Struktur in der Bioinformatik

Transkript

1 Struktur in der Bioinformatik Rolf Backofen Lehrstuhl für Bioinformatik Institut für Informatik FS Jena Überblick Einführung nwendungsbeispiel: Selenoproteine Proteinfaltung Protein Docking c R. Backofen 1

2 Funktion und Programm Fakultätsfunktion f(0) := 1 f(i + 1) := f(i) (i + 1) Programm: int n,f,i; main (i/nt argc, char argv[]) { n = atoi(argv[1]); f=1; for (i=0;i<n;i++) f = f(i+1); printf("%i\n",f); } c R. Backofen 2-a

3 457f464c d001a c c f f f e c c c080400a a c2f62696c2f2d64696c756e2e786f73322e e a d ba e e004d f f00675f 6f6d5f6e f74005f696c e2e6f e f00645f f d615f656e696f f f5f4f f6e f006c5f62695f f74616d6e695f00725f f d615f656e696f c f 302e d c e500e800005b00c381125f0000 bb e8057d22f7fbf6890be80001e80001b600005d8b89fc5dec00c ff952c ff ff e900ffe0ffff25ff e900 ffd0ffff25ff953c e900ffc0ffff25ff e900ffb0ffff25ff e900ffa0ffff ed31895e83e1f8e e00804 c a3e8fffff4ff e5103d febf689508d89040c b08ff00a1d0950c b8e c0850a e808ff4affff05c ec89c35d8d9026b e55dec89c3 8df627bc b8e c R. Backofen 2-b

4 Vergleich: menschl. hromosom 22 (33.4 Mio Basenpaare) GTTGTGTGGTTGGGTGTGGTTGGGTTTTTTGGTTGGTGGG TGTGTTTGGGTGGTTGGGGGGTTGTTGGTTTTTGTTTTTGTT TTTGTGTGGTGGGTTGTGGTGGGTGGGGGTTTTGTTTTTTTTT GGTTTTTTTTTTTTTTGGGGGGGTTTTTTTTTTTGGTGTTTGTGT TGTTTTTTTTTTGTTTGGGGTTTTTTTTTTGTTGGTTTGG TTTGTTTTGGTTGTGGTTTTGTGTTTTTTTTTTTGGTGTG TGTTTTGTGGTGGGGGGTTTTGTTTTTTTTTTGGGT TTTTTTTTTTTTGGGTGTGTGGGTTTTGTGTGGGTGTGGTTGTG GTGGTTGTTTTTGGTTTTTGTTGTGTTTTTGGGTTTTTTG GGGTTGGTGTTTTTTTGTGTTTTGGTGGTTTTTTTTTTTTGTTGGG TTTTTGGGTGGTTGGGGGTGTTTGGTTGTGGGGTT TGTTTTGTTGTTGGGTGTTGTGTTGTGGGGGGGTTGTTTGGGGTG GGTTTGGTGGTGTGGTGTGGTGTGTTTTTTGTTGGTGTGTTGT TTTTTGTGGGGTGGGGGTGTGTTTGGGTTTTTGTGTT TTGTTTGGGGTTTTTGTGTTGGTGTGGTTTTTGTT TTTTTGGGTTTTTTTTTTTGGTTGTGTGTTGTGTGGTGGTTGGGT GTTTGGTTTTGTTGTTTTTGGTTTTGGTGTTGG TTGTGTTGGGGGGGGTGGTTTTTTTTGTTTGT TTTTGGTGTTGTTTGTGGTTTTGGGGGTTGTTTGTTG GTTTGGGTGTGGGGGGGGTTTGGTTGTTTTGTTTTTTGTTGGG GTTTGTTTTGTTTGGTTTTTTGTTTTTTTGTGTTGGGGTT TTGTTTTTGTTTTTTTGTTTTTTTTGTTTTTT TTGTGGGTTGTTTTTTTGTGGGTTTGTGGTGTG TTTTTGTTTGTTTGTTGGTGGTGGGTGGTTGTGTTG TTTGGGGGTGGGGGGTGTTGGGTGGGTTGGTGGTGGTGGTT TTTTGGTTGGTGGTGGG... c R. Backofen 2-c

