Introduction to Bioinformatics Finish. Ulf Leser

Transkript

1 Introduction to Bioinformatics Finish Ulf Leser

2 This Lecture Genomics Sequencing Gene prediction Evolutionary relationships Motifs - TFBS Transcriptomics RNA folding Proteomics Structure prediction comparison Motives, active sites Docking Protein-Protein Interaction Proteomics Systems Biology Pathway analysis Gene regulation Signaling Metabolism Quantitative models Integrative analysis Medicine Phenotype genotype Mutations and risk Population genetics Adverse effects Ulf Leser: Bioinformatics, Summer Semester

3 Bioinformatics / Computational Biology Computer Science methods for Solving biologically relevant problems Analyzing and managing experimental data sets Empirical: Data from high throughput experiments Mostly focused on developing algorithms Problem are typically complex, data full of errors importance of heuristics and approximate methods Reductionist Strings, graphs, sequences, signals Interdisciplinary: Biology, Computer Science, Physics, Mathematics, Genetics, Ulf Leser: Bioinformatics, Summer Semester

4 Searching Sequences (Strings) A chromosome is a string A sequencing machine generates strings Substrings may represent biologically important areas Genes on a chromosome Transcription factor binding sites Same gene in a different species Similar gene in a different species Exact or approximate string search Naive and Boyer-Moore algorithm PSWM: Approximate gap-free matching Local and global alignment Ulf Leser: Bioinformatics, Summer Semester

5 Observed substitutions PAM as Distance Measure Definition Let S 1, S 2 be two protein sequences with S 1 = S 2. We say S 1 and S 2 are x PAM distant, iff S 1 most probably was produced from S 2 with x mutations per 100 AAs Remarks PAM is motivated by evolution Assumptions: Mutations happen with the same rate at every position of a sequence If mutation rate is high, mutations will occur again and again at the same position PAM %-sequence-identity True # of mutations Ulf Leser: Bioinformatics, Summer Semester

6 Searching a Database of Strings Comparing two sequences is costly Given s, assume we want to find the most similar s in a database of all known sequences Naïve: Compare s with all strings in DB Will take years and years BLAST: Basic local alignment search tool Ranks all strings in DB according to similarity to s Similarity: High is s, s contain substrings that are highly similar Heuristic: Might miss certain similar sequences Extremely popular: You can blast a sequence Ulf Leser: Bioinformatics, Summer Semester

7 Multiple Sequence Alignment Given a set S of sequences: Find an arrangement of all strings in S in columns such that there are (a) few columns and (b) columns are maximally homogeneous Additional spaces allowed Source: Pfam, Zinc finger domain Goal: Find commonality between a set of functionally related sequences Proteins are composed of different functional domains Which domain performs a certain function? Ulf Leser: Bioinformatics, Summer Semester

8 Microarrays / Transcriptomics Referenzarray (Probe) Zellprobe (Sample) Hybridisierung Arrayaufbereitung Scanning TIFF Bild Bilderkennung Rohdaten Ulf Leser: Bioinformatics, Summer Semester

9 Predicting Secondary Structure SSP: Given a protein sequence, assign each AA in the sequence to one of the three classes Helix (H), Strand (E), or Coil (_) KVYGRCELAAAMKRLGLDNYRGYSLGNWVCAAKFESNFNTHATNRNTD GSTDYGILQINSRWWCNDGRTPGSKNLCNIPCSALLSSDITASVNCAK KIASGGNGMNAWVAWRNRCKGTDVHAWIRGCRL KVYGRCELAAAMKRLGLDNYRGYSLGNWVCAAKFESNFNTHATNRNTD -----HHHHHHHHH EEEEE GSTDYGILQINSRWWCNDGRTPGSKNLCNIPCSALLSSDITASVNCAK ----EEEEEE HHHHHH KIASGGNGMNAWVAWRNRCKGTDVHAWIRGCRL HHH EEE Ulf Leser: Bioinformatics, Summer Semester

10 Proteomics The real workhorses in a cell are proteins Differential splicing, post-translational modifications, degradation rates, various levels of regulation, But: Much more difficult to study (compared to mrna) Separation of proteins 2D page, GC / LC Identification of proteins Mass-spectrometry Ulf Leser: Bioinformatics, Summer Semester

11 Protein-Protein-Interactions Proteins do not work in isolation but interact with each other Metabolism, complex formation, signal transduction, transport, PPI networks Neighbors tend to have similar functions Interactions tend to be evolutionary conserved Dense subgraphs (cliques) tend to perform distinct functions Are not random at all Ulf Leser: Bioinformatics, Summer Semester

12 Systems Biology Biological networks are more than edges and nodes Example: Metabolic networks Graphs capturing biochemical reactions Can be described quantitatively: N 2 + 3H 2 2NH 3 Can be analyzed (Balanced flux? Elements never produced / consumed? ) Dynamic modeling: Kinetics Ulf Leser: Bioinformatics, Summer Semester

13 Topics Not Covered Phylogenetic algorithms Gene prediction Protein 3D-structure prediction Docking (Next Generation) Sequencing Genotype / Phenotype association studies Biological Databases Data Mining / Machine Learning in Life Science Data Ulf Leser: Bioinformatics, Summer Semester

14 Evaluation Ulf Leser: Bioinformatics, Summer Semester

15 Klausur Zulassung Lerngruppen Ablauf Klausur Ergebnisse Klausureinsicht Wiederholungen Ulf Leser: Bioinformatics, Summer Semester

