Vorlesung Einführung in die Bioinformatik

Transkript

1 Vorlesung Einführung in die Bioinformatik Bioinformatik zur Unterstützung der Dr. Astrid Junker

2 Was ist? Dr. Astrid Junker Folie # 2

3 Was ist? Anwendung von systemtheoretischen und informationstechnischen Methoden, um die in Zellen ablaufenden Prozesse besser zu verstehen Kombination von Biologie, Informatik und Systemwissenschaften Biologie Systemwissenschaft Informatik Dr. Astrid Junker Folie # 3

4 Paro ETH Zürich Interdisziplinarität Dr. Astrid Junker Folie # 4

5 Zielsetzung Idee: Methoden der ermöglichen die integrierte, simultane Betrachtung möglichst vieler zellulärer Prozesse Aufklärung von Netzwerkstrukturen auf verschiedenen Ebenen (DNA, mrna, Proteine, Metabolite) Erfassung zeitlicher und räumlicher Dynamik von zellulären Komponenten unter verschiedenen Umweltbedingungen Entwicklung detaillierter mathematischer Modelle Visualisierung von Netzwerken und darin stattfindender Prozesse Dr. Astrid Junker Folie # 5

6 Hochdurchsatztechnologien Warum? Riesige Datenmengen Sehr viele Interaktionen Schwierigkeit der konventionellen Durchführung notwendiger Experimente Verständnis biologischer Prozesse als Ganzes Dr. Astrid Junker Folie # 6

7 Nicht Untersuchung einzelner Teile einer Zelle oder eines Organismus zu einem bestimmten Zeitpunkt Stattdessen: Verhalten aller Elemente eines biologischen Systems wird untersucht Verhältnis der Elemente zueinander Untersuchung, während das System aktiv ist (Dynamik) Ziele: Verständnis eines biologischen Systems als Ganzes Vorhersage des quantitativen Verhaltens biologischer Prozesse Dr. Astrid Junker Folie # 7

8 Lebenszyklus [Kitano, H.: Systems biology: A brief overview. Science, 295(5560): , 2002] Dr. Astrid Junker Folie # 8

9 Lebenszyklus Dr. Astrid Junker Folie # 9

10 Ansätze der I Top-down (deduktiv) Erzeugung experimenteller Daten mit Hochdurchsatztechnologien Analyse der Daten und Formulierung von Hypothesen (iterativ) Überprüfung der Hypothesen durch Experimente (iterativ) Ziel: Identifikation und Charakterisierung neuer biologischer Mechanismen und damit besseres Verständnis der komplexen biologischen Zusammenhänge einer Zelle Dr. Astrid Junker Folie # 10

11 Top-down Analyse > Hypothesen > Experimente Dr. Astrid Junker Folie # 11

12 Ansätze der II Bottom-up (induktiv) Kleine, detailliert beschriebene Netzwerke Kombination der verschiedenen Netzwerke zu einem Modell des ganzen Systems Ziel: Simulation und Vorhersage des Verhaltens des Gesamtsystems Grundlage: mathematische Modellierung der Netzwerke Dr. Astrid Junker Folie # 12

13 Ansätze der III [ Dr. Astrid Junker Folie # 13

14 Fokus auf metabolische Modelle I Stöchiometrie tatsächliche Mengenverhältnisse (Reaktionsgleichung) und Stoffmengen von Reaktant(en) und Produkt(en) einer Reaktion A + B C + D Dr. Astrid Junker Folie # 14

15 Anaplerotische Reaktionen Dr. Astrid Junker Folie # 15

16 Fokus auf metabolische Modelle II Kinetik: Zusammenhang zwischen den Konzentrationen der Reaktanten sowie des katalysierenden Enzyms Geschwindigkeit, mit der sich die Konzentrationen der beteiligten Stoffe ändern Einflüsse: Inhibitoren Wirken auf Enzyme/Substrate und hemmen dadurch die Reaktion Z.B. irreversible/reversible Enzymhemmung (weitere Unterteilungen mgl.) Aktivatoren Aktivieren die katalytische Aktivität von Enzymen Dr. Astrid Junker Folie # 16

17 Fokus auf metabolische Modelle III Enzymkatalysierte Reaktion: Beschreibung der Reaktionskinetik durch Michaelis-Menten-Gleichung: V 0 : tatsächliche Reaktionsgeschwindigkeit V max : maximal mgl. Reaktionsgeschwindigkeit [S]: Substratkonzentration zum betreffenden Zeitpunkt K M : Michaelis-Menten- Konstante (Affinitätskonstante) Dr. Astrid Junker Folie # 17