5 Funktion Funktion wird verstanden aus 3-dimensionaler Struktur Sekundärstruktur Organisationsstruktur c R. Backofen 2-d

6 Bioinformatik: Essentiell für Biologische Forschung Beispiel Genom Genom Sequenz GTTGTGTGGTTGGGTGTGGTTGGGTTTTTTGGTT GGTGGGTGTGTTTGGGTGGTTGGGGGGTTGTTGGTTTTT GTTTTTGTTTTTGTGTGGTGGGTTGTGGTGGGTGGGGGT TTTGTTTTTTTTTGGTTTTTTTTTTTTTTGGGGGGGTTT TTTTTTTTGGTGTTTGTGTTGTTTTTTTTTTGTTTGGGGT TTTTTTTTTGTTGGTTTGGTTTGTTTTGGTTGTGGT TTTGTGTTTTTTTTTTTGGTGTGTGTTTTG TGGTGGGGGGTTTTGTTTTTTTTTTGGGTTTTTTTTTTT TTGGGTGTGTGGGTTTTGTGTGGGTGTGGTTGTGGTGG TTGTTTTTGGTTTTTGTTGTGTTTTTGGGTTTTTTG GGGTTGGTGTTTTTTTGTGTTTTGGTGGTTTTTTTTTTTTG TTGGGTTTTTGGGTGGTTGGGGGTGTTTGGTTGT GGGGTTTGTTTTGTTGTTGGGTGTTGTGTTGTGGGG GGGTTGTTTGGGGTGGGTTTGGTGGTGTGGTGTGGTGTGTT TTTTGTTGGTGTGTTGTTTTTTGTGGGGTGGGGG TGTGTTTGGGTTTTTGTGTTTTGTTTGGGGTT TTTGTGTTGGTGTGGTTTTTGTTTTTTTGGGTTTTTT Zerschneiden TTTTTGGTTGTGTGTTGTGTGGTGGTTGGGTGTTTGG TTTTGTTGTTTTTGGTTTTGGTGTTGGTT GTGTTGGGGGGGGTGGTTTTTTTTGTTTGT TTTTGGTGTTGTTTGTGGTTTTGGGGGTTGTTT GTTGGTTTGGGTGTGGGGGGGGTTTGGTTGTTTTGTTTTTTGT TGGGGTTTGTTTTGTTTGGTTTTTTGTTTTTT TGTGTTGGGGTTTTGTTTTTGTTTTTTT GTTTTTTTTGTTTTTTTTGTGGGTTGTTTTTTTG TGGGTTTGTGGTGTGTTTTTGTTTGTTTGTTG GTGGTGGGTGGTTGTGTTGTTTGGGGGTGGGGGGTGT TGGGTGGGTTGGTGGTGGTGGTTTTT Whole Shotgun Sequencing GT... G... TG... GG... Sequenzierung der Fragmente Überlagerung...GT G G TG... ber: lgorithmus biologische Wirklichkeit (Bsp. Repeats)... GGG GGGG... GGGG GGGG... c R. Backofen 3