16 Wissensmanagement in der Bioinformatik Our topics in research Scientific database systems Text Mining Statistical, graph-based data analysis Parallel data analysis; cloud computing Our topics in teaching Grundlagen der Bioinformatik Algorithmische Bioinformatik Text Analytics Data Warehousing und Data Mining Informationsintegration Ulf Leser: Bioinformatics, Summer Semester

17 Wenn Sie beim Lernen Fragen haben Mail Wenn Sie beim Lernen Fehler in den Folien finden Mail Wenn Sie an ihrem Studium schlimm zweifeln Mail Viel Erfolg bei der Klausur Ulf Leser: Bioinformatics, Summer Semester

18 DNA Computing The use of biological molecules, primarily DNA, DNA analogs, and RNA, for computational purposes Warum kann das interessant sein? Herkömmliche Chips stoßen an physikalische Grenzen Strukturen kleiner als Lichtwellenfrequenz Wege auf Chips so lange, dass Lichtgeschwindigkeit ein Problem wird Chips entwickeln zu viel Hitze DNA Moleküle: billig, relativ einfach zu handhaben, viele Massive Parallelität möglich 5 Gramm DNA enthalten ca Basen Primitive Operationen (= biotechnische Verfahren) vorhanden Schneiden, Kopieren, Verlängern, Verkleben Ulf Leser: Bioinformatics, Summer Semester

19 Schneiden: Restriktionsenzyme EcoRI HindIII AluI HaeIII Ulf Leser: Bioinformatics, Summer Semester

20 Verkleben: Hybridisierung A B a HEAT 100 C b A B COOL a b A B a OR b A B a Ulf Leser: Bioinformatics, Summer Semester b

21 Vervielfältigen: PCR Gegeben: Doppelsträngige DNA D Probe S mit bekannter Sequenz Frage: S D? Primer I Enthalten? 3 Primer II 5 3 Ulf Leser: Bioinformatics, Summer Semester

22 Eulers Problem Königsberger Brücken Gibt es einen Weg, der jede Brücke genau einmal überquert? Und wieder da ankommt, wo man losgegangen ist? Ulf Leser: Bioinformatics, Summer Semester

23 Modellierung Ulf Leser: Bioinformatics, Summer Semester

24 Hamilton Path Gegeben ein Graph G mit Knoten V und gerichteten Kanten E Gibt es einen Pfad durch G, der an Knoten V 1 anfängt, an V n aufhört, und jeden Knoten genau einmal berührt? NP-vollständig Ulf Leser: Bioinformatics, Summer Semester

25 DNA Computing Methode Leonard M. Adleman, Molecular Computation of Solutions to Combinatorial Problems, Science 226, 1994 Abbildung des Graphen in DNA Moleküle Knoten V: eindeutige DNA Sequenz der Länge 10 Kante E(V i,v j ): DNA Sequenz gebildet aus: h(v i [6...10])+h(V j [1...5]) h ist das Komplement einer Sequenz (A-T, C-G) München Prag Moskau Berlin = ACGTA ATGAC Moskau = GTGAC TTGAC München = TGTAA AATGC Peking = GAATA CGTAA Prag = TTGTA AATCG Berlin Peking Berlin-München = TACTG ACATT Moskau-Peking = AACTG CTTAT... Ulf Leser: Bioinformatics, Summer Semester

26 Nächster Schritt Erzeuge all das in großer Menge und mische es DNA lässt sich gezielt und billig synthetisieren Was passiert? Alle Wege werden per Hybridisierung als doppelsträngige DNA entstehen Prag München Berlin München Prag ACGTAATGACTGTAAAATGCTTGTAAATCG Berlin TTACTGACATTTTACGAACA Berlin-München München-Prag Ulf Leser: Bioinformatics, Summer Semester

27 Algorithmus Filter 1: Selektiere Pfade, die in V 1 beginnen/in V n aufhören Vervielfältige durch PCR mit Primern aus V 1 und V n Schneide Banden aus dem Gel Filter 2: Selektiere Pfade der Länge n Stränge durch Gelelektrophorese der Länge nach auftrennen Längenbestimmung durch Vergleichs-DNA Filter 3: Selektiere Pfade, die jede Stadt enthalten Baue Städte mit magnetischem Anhängsel Trenne Doppelstränge; Sonde bindet; Filtern im magnetischen Feld Iterativ für jede Stadt Es gibt einen Hamilton Pfad von V 1 nach V n gdw. mindestens eine Sequenz übrig bleibt Ulf Leser: Bioinformatics, Summer Semester

28 Probleme Hybridisierung nicht perfekt Führt zu falsch Positiven und falsch Negativen Selbsthybridisierung Viele Einzelschritte fehleranfällig Gerade das Herausfiltern der richtigen Pfade Größere Probleme verlangen sehr große Mengen DNA Mehr Knoten und mehr Kanten viel mehr Pfade Wahrscheinlichkeit für Erzeugung jedes Pfades muss sehr hoch sein, damit PCR sie findet Ulf Leser: Bioinformatics, Summer Semester

29 Neues Problem DNA Wort Design (Oligodesign) Berechne n DNA Sequenzen so, dass... nur die gewollten Hybridisierungen stattfinden... möglichst wenig Kreuzhybridisierung stattfindet... keine komplementäre Selbstähnlichkeit vorliegt... Wahrscheinlichkeit für Hairpins minimal ist... die Schmelzpunkte ungefähr gleich sind Vielfältige Anwendungen Sequenzierung per Hybridisierung Nachweis von Genexpression durch Chips DNA Computing... Ulf Leser: Bioinformatics, Summer Semester