18 Fokus auf metabolische Modelle III Enzymkatalysierte Reaktion: Beschreibung der Reaktionskinetik durch Michaelis-Menten-Gleichung: V 0 : tatsächliche Reaktionsgeschwindigkeit V max : maximal mgl. Reaktionsgeschwindigkeit [S]: Substratkonzentration zum betreffenden Zeitpunkt K M : Michaelis-Menten- Konstante (Affinitätskonstante) Dr. Astrid Junker Folie # 18

19 Metabolische Modelle [ Dr. Astrid Junker Folie # 19

20 Begriffe Metabolisches System Netzwerk gekoppelter, biochemischer Reaktionen Enzymkatalysiert Transportervermittelt Metabolische Pfade (Stoffwechselweg) Metabolisches Modell Liste von Reaktionen + zu diesen Reaktionen gehörende Informationen [ Dr. Astrid Junker Folie # 20

21 Metabolische Modelle Als metabolischen Pfad bezeichnet man eine Abfolge von Reaktionen, die zusammen für die Umsetzung eines Stoffes in einen anderen sorgen. Die einzelnen Reaktionen sind dabei im Wesentlichen durch das katalysierende (die Reaktion beschleunigende) Enzym charakterisiert. keine eindeutige Zuordnung von Metaboliten und Enzymen zu metabolischen Pfaden Metabolische Reaktion Metabolischer Pfad (Pathway) Dr. Astrid Junker Folie # 21

22 Ziel: Vorgehen Analyse von Struktur und Verhalten metabolischer Netzwerke Generieren von Wissen Aufstellen von Hypothesen Wie? Rekonstruktion von Modellen Modellaustausch Analyse/Simulation Visualisierung Dr. Astrid Junker Folie # 22

23 Rekonstruktion von Modellen Daten über biologische Prozesse: Heterogene Ausgangslage Vielzahl Quellen Weltweit verteilt Unsicherheiten bzgl. Korrektheit Integration und persistente Verwaltung in einem Repository Manuelle Kuration sinnvoll (z.b. Unterscheidung von Wachstums- und Entwicklungsstadien) Dr. Astrid Junker Folie # 23

24 Rekonstruktion von Modellen Dr. Astrid Junker Folie # 24

25 Beispiel KEGG Sammlung einzelner Genome, Genprodukte und ihrer Funktion Verschiedene Teildatenbanken, z.b. Pathways Statische Sammlung von Pathway-Diagrammen Daten über verschiedene Organismen Wenig Details, keine Literaturquellen Dr. Astrid Junker Folie # 25

26 Beispiel BioCyc Sammlung mehrerer hundert Pathwaydatenbanken Jede beschreibt die metabolischen Netzwerke eines Organismus Viele vorhergesagte Daten Durch Pathway Tools Software erstellt Dr. Astrid Junker Folie # 26

27 BRENDA BRaunschweig ENzyme Database eine der umfassendsten und wichtigsten online- Informationssystemen für biochemische und molekularbiologische Daten über Enzyme und Stoffwechselwege biochemische und molekularbiologische Daten und Informationen über alle von der Enzymkommission der International Union of Biochemistry and Molecular Biology (IUBMB) klassifizierten Enzyme (EC Nummer) Handkurierte Daten, Unterstützung durch Text Mining Derzeit 4800 Enzyme, Publikationen Link zu UniProt bei vorhandener Sequenz Seite 27 Dr. Astrid Junker Folie # 27

28 Beispiel MetaCrop I Zentrales Repository für Daten über metabolische Netze in Kulturpflanzen Unterstützt Modellrekonstruktion Hierarchisch aufgebaut Taxonomie Dr. Astrid Junker Folie # 28

29 Beispiel MetaCrop II Gene sind unter verschiedenen Bedingungen exprimiert Entwicklungsstadien Wachstumsbedingungen Funktionsorte im Organismus Kinetik Manuell kuriert Umfangreiche Literaturquellen Dr. Astrid Junker Folie # 29

30 Beispiel MetaCrop III Literatur Datenbanken Bücher Journale Kurationsprozess Datenextraktion Datenaufbereitung Datenintegration Netzwerke Reaktionen Enzyme Komponenten Transporter Metabolite MetaCrop Dr. Astrid Junker Folie # 30

31 Beispiel MetaCrop IV Dr. Astrid Junker Folie # 31

32 Beispiel MetaCrop V Dr. Astrid Junker Folie # 32

33 Beispiel MetaCrop VI Dr. Astrid Junker Folie # 33

34 Beispiel MetaCrop VII Dr. Astrid Junker Folie # 34

35 Beispiel MetaCrop IV Literatur Datenbanken Bücher Journale Kurationsprozess Datenextraktion Datenaufbereitung Datenintegration Netzwerke Reaktionen Enzyme Komponenten Transporter Metabolite Modellkopplung Modellexport MetaCrop Dr. Astrid Junker Folie # 35