7 Bioinformatik: Essentiell für Biologische Forschung Beispiel Genom Genom Sequenz GTTGTGTGGTTGGGTGTGGTTGGGTTTTTTGGTT GGTGGGTGTGTTTGGGTGGTTGGGGGGTTGTTGGTTTTT GTTTTTGTTTTTGTGTGGTGGGTTGTGGTGGGTGGGGGT TTTGTTTTTTTTTGGTTTTTTTTTTTTTTGGGGGGGTTT TTTTTTTTGGTGTTTGTGTTGTTTTTTTTTTGTTTGGGGT TTTTTTTTTGTTGGTTTGGTTTGTTTTGGTTGTGGT TTTGTGTTTTTTTTTTTGGTGTGTGTTTTG TGGTGGGGGGTTTTGTTTTTTTTTTGGGTTTTTTTTTTT TTGGGTGTGTGGGTTTTGTGTGGGTGTGGTTGTGGTGG TTGTTTTTGGTTTTTGTTGTGTTTTTGGGTTTTTTG GGGTTGGTGTTTTTTTGTGTTTTGGTGGTTTTTTTTTTTTG TTGGGTTTTTGGGTGGTTGGGGGTGTTTGGTTGT GGGGTTTGTTTTGTTGTTGGGTGTTGTGTTGTGGGG GGGTTGTTTGGGGTGGGTTTGGTGGTGTGGTGTGGTGTGTT TTTTGTTGGTGTGTTGTTTTTTGTGGGGTGGGGG TGTGTTTGGGTTTTTGTGTTTTGTTTGGGGTT TTTGTGTTGGTGTGGTTTTTGTTTTTTTGGGTTTTTT Zerschneiden TTTTTGGTTGTGTGTTGTGTGGTGGTTGGGTGTTTGG TTTTGTTGTTTTTGGTTTTGGTGTTGGTT GTGTTGGGGGGGGTGGTTTTTTTTGTTTGT TTTTGGTGTTGTTTGTGGTTTTGGGGGTTGTTT GTTGGTTTGGGTGTGGGGGGGGTTTGGTTGTTTTGTTTTTTGT TGGGGTTTGTTTTGTTTGGTTTTTTGTTTTTT TGTGTTGGGGTTTTGTTTTTGTTTTTTT GTTTTTTTTGTTTTTTTTGTGGGTTGTTTTTTTG TGGGTTTGTGGTGTGTTTTTGTTTGTTTGTTG GTGGTGGGTGGTTGTGTTGTTTGGGGGTGGGGGGTGT TGGGTGGGTTGGTGGTGGTGGTTTTT Whole Shotgun Sequencing GT... G... TG... GG... Sequenzierung der Fragmente Überlagerung...GT G G TG... ber: lgorithmus biologische Wirklichkeit (Bsp. Repeats)... GGG GGGG... GGGG GGGG... c R. Backofen 3

8 Zentrales Dogma DNS: lineare Kette von Nukleotiden {,,G,T} RNS: lineare Kette von Nukleotiden {,,G,} Proteine: lineare Kette von minosäuren (20 versch.) Informationsfluß in der Biologie: DN RN Protein c R. Backofen 4

9 3 Hauptbereiche der Bioinformatik auf zentrales Dogma bezogen: Sequenz, Struktur und Funktion von Proteinen Datenbezogen Speicherung (Repräsentation) und Suche Datenanalyse, Data mining exponentielles Wachstum der Daten Simulation von biologischen Prozessen Proteinfaltung, Metabolische Pfade E-ell c R. Backofen 5

10 Weiterer Inhalt nwendungsbeispiel: Selenoproteine seltene, aber wichtige minosäure Selenocystein Translation strukturabhängig relevante Bioinformatikprobleme Proteinfaltung Problemdefinition und Lösungansätze Proteinfaltung im Kontext Proteindocking c R. Backofen 6

11 Translation von Proteinen DN mrn Protein n His genetischer ode: 20 minosäuren alle odons belegt odon G Phe Ser Tyr ys Phe Ser Tyr ys Leu Ser Stop Stop Leu Ser Stop Trp G Leu Pro His rg STOP-odon: mrn Ribosom G STOP c R. Backofen 7

12 Selenocystein (Sec) Selenocystein (Sec): zusätzliche, 21te minosäure! in allen Domänen kodiert durch STOP-codon G (Overloading!) Selenoproteine: Proteine mit Selenocystein (Sec) wichtige Funktion (auch beim Menschen) Schutz vor oxidativen Streß, Selendiät Translation: erfordert SEIS-Element (= Sec Insertion Sequence) SEIS = Sequenz mit hairpin-artiger Struktur SEIS G c R. Backofen 8

13 Problem 1: DN und Proteinsequenz Gegeben DN Welche Proteinsequenz? GGG GGGGG RN-Sekundärstruktur: welche Basenpaarungen (, G)? dynamisches Programmierverfahren O(n 3 ). Bsp.: Maximale nzahl von Basenpaarung für a = a 1... a n Rekursionsgleichung für Paarungen von a i... a j : #-Paare(i + 1, j 1) + 1 falls (a i, a j ) paart #-Paare(i + 1, j) #-Paare(i, j) = max #-Paare(i, j 1) { } #-Paare(i, k) + #-Paare(k + 1, j) ktuelles Forschungsproblem: Pseudoknoten max i<k<j c R. Backofen 9

