FOLDALIGN und sein Algorithmus. Nadine Boley Silke Szymczak

Transkript

1 FOLDALIGN und sein Algorithmus Nadine Boley Silke Szymczak

2 Gliederung 2 Einleitung Motivation des Ansatzes zu FOLDALIGN Sankoff-Algorithmus Globales Alignment Zuker-Algorithmus Kombination FOLDALIGN Algorithmus, Scoring-Matrix Multiple Alignments Resultate Zusammenfassung Literatur

3 Motivation des Ansatzes zu FOLDALIGN 3 Was ist FOLDALIGN? Berechnungsschema mit dynamischer Programmierung Berechnung und Identifizierung von Strukturmotiven und Sequenzen Auf lokaler Ebene (-> Kernstruktur)

4 Motivation des Ansatzes zu FOLDALIGN 4 Worin bestand die Motivation? Identifizierung regulatorischer Regionen in DNAund RNA-Sequenzen Berechnung lokaler Sequenz-Alignments Minimierung der Rechenzeit und der Komplexität

5 Motivation des Ansatzes zu FOLDALIGN 5 Was gab es bisher? Ansätze für globale Alignments Strukturvorhersagen aufgrund Minimierung der freien Energie Stochastische Kontextfreie Grammatik (SCFG)

6 Motivation des Ansatzes zu FOLDALIGN 6 Welche bereits existierenden Algorithmen und Ansätze wurden herangezogen? Sankoff (85) CLUSTAL CONSENSUS

7 Motivation des Ansatzes zu FOLDALIGN 7 Worin besteht die Modifikation dieser Ansätze? Sankoff (85) Smith-Waterman Algorithmus für lokale Sequenz- Alignments Score-Maximierung Strukturberechnung aufgrund der Anzahl der Basenpaare -> Möglichkeit den höchsten lokalen Alignment Score einer RNA Sequenz zu finden Reduzierung der Zeitkomplexität von O(L 6 ) nach O(L 4 )

8 Motivation des Ansatzes zu FOLDALIGN 8 Worin besteht die Modifikation dieser Ansätze? CLUSTAL Zwei zu erwartende Entitäten Mögliche Entitäten: individuelle Sequenz, Alignment von Sequenzen CONSENSUS Greedy-Algorithmus

9 Sankoff-Algorithmus 9 entwickelt 1985 von David Sankoff simultane Lösung des Alignment- und Faltungsproblems zweier RNA-Sequenzen in einem Algorithmus Verwendung der Algorithmen von Needleman-Wunsch (Globales Alignment) Zuker

10 Globales Alignment (1) 10 Dynamic Programming Algorithmus nach Needleman-Wunsch Minimierung einer Distanzfunktion einfache Gapkosten D(i,j;h,k)= minimale Alignment-Kosten der Teilsequenzen a i,..., a j und b h,..., b k

11 Globales Alignment (2) 11 Initialisierung: Laufzeit: O(n 4 ) wegen Modifikation

12 Zuker-Algorithmus (1) 12 Bestimmung der Sekundärstruktur mit der minimalen Energie F(i,j)= minimale Energie einer Sekundärstruktur der Teilsequenz s i,...,s j C(i,j)= minimale Energie einer Sekundärstruktur der Teilsequenz s i,...,s j mit (i,j) Basenpaar

13 Zuker-Algorithmus (2) 13 hairpin 2-loop multi-loop Laufzeit: O(n 3 )

14 Kombination (1) 14 Scoring-Funktion: Summe der freien Energie und der Alignment- Kosten F(i 1,j 1 ;i 2,j 2 ) und C(i 1,j 1 ;i 2,j 2 ) erweitert auf den Fall zweier Sequenzen

15 Kombination(2) 15 hairpins 2-loops multi-loops

16 Kombination (3) 16 Laufzeit: O(n 6 )

17 FOLDALIGN 17 mehrere Modifikationen des Sankoff-Alg.: Verwendung des Smith-Waterman-Algorithmus zur Berechnung lokaler Alignments Scoring-Funktion: Summe der Sequenzähnlichkeit und der Anzahl der Basenpaare, d.h. Maximierung keine Multi-Loops => Kern -Alignment Erweiterung auf mehrere Sequenzen Laufzeit: O(n 4 )

18 Algorithmus 18 D ij,kl = bester Score der Teilsequenzen a i,..., a j und b k,..., b l

19 Scoring-Matrix 19 Score: +4 für Basenpaarung und Alignment Matching +3 für Basenpaarung ohne Alignment Matching <3 für Matches oder Mismatches

20 Multiple Sequenzen 20 Alignment zwischen 2 Mengen von Sequenzen Greedy Algorithmus: erst paarweise Alignments beste paarweise Alignments werden mit einzelner Sequenz zu Triplet-Alignments aligniert usw. durch verschiedene Einschränkungen Laufzeit von O(n 4 *k 4 ) für k Sequenzen der Länge n

21 Resultate 21 4 verschiedene RNA-Datensätze aus SELEX [3]: H1 Bindung an das menschliche Immunschwäche Virus Typ1 rev Protein, drei Arten von hairpin loops H2 Pseudoknoten mit spezieller Affinität zum HIV-1-RT THEO Bronchodilatation (Erweiterung verengter Bronchien), zirkulär permutierte und gebrochene hairpin loops, konservierter CCUbulge R17 Ligand des Bakteriophagen R17 Hüllenprotein, tetra-loops, A-bulge

22 Resultate 22 R17 mit einem tetra-loop und A-bulge Tabellarische Darstellung Graphische Darstellung UGCGCACCAUCAGGGCGU 12 AAUGCACCAUCAGGGCAU 6 AUGUUACCAUCAGGAACA 27 UGCAGAGGAUCACCCUGC 24 AUGUCACGAUCACGGGCA 17 AGUAGAGGAACACCCUAC 32 AUUAGAGGAUCACCCUAG 25 UAUAGAGCAUCAGCCUAU 21 AAGAUAGCAUCAGCAUCU 28.((((.((...)))))) (publ.).((((.((...)))))) (FOLDALIGN) U C A G-C G-C A G-C U-A A-U C-G A-U A A A FOLDALIGN [1] Tabel 4, S Selection of high affinity RNA ligands to the bacteriophage R17 coat protein. [2] Figure 8A, S. 867

23 Zusammenfassung 23 Bessere Ergebnisse mit FOLDALIGN, als mit CLUSTALW, COVE und dem Vienna RNA package von Hofacker Verbesserung: Kein Austausch der Alignments mehr per Hand Kann signifikante Hinweise für interaktive Methoden geben

24 Literatur 24 David Sankoff. Simultaneous solution of the RNA folding, alignment and protosequence problems. SIAM Journal on Applied Mathematics, 45: , 1985 [1] J. Gorodkin, L.J. Heyer, and G.D. Stormo. Finding the most significant common sequence and strukture. Nucleic Acids Research, 25: , 1997 [2] D. Schneider, C. Tuerk, and L. Gold. Selection of high affinity RNA ligands to the bacteriophage R17 coat protein. Journal of Molecular Biology, 228: , [3] Craig Tuerk and Larry Gold. Systematic evolution of ligands by exponential enrichment. Science, 249: , 1990.