.imim.es/iphace/ ), an interactive query system that combines PDSP with the IUPHAR database (http://www.iuphar-db.org/index.jsp), retrieves 25 activities for Ketanserin, a strong binder of 5HT2A receptor: Ki values are available for 11 other 5HT receptors, 5 alpha-adrenoceptors, 4 dopamine receptors, the histamine H1 receptor, the dopamine active transporter and the serotonin-gated ion channel (Garcia-Serna et al., 2010).

In order to be capable to build mathematical models for this complex interaction matrix of multiple targets and ligands, a sophisticated algorithm like multiple objective optimization, is indispensable. In summary, this large data warehouse makes possible the mapping of the multidimensional space of GPCRs receptorome and will potentially assist the rational design of these ‘magic shotgun’ ligands. Another GPCR-Ligand Database (GLIDA) is a unique database tailored for GPCR-related chemical genomic research (Okuno et al., 2006). To date, 3738 entries of GPCRs are searchable together with 649 ligand entries and 1989 GPCR-ligand pair entries.


Materiais e métodos

Cell culture, constructs, and transduction

Mouse fibroblast NIH3T3 cells were maintained in Dulbecco modified Eagle medium plus 10% calf serum (Hyclone, Logan, UT). Human myeloma cell lines were grown in Iscove modified essential medium plus 10% fetal bovine serum (Hyclone). All media were supplemented with 1 mmol/L glutamate and antibiotics. Cells were cultured at 37°C with 5% CO2 in a humid incubator.

Full-length c-maf cDNA was subcloned into an internal ribosome entry site (IRES)-green fluorescent protein (GFP)-MIEV retroviral vector. NIH3T3 cells were infected with this construct, and stable cells expressing GFP and c-maf were selected by flow cytometry and immunoblotting, respectively. The full-length c-maf was also subcloned into a pcDNA3.1 vector under the control of a cytomegalovirus (CMV) promoter.

The promoter of cyclin D2 (−894 to −4), containing c-maf responsive element sequence (MARE), was cloned from HeLa cell genomic DNA and subcloned into the pGL2 luciferase reporter vector (Promega, Madison, WI). This construct was cotransfected with pcDNA3.1 containing a neomycin resistance gene into NIH3T3 wild-type cells and NIH3T3 cells stably overexpressing c-maf-IRES-GFP. Cells stably expressing c-maf, GFP, and luciferase were selected for further application.

Myeloma cells were transfected with cDNA corresponding to cyclin D2, ubiquitin or GFP using Amaxa Nucleofection System (Amaxa, Gaithersburg, MD) per the manufacturer's instructions.

High-throughput screen for inhibitors of cyclin D2 transactivation

NIH3T3 cells stably expressing c-maf and the cyclin D2 promoter driving luciferase (13 000 cells per well) were plated in 96-well plates by the Biomek FX liquid handler (Beckman Coulter, Fullerton, CA). The same workstation was used for plate formatting and reagent distribution. After the cells had adhered (6 hours after plating), they were treated with aliquots of molecules from the LOPAC (Sigma, St Louis, MO) and Prestwick (Prestwick Chemical, Illkirch, France) libraries. The final concentration of LOPAC compounds was 5 μmol/L (0.05% dimethyl sulfoxide [DMSO]), whereas for the Prestwick library, 10 ng of each sample was added, resulting in an average final concentration of approximately 5 μmol/L in 0.1% DMSO. Control wells, treated with vehicle alone, containing consistent levels of DMSO, were distributed in the first and last columns of the plate to monitor signal variability. Cells were incubated with the molecules at 37°C for 20 hours. After incubation, cyclin D2 transactivation was assessed by the luciferase assay and viability was assessed by the 3-(4,5-dimethylthiazol-2-yl)-5-(3-carboxymethoxyphenyl)-2-(4-sulfophenyl)-2H-tetrazolium (MTS) assay.

Luciferase assay

Luciferase activity was measured according to the manufacturer's instructions (Promega, Madison, WI). In brief, the cell culture medium was removed using an Embla plate washer (Molecular Devices, Sunnyvale, CA) and 1× Glo Lysis buffer (Promega, Madison, WI) was added by the robotic liquid handler. After a 10-minute incubation, an equal volume of Bright-Glo Luciferase substrate (Promega) was added, and the luminescence signal was detected with a 96-well Luminoskan luminescence plate reader (Thermo Fisher Scientific, Waltham, MA) with a 5-second integration.