14 Problem 1: DN und Proteinsequenz Gegeben DN Welche Proteinsequenz? GGG GGGGG RN-Sekundärstruktur: welche Basenpaarungen (, G)? dynamisches Programmierverfahren O(n 3 ). Bsp.: Maximale nzahl von Basenpaarung für a = a 1... a n Rekursionsgleichung für Paarungen von a i... a j : #-Paare(i + 1, j 1) + 1 falls (a i, a j ) paart #-Paare(i + 1, j) #-Paare(i, j) = max #-Paare(i, j 1) { } #-Paare(i, k) + #-Paare(k + 1, j) ktuelles Forschungsproblem: Pseudoknoten max i<k<j c R. Backofen 9

15 Problem 1: DN und Proteinsequenz Gegeben DN Welche Proteinsequenz? GGG GGGGG RN-Sekundärstruktur: welche Basenpaarungen (, G)? dynamisches Programmierverfahren O(n 3 ). Bsp.: Maximale nzahl von Basenpaarung für a = a 1... a n Rekursionsgleichung für Paarungen von a i... a j : #-Paare(i + 1, j 1) + 1 falls (a i, a j ) paart #-Paare(i + 1, j) #-Paare(i, j) = max #-Paare(i, j 1) { } #-Paare(i, k) + #-Paare(k + 1, j) ktuelles Forschungsproblem: Pseudoknoten max i<k<j c R. Backofen 9

16 Problem 1: DN und Proteinsequenz Gegeben DN Welche Proteinsequenz? GGG GGGGG RN-Sekundärstruktur: welche Basenpaarungen (, G)? dynamisches Programmierverfahren O(n 3 ). Bsp.: Maximale nzahl von Basenpaarung für a = a 1... a n Rekursionsgleichung für Paarungen von a i... a j : #-Paare(i + 1, j 1) + 1 falls (a i, a j ) paart #-Paare(i + 1, j) #-Paare(i, j) = max #-Paare(i, j 1) { } #-Paare(i, k) + #-Paare(k + 1, j) ktuelles Forschungsproblem: Pseudoknoten max i<k<j c R. Backofen 9

17 Problem 2: harakterisierung von SEIS-Elementen SEIS-Element erlaubt Variation, Suche nach Sequenz/Strukturmuster notwendig, um Mechanismus aufzuklären. ber: nur Sequenzen bekannt, Struktur vermutet nsatz: Strukturen aus Strukturvorhersage Bestimmung der Konsensus-Struktur Sequenzalignment aus Konsensus-Struktur Sequenzalignment und Konsensus-Struktur consensus structure s 1 G G s 2 /G s 3 s 4 G G c R. Backofen 10

18 Problem 2: harakterisierung von SEIS-Elementen SEIS-Element erlaubt Variation, Suche nach Sequenz/Strukturmuster notwendig, um Mechanismus aufzuklären. ber: nur Sequenzen bekannt, Struktur vermutet nsatz: Strukturen aus Strukturvorhersage Bestimmung der Konsensus-Struktur Sequenzalignment aus Konsensus-Struktur Sequenzalignment und Konsensus-Struktur consensus structure s 1 G G s 2 /G s 3 s 4 G G c R. Backofen 10

19 Problem 2: harakterisierung von SEIS-Elementen SEIS-Element erlaubt Variation, Suche nach Sequenz/Strukturmuster notwendig, um Mechanismus aufzuklären. ber: nur Sequenzen bekannt, Struktur vermutet nsatz: Strukturen aus Strukturvorhersage Bestimmung der Konsensus-Struktur Sequenzalignment aus Konsensus-Struktur Sequenzalignment und Konsensus-Struktur consensus structure s 1 G G s 2 /G s 3 s 4 G G c R. Backofen 10

