Was ist Bioinformatik?

Transkript

1 9. Kurstag: Bioinformatik Der Begriff "Bioinformatik" wurde 1989 erstmals von D.R. Masys im JOURNAL OF RESEARCH OF THE NATIONAL INSTITUTE OF STANDARDS AND TECHNOLOGY erwähnt. Was ist Bioinformatik? Die Bioinformatik ist ein interdisziplinäres Gebiet zwischen Biologie, Mathematik und Informatik. Bioinformatik ist die Wissenschaft der Darstellung biologischer Informationen in maschinenlesbarem Code systematischen Sammlung von biologischen Daten in Datenbanken Analyse von großen biologischen Datenmengen Übersetzung von biologischen Fragestellungen in mathematische Algorithmen Vorhersage von biologischen Eigenschaften aus Sequenzdaten Vorhersage von Proteinstrukturen ("the Holy Grail") Die Rolle der Bioinformatik hat stark zugenommen Zahl der in der PubMed-Literaturdatenbank mit dem Suchwort "bioinformatics" gefundenen Übersichtsartikel (Reviews): 1

2 Die Hauptanwendungsgebiete der Bioinformatik sind: Verarbeitung, Annotation, Analyse und Vorhersage von Sequenzdaten Genomdaten Strukturdaten Analyse von Sequenzdaten einzelner oder weniger Gene / Proteine Suche nach gleichen oder ähnlichen Sequenzen Vergleich von ähnlichen Sequenzen (Alignment: Genfamilien) Vorhersage/Analyse von Genstrukturen (ORF, Splicestellen, Transkriptionsstart und -stop, Proteinbindestellen, etc.) Versuchsplanung: Restriktionsanalyse, Primerdesign für die PCR, in vitro Mutagenese Multiple Sequenz-Alignments (Phylogenetische Bäume, Genfamilien) Proteindomänen Literatursuche 2

3 Analyse vollständiger Genome / Proteome / Transkriptome /... Die Omics-Ära erfordert die computergestützte Auswertung extrem großer Datenmengen: Genomics: vergleichende Analyse ganzer Genome (Evolutionsforschung, Pathogenitätsfaktoren) Analyse vollständiger Genome / Proteome / Transkriptome /... Die Omics-Ära erfordert die computergestützte Auswertung extrem großer Datenmengen: Genomics: vergleichende Analyse ganzer Genome (Evolutionsforschung, Pathogenitätsfaktoren) Transkriptomics: Expressionsprofile aller Gene im Verlauf der Entwicklung, in verschiedenen Geweben, als Reaktion auf externe Reize, bei Infektionskrankheiten, bei Erbkrankheiten / Mutationen, etc. 3

4 Expression Profiling: cdna-microarray-technologie ('BioChips') Multiplex-Expressionsanalyse (Expression Profiling): gleichzeitige Messung der Transkription vieler Gene. z.b.: Stoffwechselstörungen Diagnostik (Infektions- und Erbkrankheiten) Krankheitsprädispositionen regulatorische Netzwerke Cluster Analyse: Sortierung in Gruppen mit ähnlichen Expressionsprofilen Zeit 4

5 Analyse vollständiger Genome / Proteome / Transkriptome /... Die Omics-Ära erfordert die computergestützte Auswertung extrem großer Datenmengen: Genomics: vergleichende Analyse ganzer Genome (Evolutionsforschung, Pathogenitätsfaktoren) Transkriptomics: Expressionsprofile aller Gene im Verlauf der Entwicklung, in verschiedenen Geweben, als Reaktion auf externe Reize, bei Infektionskrankheiten, bei Erbkrankheiten / Mutationen, etc. Proteomics: Erfassung aller Proteine in verschiedenen Geweben und subzellulären Kompartimenten, etc. Metabolomics: Erfassung aller Metaboliten Interactomics: Erfassung aller Proteininteraktionen Bioinformatik: Strukturvorhersage Beispiel: bioinformatische Erkennung von Transmembranproteinen Fast alle Membranproteine haben α- helikale Transmembrandomänen, die hydrophobe Aminosäuren enthalten. Transmembrandomänen können durch Berechnung des Hydropathie-Indexes vorhergesagt werden: 5

6 ARAM : TM span hydropat hy index DATENBANKEN die Masse an biologischen Daten erfordert den Einsatz spezialisierter Datenbanken Beispiel: Wachstum der Datenmenge in der zentralen Nukleinsäure-Datenbank GenBank des International Nucleotide Sequence Consortium am NCBI: Dezember 2005: >100 Milliarden Basenpaare Datenbanken - Vielfalt 6