36 Warum? Modellaustausch Simulation/Analyse mit externen Werkzeugen Visualisierung von Netzwerken mit externen Werkzeugen Wie? Austauschformate Austauschformate in der Biologie, z.b.: CML: Chemical Markup Language BSML: Bioinformatic Sequence Markup Language MAGE-ML: MicroArray and Gene Expression SBML: System Biology Markup Language basiert auf XML Dr. Astrid Junker Folie # 36

37 XML I Extensible Markup Language Auszeichnungssprache zur Darstellung hierarchisch strukturierter Daten in Form von Textdaten Plattform- und implementationsunabhängig Austausch von Daten zwischen Computersystemen Trennung von Daten (Inhalt) und Repräsentation (Struktur) Dr. Astrid Junker Folie # 37

38 Wichtigste Bestandteile: XML II Verarbeitungsanweisungen (<?Ziel-Name Parameter?>) Elemente Paar aus Start-Tag (<Tag-Name>) und End-Tag (</Tag-Name>) <reaktion>argininosuccinat-lyase</reaktion> Schachtelung von Elementen Elemente sind die Träger der Information in einem XML-Dokument, unabhängig davon, ob es sich um Text, Bilder usw. handelt Attribute Zusatzinformationen über Elemente Schlüsselwort-Werte-Paare (Attribut-Name="Attribut-Wert") <reaktion enzymkatalysiert="ja">argininosuccinat-lyase</reaktion> Kommentare (<!-- Kommentar-Text -->) Dr. Astrid Junker Folie # 38

39 XML III Format wird durch Grammatik definiert Dokumenttypdefinition (DTD) XML-Schema (XSD) Wohlgeformt ein Wurzelelement öffnende und schließende Tags korrekte Schachtelung Gültig muss der definierten Grammatik entsprechen Dr. Astrid Junker Folie # 39

40 XML IV <?xml version="1.0" encoding="utf-8" standalone="yes"?> <vorlesung> <titel>einführung in die Bioinformatik</titel> <dozent> <vorname>astrid</vorname> <name>junker</name> </dozent> <dozent> </dozent> </vorlesung> Dr. Astrid Junker Folie # 40

41 SBML I Basiert auf XML Repräsentation biochemischer Modelle Beschreibt Systeme Biologische Entitäten sind beteiligt Biologische Entitäten werden durch Prozesse beeinflusst z.b. metabolische Pathways, Signaltransduktionswege, Genregulation etc. Dr. Astrid Junker Folie # 41

42 Wichtigste Elemente: functiondefinition SBML II Mathematische Funktionen, die im Modell verwendet werden Z.B. Kinetic Laws (Michaelis-Menten, Iso Uni Uni, Ordered Bi Bi, Ordered Uni Bi) unitdefinition Einheiten, die im Modell verwendet werden Z.B. Liter, Mol compartment Funktionsort im Organismus Bedeutet nicht zwangsläufig auch ein Kompartiment Z.B. Plastid species Objekte, die an einem Funktionsort lokalisiert sind Nicht mit Spezies (=Art) verwechseln Z.B. ADP, ADP-glucose, maltose Dr. Astrid Junker Folie # 42

43 SBML III Wichtigste Elemente (Fortsetzung): parameter Quantitative Werte Z.B. K m, K i, K a, V max reaction (enzymkatalysierte) Reaktion Transportprozess Beschreibt, wie Reaktanden in Produkte überführt werden Unterelemente listofreactants (Referenz auf species-definition) listofproducts (dito) listofmodifiers (dito) kineticlaw (Referenz auf functiondefinition) Attribute reversible name Compartment stoichiometry Dr. Astrid Junker Folie # 43

44 Beispiel Saccharose-Abbau I Dr. Astrid Junker Folie # 44

45 Beispiel Saccharose- Abbau II Dr. Astrid Junker Folie # 45

46 Beispiel Saccharose-Abbau III Dr. Astrid Junker Folie # 46

47 Beispiel Saccharose-Abbau IV Dr. Astrid Junker Folie # 47

48 Beispiel Saccharose-Abbau V Dr. Astrid Junker Folie # 48

49 Modellsimulation/-analyse I Systemgröße Qualitative Modelle Quantitative Modelle Metabolic Network Analysis nur Berücksichtigung der Netzwerkstruktur Elementary Mode Analysis + stöchiometrische Constraints Flux Balance Analysis + Massebilanz, Kapazitäts-Constraints Metabolic Flux Analysis + Daten aus Markierungsexperimenten Kinetic Modelling + kinetische Informationen, Konzentrationen Detailebene Dr. Astrid Junker Folie # 49