20 Problem 2: harakterisierung von SEIS-Elementen SEIS-Element erlaubt Variation, Suche nach Sequenz/Strukturmuster notwendig, um Mechanismus aufzuklären. ber: nur Sequenzen bekannt, Struktur vermutet nsatz: Strukturen aus Strukturvorhersage Bestimmung der Konsensus-Struktur Sequenzalignment aus Konsensus-Struktur Sequenzalignment und Konsensus-Struktur consensus structure s 1 G G s 2 /G s 3 s 4 G G c R. Backofen 10

21 Problem 2: harakterisierung von SEIS-Elementen SEIS-Element erlaubt Variation, Suche nach Sequenz/Strukturmuster notwendig, um Mechanismus aufzuklären. ber: nur Sequenzen bekannt, Struktur vermutet nsatz: Strukturen aus Strukturvorhersage Bestimmung der Konsensus-Struktur Sequenzalignment aus Konsensus-Struktur Sequenzalignment und Konsensus-Struktur consensus structure s 1 G G s 2 /G s 3 s 4 G G c R. Backofen 10

22 Problem 2: harakterisierung von SEIS-Elementen SEIS-Element erlaubt Variation, Suche nach Sequenz/Strukturmuster notwendig, um Mechanismus aufzuklären. ber: nur Sequenzen bekannt, Struktur vermutet nsatz: Strukturen aus Strukturvorhersage Bestimmung der Konsensus-Struktur Sequenzalignment aus Konsensus-Struktur Sequenzalignment und Konsensus-Struktur consensus structure s 1 G G s 2 /G s 3 s 4 G G c R. Backofen 10

23 Problem 2: harakterisierung von SEIS-Elementen SEIS-Element erlaubt Variation, Suche nach Sequenz/Strukturmuster notwendig, um Mechanismus aufzuklären. ber: nur Sequenzen bekannt, Struktur vermutet nsatz: Strukturen aus Strukturvorhersage Bestimmung der Konsensus-Struktur Sequenzalignment aus Konsensus-Struktur Sequenzalignment und Konsensus-Struktur consensus structure s 1 G G s 2 /G s 3 s 4 G G c R. Backofen 10

24 Problem 2: harakterisierung von SEIS-Elementen SEIS-Element erlaubt Variation, Suche nach Sequenz/Strukturmuster notwendig, um Mechanismus aufzuklären. ber: nur Sequenzen bekannt, Struktur vermutet nsatz: Strukturen aus Strukturvorhersage Bestimmung der Konsensus-Struktur Sequenzalignment aus Konsensus-Struktur Sequenzalignment und Konsensus-Struktur consensus structure s 1 G G s 2 /G s 3 s 4 G G c R. Backofen 10

25 Problem 2: harakterisierung von SEIS-Elementen SEIS-Element erlaubt Variation, Suche nach Sequenz/Strukturmuster notwendig, um Mechanismus aufzuklären. ber: nur Sequenzen bekannt, Struktur vermutet nsatz: Strukturen aus Strukturvorhersage Bestimmung der Konsensus-Struktur Sequenzalignment aus Konsensus-Struktur Sequenzalignment und Konsensus-Struktur consensus structure s 1 G G s 2 /G s 3 s 4 G G c R. Backofen 10

26 Problem 2: harakterisierung von SEIS-Elementen SEIS-Element erlaubt Variation, Suche nach Sequenz/Strukturmuster notwendig, um Mechanismus aufzuklären. ber: nur Sequenzen bekannt, Struktur vermutet nsatz: Strukturen aus Strukturvorhersage Bestimmung der Konsensus-Struktur Sequenzalignment aus Konsensus-Struktur Sequenzalignment und Konsensus-Struktur consensus structure s 1 G G s 2 /G s 3 s 4 G G c R. Backofen 10

27 Proteinfaltungsproblem Protein: lineare Sequenz von minosäuren GPSQPTYPG DDPVEDLI RFYDNLQQY LNVVTRHRY eindeutig = aber unbekannt native Konformation biochemische nsätze: aufwendig, schwierig Sequence/Structure Gap rotein Data Bank (PDB): Neueintragungen Strukturvorhersage: durch Faltungssimulation: nur kleine Moleküle als Suchproblem Vereinfachte Modelle 99 c R. Backofen 11