7 Vernetzung von Datenbanken: relationale Datenbanken Datenbanken bieten Suchwerkzeuge und Dienstprogramme Stichwortsuche (SEARCH) Homologiesuche (Suche nach "ähnlichen" Sequenzen, z.b. BLAST) Mustersuche katalytische Domänen; Aminosäuren, die für die Bindung an Metallion notwendig sind; Cysteine die Disulfidbrücken bilden; Interaktionsdomänen für Metaboliten, DNA, Proteine, etc.; u.v.a. Anwendungsbezogene Programme GeneFinder Restriktionsanalyse Primerdesign Translation 3D-Struktur Viewer u.v.a. 7

8 Bioinformatik: 3D-Strukturvorhersage "The Holy Grail" der Bioinformatik: die Berechnung der 3-dimensionalen Konformation eines Proteins 3D-Struktur der λ Integrase Darstellung von 3D-Strukturen mit Cn3D das public domain Programm Cn3D kann vom NCBI heruntergeladen werden (MacOS, Windows, Linux) es ermöglicht die Visualisierung bei freier Drehbarkeit von 3D-Strukturen und 8

9 Globales Alignment Bei einem globalen Alignment zwischen zwei Sequenzen werden alle Symbole berücksichtigt. Globale Alignments werden hauptsächlich verwendet, wenn die zu untersuchenden Sequenzen ähnlich lang sind und starke Sequenzhomologien erwartet werden. z.b. Vergleich von cdna mit genomischer DNA für Intron/Exon-Strukturanalysen Vergleich von eng verwandten Proteinen Globale Alignment Algorithmen sind nicht optimal für die Suche nach Homologen Sequenz 1 Sequenz 2 + Alignment Lokales Alignment Lokale Alignments finden ähnliche Abschnitte zwischen Sequenzen Lokale Alignments sind optimal für die Suche nach verwandten Sequenzen geeignet, da sie unabhängig von Orientierung und Reihenfolge der Homologien arbeiten. Das bekannteste Programm für lokale Alignments ist BLAST Sequenz 1 (query) Sequenz 2 (subject) + Alignment 9

10 BLAST bedeutet Basic Local Alignment Search Tool (Altschul et al., 1990) Standardsuchprogramm (Suchalgorithmus) für Sequenzdatenbanken sucht nach lokalen Übereinstimmungen (engl. alignment) auf Sequenzebene (Nukleotide, Proteine/AS) Abfrage per Web oder als kann für lokale Anwendungen auf dem eigenen Computer installiert werden (public domain) Verschiedene BLAST-Tools blastp blastn blastx tblastn tblastx Vergleicht eine Aminosäuresequenz mit einer Proteinsequenz-Datenbank Vergleicht eine Nukleotidsequenz mit einer Nukleotid- Datenbank Vergleicht eine Nukleotidsequenz, übersetzt in allen Leserahmen mit einer Protein-Datenbank Vergleicht eine Proteinsequenz gegen ein Nukleotid- Datenbank, die dynamisch in allen Leserahmen übersetzt wird Vergleicht eine in alle 6 Leserahmen übersetzte Nukleotidsequenz gegen eine in alle 6 Leserahmen übersetzte Nukleotid-Datenbank 10

11 BLAST Parameter Veränderung der Parameter ermöglicht unterschiedliche Stringenz der Suche: Gapped/ungapped alignment (local/global) Filter low complexity regions (Bereiche mit vielen repetitiven Elementen werden ausgeblendet) Expect value (e-wert) e-value der expect-value (e-wert) gibt die Wahrscheinlichkeit an, mit der ein Treffer in einer Datenbank durch reinen Zufall gefunden wird je kleiner der e-wert, desto geringer ist die Wahrscheinlichkeit, daß dieses Alignment auch durch Zufall entstanden sein könnte e-werte <1 e -30 bedeuten eine geringe Wahrscheinlichkeit eines zufälligen Alignments e-werte >0,001 bedeuten eine hohe Wahrscheinlichkeit eines zufälligen Alignments 11

12 Bit Score Die Angabe des Scores für ein Alignment ist vergleichbar mit einer Abstandsangabe ohne eine Einheit. Erst der Bit Score macht die Alignments aus verschiedenen Berechnungen untereinander vergleichbar. Die Qualität eines Alignments ist um so besser, je höher der Bit Score ist. Die Höhe des Bit Scores sagt jedoch noch nichts über die statistische Signifikanz des Alignments aus. Was steht in einem BLAST-Ergebnis? 1. Tabelle mit kurzer Beschreibung aller Hits, sortiert nach aufsteigendem E-Wert 2. Darstellung jedes einzelnen Alignments der Suchsequenz mit der Vergleichssequenz (siehe unten) 3. Details zur prozentualen Identität und Ähnlichkeit, Score, E-Wert,Gaps gi ref NM_ Arabidopsis thaliana chromosome 1 CHR1v genomic sequence Length = 638 Score = 40.1 bits (20), Expect = Identities = 20/20 (100%) Strand = Plus / Plus Query: 1 ccaacactagcgagtacggt 20 Sbjct: 355 ccaacactagcgagtacggt

13 ClustalW Web Server 13