MTS assay

Cell viability was assessed with the CellTiter96 aqueous nonradioactive assay kit according to the manufacturer's instructions (Promega) and as described previously. 14

Immunoblotting

Cytosolic extracts were prepared from NIH3T3 cells and myeloma cells as described previously. 14 Cells were washed with phosphate-buffered saline, pH 7.4, and suspended in lysis buffer (10 mmol/L Tris, pH 7.4, 150 mmol/L NaCl, 0.1% Triton X-100, 0.5% sodium deoxycholate, and 5 mmol/L EDTA) containing protease inhibitors (Complete tablets Roche, Indianapolis, IN). Protein concentrations were determined by the Bradford assay. 15 Immunoblot assays were performed as described previously. 16 In brief, equal amounts of protein were subjected to sodium dodecyl sulfate (SDS)-polyacrylamide gels followed by transfer to polyvinylidene difluoride membranes. Membranes were probed with polyclonal rabbit anti–human c-maf (0.5 μg/mL) or rabbit anti–human cyclin D2 (0.5 μg/mL), both from Santa Cruz Biotechnology (Santa Cruz, CA), or with monoclonal mouse anti–human X-linked inhibitor of apoptosis protein (XIAP, 0.25 μg/mL BD Transduction Laboratories, Lexington, KY), monoclonal mouse anti–Bcl-2 (a gift from JC Reed, Burnham Institute, CA), and monoclonal mouse anti-β–actin (1:10 000 [v/v]) (Sigma). Secondary antibodies (GE Healthcare, Chalfont St Giles, United Kingdom) were horseradish peroxidase-conjugated goat anti mouse IgG (1:10 000 [v/v]) and antirabbit (1:5000 [v/v]). Detection was performed by the enhanced chemical luminescence method (Pierce, Rockford, IL).

Immunoprecipitation

NIH3T3 cells were transfected with c-maf along with ubiquitin C or GFP cDNA. Twenty-four hours after transfection, cells were lysed in radioimmunoprecipitation assay buffer in the presence of protease inhibitors. After clarification by centrifugation, cell lysates were incubated with anti- hemagglutinin (HA) beads (Roche) overnight at 4°C. The precipitated proteins were analyzed by SDS-polyacrylamide gels, and c-maf was detected as above.

Assessment of β-integrin expression

Myeloma cell lines were treated with dexamethasone or buffer control. After incubation, cells were harvested, and β-integrin 7 surface expression was measured by staining cells with anti-β–integrin 7-fluorescein isothiocyanate (FITC) and flow cytometric analysis.

Quantitative real-time polymerase chain reaction

The cDNAs encoding the c-maf, ubiquitin C, proteasome subunit C3, and glyceraldehyde-3-phosphate dehydrogenase (GAPDH) were amplified using the following primer pairs: c-maf, forward, 5′-AAAAAGGAACCGGTGGAGAC-3′ reverse, 5′-GGTAGCCGGTCATCCAGTAG-3′ ubiquitin C, forward, 5′-CTTTCCAGAGAGCGGAACAG-3′ reverse, 5′-ATCACAGCGATCCACAAACA-3′, proteasome subunit C3, forward, 5′-TGGAATCTGCAATGAAGCTG-3′ reverse, 5′-TGCAAAAAGTCTGCAAAACAA-3′-3′ and GAPDH, forward, 5′-GAAGGTGAAGGTCGGAGTC-3′ reverse, 5′-GAAGATGGTGATGGGATTTC-3′. Equal amounts of cDNA for each sample were added to a prepared master mix (SYBR Green PCR Master mix Applied Biosystems, Foster City, CA). Quantitative real-time polymerase chain reaction (RTPCR) reactions were performed on an ABI Prism 7700 sequence detection system (Applied Biosystems, Foster City, CA) as described previously. 14 The relative abundance of a transcript was represented by the threshold cycle of amplification (CT), which is inversely correlated to the amount of target RNA/first-strand cDNA being amplified. To normalize for equal amounts of the latter, we assayed the transcript levels of the putative housekeeping gene GAPDH. The comparative CT method was calculated per the manufacturer's instructions. The expression level of c-maf relative to the baseline level was calculated as 2 −ΔΔCT(c-maf) , where ΔCT is (average c-maf CT − average GAPDH CT) and is ΔΔCT (average ΔCT-untreated sample − average ΔCT-treated sample.


Transfection terminology

The terminology used for various gene delivery systems has evolved to keep pace with technological advances in the field and further refined to distinguish various methods and cell types.

Transfecção commonly refers to the introduction of nucleic acids into eukaryotic cells, or more specifically, into animal cells. Classically, the term transfection was used to denote the uptake of viral nucleic acid from a prokaryote‑infecting virus or bacteriophage, resulting in an infection and the production of mature virus particles. However, the term has acquired its present meaning to include any artificial introduction of foreign nucleic acid into a cell.

Transformação is often used to describe non-viral DNA transfer in bacteria, non‑animal eukaryotic cells, and plant cells. However, transformation also refers to a particular event or a series of events that results in a permanent change in an animal cell’s phenotype, and implies genetic instability and a progression to a cancerous state. Although transformation in this sense can arise from infection with a transforming virus or from gene transfection, it can also arise spontaneously or following external stressors such as ionizing radiation or chemical mutagens. As such, the term should be avoided for animal cells when describing introduction of exogenous genetic material.