28 Proteinfaltungsproblem Protein: lineare Sequenz von minosäuren GPSQPTYPG DDPVEDLI RFYDNLQQY LNVVTRHRY eindeutig = aber unbekannt native Konformation biochemische nsätze: aufwendig, schwierig Sequence/Structure Gap rotein Data Bank (PDB): Neueintragungen Strukturvorhersage: durch Faltungssimulation: nur kleine Moleküle als Suchproblem Vereinfachte Modelle 99 c R. Backofen 11

29 Beispiel: Hierarchische nsätze zur Strukturvorhersage GPSQPTYPG DDPVEDLI RFYDNLQQY LNVVTRHRY Suche im Modell geringer uflösung Verfeinerung: biolog. Wissen, Faltungssimulation Modell geringer uflösung: Problem: bisher ad hoc Suchverfahren Bioinformatikmethoden c R. Backofen 12

30 Häufigste Modellklasse: Gittermodelle nur Backbone-Struktur, Position ˆ= Gitterpositionen kubisch: F: vereinfachte Energiefunktion: z.b. nur hydrophobe Kraft Komplexität: nzahl Konformation der Länge n: 4, 68 n native Konformation: NP-hart H c R. Backofen 13

31 Informatikansätze vollständige Enumeration: 4, 68 n Konformationen hauptsächlich: heuristische Methoden Monte arlo mit Simulated nnealing: local moves pivot moves : greedy: chain-growth Methode genetic algorithms klassische Optimierungsmethoden: branch-and-bound, ILP c R. Backofen 14

32 onstraint-basierte Strukturfaltung onstraint-programmierung: Branch-and-Bound + Propagierung Position i.te minos. p Position i.te minos. p Resultate: Threading auf 100er ore Seq. Länge Runtime S s S s S s S s c R. Backofen 15

33 onstraint-basierte Strukturfaltung onstraint-programmierung: Branch-and-Bound + Propagierung Position i.te minos. p Position i.te minos. p Resultate: Threading auf 100er ore Seq. Länge Runtime S s S s S s S s c R. Backofen 15

34 onstraint-basierte Strukturfaltung onstraint-programmierung: Branch-and-Bound + Propagierung Position i.te minos. p Position i.te minos. p Resultate: Threading auf 100er ore Seq. Länge Runtime S s S s S s S s c R. Backofen 15

35 Strukturvorhersage im Kontext Strukturvorhersage + homologie-basiertes Modellieren GPSQPTYPG DDPVEDLI RFYDNLQQY LNVVTRHRY, + PLEPEYPG DNTPEQM QYELRRY INMLTRPRY Proteindesign verwandtes Protein mit bekannter Struktur GPSQPTYPG DDPVEDLI RFYDNLQQY LNVVTRHRY Protein-Engineering: Modifikation bestehender Proteine c R. Backofen 16

36 Strukturvorhersage im Kontext Strukturvorhersage + homologie-basiertes Modellieren GPSQPTYPG DDPVEDLI RFYDNLQQY LNVVTRHRY, + PLEPEYPG DNTPEQM QYELRRY INMLTRPRY Proteindesign verwandtes Protein mit bekannter Struktur GPSQPTYPG DDPVEDLI RFYDNLQQY LNVVTRHRY Protein-Engineering: Modifikation bestehender Proteine c R. Backofen 16

37 Protein Docking 1:1-Docking Bestimme, ob und wie und B einen stabilen Komplex bilden B 1:n Docking Bestimme die Proteine in der Proteindatenbank PDB, die mit einen stabilen Komplex bilden? PDB = Probleme: komplexe Ähnlichkeit (Optimierierungsproblem, Branch-and-Bound) große Datenbanken Filterung der Einträge c R. Backofen 17

38 Similarity Ranking 3D Shape Histograms 1SER-B againts PDB c R. Backofen 18

39 Zusammenfassung Struktur in der Biologie: auf verschiedenen Ebenen 3-dimensionaler Struktur Sekundärstruktur Organisationsstruktur Sequence/Structure Gap Sequenz einfach, Strukturauflösung schwer entspr. Informatikproblem schwere Optimierungsprobleme ber: Funktion wird aus Struktur verstanden c R. Backofen 19