50 Modellsimulation/-analyse II Strukturelles Modell, z.b. Reaktionen und Substanzen Stöchiometrie Reversibilität? Regulationsmechanismen Enzymdaten, z.b. Umsatzraten Affinitätskonstanten Aktivator-/Inhibitorkonstanten Kinetisches Modell Metabolische Daten, z.b. Metabolitkonzentrationen Enzymkonzentrationen [nach: Liebermeister, W.: Integration of enzyme kinetic data from various sources, 2007] Dr. Astrid Junker Folie # 50

51 Beispiel Flux Balance Analysis I Definition Constraintbasierte stöchiometrische Modellierung Vorhersage und Analyse von Stoffflüssen (Fluxes) Vorteile Keine kinetischen Parameter erforderlich Quantitative Vorhersagen Anwendbarkeit auf umfangreiche Systeme Anwendungsbereiche Vorhersage von optimalem metabolischem Ertrag und Flussverteilungen Vorhersage des Phänotyps von Knockout-Mutanten Vorhersage von Netzwerkredundanzen Dr. Astrid Junker Folie # 51

52 Metabolic Network Exchange flux A B C E D System Boundary Internal flux Flux The production or consumption of mass per unit area per unit time. Dr. Astrid Junker Folie # 52 52

53 Beispiel Flux Balance Analysis II Dr. Astrid Junker Folie # 53

54 COPASI (COmplex PAthway SImulator) Simulationswerkzeuge I Analyse biochemischer Netzwerke Kinetische Daten zur Simulation Verwendet Modelle im SBML-Format Dr. Astrid Junker Folie # 54

55 Simulationswerkzeuge II JWS online Simulation kinetischer Modelle Verwendet Modelle im SBML-Format Dr. Astrid Junker Folie # 55

56 Modellvisualisierung Vereinfachte Repräsentation von Daten aus Experimenten oder Simulationen Untersuchen und Verstehen von Daten Dr. Astrid Junker Folie # 56

57 Visualisierungswerkzeuge I VANTED (Visualisation and Analysis of Networks containing Experimental Data) Datentransformationen Visuelle Mappings Transformationen von Ansichten Einbindung von Simulationswerkzeugen per Plug-in Unterstützung verschiedener Formate, z.b. SBML Dr. Astrid Junker Folie # 57

58 Visualisierungswerkzeuge II CellDesigner Visuelle Exploration von Netzwerken Graphische Editierung Einbindung von Simulationswerkzeugen Dr. Astrid Junker Folie # 58

59 Beispiel-Visualisierung Abbildung metabolischer Flüsse auf Reaktionskanten Dr. Astrid Junker Folie # 59

60 Vorgehen am Beispiel I Modellrekonstruktion Modellanalyse Vorhersage von Ertrag und Flussverteilungen Visuelle Analyse Speichermetabolismus im sich entwickelnden Gerstenkorn [Grafahrend-Belau, E. et al.: Flux balance analysis of barley seeds: a computational approach to study systemic properties of central metabolism, Plant Physiology, 149: , 2009.] Dr. Astrid Junker Folie # 60

61 Vorgehen am Beispiel II Umfang 257 Reaktionen, 234 Metabolite Kompartimente Cytosol, Plastid, Mitochondrium, extrazelluläres Medium Pathways Glycolysis, Pentose Phosphate Pathway, Citrate Cycle, Oxidative Phosphorylation, Amino Acid Metabolism, Starch Metabolism u.a. Dr. Astrid Junker Folie # 61

62 Vorgehen am Beispiel III Maximale Aufnahme-/Abgaberaten Saccharose: 8 μmol gdw 1 h 1 Sauerstoff: 0-30 μmol gdw 1 h 1 Modellanalyse Vorhersage von Ertrag und Flussverteilungen unter variierenden Sauerstoffbedingungen (Saccharose-/ Sauerstoff-Abreicherung) Spezifische Wachstumsrate Simuliertes Ergebnis: μ: h 1 Vergleichbar mit experimentellen Ergebnissen Dr. Astrid Junker Folie # 62

63 Vorgehen am Beispiel IV Flussverteilungen unter variierenden Sauerstoffbedingungen Dr. Astrid Junker Folie # 63

64 Quellen Kremling, A.: Vorlesung Regulationsvorgänge in biologischen Systemen, Universität Magdeburg, Beißbarth, T: Vorlesung Bioinformatik/System-Biologie, Georg-August-Universität Göttingen, Dr. Astrid Junker Folie # 64