Transdução is used to describe virus-mediated DNA transfer. However, the term transfection is also used to refer to infecting a cell specifically with viral nucleic acid that is isolated either from a eukaryote virus or from a bacteriophage.


Course Description

This course provides an introduction to the chemistry of biological, inorganic, and organic molecules. The emphasis is on basic principles of atomic and molecular electronic structure, thermodynamics, acid-base and redox equilibria, chemical kinetics, and catalysis.

In an effort to illuminate connections between chemistry and biology, a list of the biology-, medicine-, and MIT research-related examples used in 5.111 is provided in Biology-Related Examples.

Reconhecimentos

Development and implementation of the biology-related materials in this course were funded through an HHMI Professors grant to Prof. Catherine L. Drennan. Videos and captioning were made possible and supported by the MIT Class of 2009.


Extending the small-molecule similarity principle to all levels of biology with the Chemical Checker

Small molecules are usually compared by their chemical structure, but there is no unified analytic framework for representing and comparing their biological activity. We present the Chemical Checker (CC), which provides processed, harmonized and integrated bioactivity data on

800,000 small molecules. The CC divides data into five levels of increasing complexity, from the chemical properties of compounds to their clinical outcomes. In between, it includes targets, off-targets, networks and cell-level information, such as omics data, growth inhibition and morphology. Bioactivity data are expressed in a vector format, extending the concept of chemical similarity to similarity between bioactivity signatures. We show how CC signatures can aid drug discovery tasks, including target identification and library characterization. We also demonstrate the discovery of compounds that reverse and mimic biological signatures of disease models and genetic perturbations in cases that could not be addressed using chemical information alone. Overall, the CC signatures facilitate the conversion of bioactivity data to a format that is readily amenable to machine learning methods.


Synapses Are Specialized Sites Where Neurons Communicate with Other Cells

Synapses generally transmit signals in only one direction: an axon terminal from the presynaptic cell sends signals that are picked up by the postsynaptic cell (see Figure 21-2b). There are two general types of synapse: the relatively rare electric synapse, discussed later, and, the chemical synapse, illustrated in Figure 21-4. In this type of synapse, the axon terminal of the presynaptic cell contains vesicles filled with a particular neurotransmitter. The postsynaptic cell can be a dendrite or cell body of another neuron, a muscle or gland cell, or, rarely, even another axon. When an action potential in the presynaptic cell reaches an axon terminal, it induces a localized rise in the level of Ca 2+ in the cytosol. This, in turn, causes some of the vesicles to fuse with the plasma membrane, releasing their contents into the synaptic cleft, the narrow space between the cells. The neurotransmitters diffuse across the synaptic cleft it takes about 0.5 millisecond (ms) for them to bind to receptors on postsynaptic cells.

Figure 21-4

A chemical synapse. (a) A narrow region —  the synaptic cleft — separates the plasma membranes of the presynaptic and postsynaptic cells. Transmission of electric impulses requires release of a neurotransmitter (more. )

Binding of the neurotransmitter triggers changes in the ion permeability of the postsynaptic plasma membrane, which, in turn, changes the membrane’s electric potential at this point. If the postsynaptic cell is a neuron, this electric disturbance may be sufficient to induce an action potential. If the postsynaptic cell is a muscle, the change in membrane potential following binding of the neurotransmitter may induce contraction if a gland cell, the neurotransmitter may induce hormone secretion. In some cases, enzymes attached to the fibrous network connecting the cells destroy the neurotransmitter after it has functioned in other cases, the signal is terminated when the neurotransmitter diffuses away or is transported back into the presynaptic cell.

The postsynaptic neuron at certain synapses also sends signals to the presynaptic one. Tal retrograde signals can be gases, such as nitric oxide and carbon monoxide, or peptide hormones. This type of signaling, which modifies the ability of the presynaptic cell to signal the postsynaptic one, is thought to be important in many types of learning.


Chapter 13: Zoology

Introdução

Zoology is “the scientific study of animals,” according to the Oxford Dictionary of Biology, 4 th ed, 2000. Entomology is treated separately in Chapter 12 since it has traditionally been treated as a separate discipline. The other branches of zoology such as ornithology or nematology are not separated in this chapter rather, the arrangement is by type of material following the pattern established earlier.

Anatomical atlases and dissection manuals for non-human animals are found in this chapter for human anatomy see Chapter 11, although some of the atlases and manuals in that chapter also briefly mention non-human animal anatomy.


Assista o vídeo: O que é potencial químico? Fundamentos de termodinâmica (Dezembro 2021).