Untersuchung von Bindungsstellen zur Aktivierung von Genen Analysis of binding sites for the activation of genes
|
|
- Elizabeth Schneider
- vor 7 Jahren
- Abrufe
Transkript
1 Untersuchung von Bindungsstellen zur Aktivierung von Genen Analysis of binding sites for the activation of genes Vingron, Martin Max-Planck-Institut für molekulare Genetik, Berlin Korrespondierender Autor Zusammenfassung Transkriptionsfaktoren spielen eine zentrale Rolle bei der Regulation von Genen. Die Abteilung Bioinformatik am MPI für molekulare Genetik nutzt verschiedene mathematische Methoden, um die Funktion und das Zusammenspiel von Transkriptionsfaktoren zu untersuchen und so weiterführende Erkenntnisse über die Regulation von Genen zu erhalten. Summary Transcription factors play a central role for the regulation of genes. The Department of Computational Biology at the MPI for Molecular Genetics utilizes a panel of mathematical methods to analyze function and interaction of transcription factors in order to achieve new insights into gene regulation. Nach der Sequenzierung des Humangenoms und zahlreicher weiterer Genome konzentrieren sich heute wesentliche Forschungsanstrengungen auf die Analyse der gewonnenen Daten. Diese beschränkt sich jedoch nicht auf die reine Annotation der Gene, d.h., ihre Identifizierung und Zuordnung zu bestimmten Funktionen. Die Kenntnis der gesamten DNA-Sequenz eines Organismus erlaubt vielmehr eine Reihe von neuen Fragen, insbesondere nach den Mechanismen der Regulation von Genen. Heute interessiert uns nicht nur, welche Funktion ein Gen bzw. das von ihm kodierte Protein besitzt, sondern auch, welche Mechanismen dazu führen, dass das Gen überhaupt aktiviert, also abgelesen und in ein Protein übersetzt wird. Transkriptionsfaktoren als Regulatoren der Genexpression Der menschliche Organismus besitzt ca Gene, die während seines gesamten Lebens in jeder seiner Zellen vorhanden sind. In jeder Phase der Entwicklung und in jeder Zellart werden aber unterschiedliche Teilmengen dieses Genpools aktiviert. Heute kennen wir zumindest teilweise die biologischen Mechanismen, die für diese Aktivierung verantwortlich sind. Von besonderer Bedeutung ist eine Gruppe von DNA-bindenden Proteinen, die so genannten Transkriptionsfaktoren. Sie bilden einen Komplex mit dem Enzym RNA- Polymerase, das für das Ablesen der DNA verantwortlich ist und aktivieren es dadurch. Die Transkriptionsfaktoren erkennen bestimmte Sequenzmuster, die am Startpunkt eines Gens auf der DNA angeordnet sind (Abb. 1). Das Interesse der Abteilung Bioinformatik am Max-Planck-Institut für molekulare 2005 Max-Planck-Gesellschaft 1/5
2 Genetik konzentriert sich auf die Identifikation solcher Sequenzmuster und die Frage, in welcher Kombination Transkriptionsfaktoren über Bindung an diese Muster bestimmte Gene aktivieren. Vereinfachtes Schem a der Regulation von junb. Molekularbiologen und Biochemiker beschäftigen sich schon seit Jahren mit Sequenzmustern, an welche Transkriptionsfaktoren binden können. Inzwischen wissen wir, dass viele Transkriptionsfaktoren an jeweils mehrere unterschiedliche Muster im Genom binden. Der Transkriptionsfaktor SRF (serum response factor) beispielsweise bindet an die Basenfolge CCTAATATGG vor dem Gen junb und trägt dadurch zu dessen Aktivierung bei (Abb.1). SRF bindet aber auch an anderen Stellen im Genom, die sich von der o.g. Sequenz in verschiedenen Positionen unterscheiden. Seine Bindungsstellen werden daher allgemein durch die Abfolge der möglichen Basen oder Basenalternativen beschrieben. Abstrakter ist die Beschreibung einer Bindungsstelle durch so genannte Gewichtsmatrizen. Diese geben für jede Position einer zu beschreibenden Bindungsstelle die mögliche Verteilung der Basen an (Abb. 2). Gewichtsm atrix einer SRF-Bindungsstelle. Die Größe der einzelnen Buchstaben ist ein Maß für die Häufigkeit, m it der die jeweiligen Basen an den entsprechenden Positionen der Bindungsstelle vorkom m en. Phylogenetic footprinting - Identifikation wichtiger biologischer Signale durch evolutionäre Konservierung Ein grundsätzliches Problem bei der Analyse von Bindungsstellen ist die Tatsache, dass eine definierte, kurze Abfolge von Basen innerhalb des Gesamtgenoms sehr oft vorkommt. Die Beschreibung der Bindungsstelle als Abfolge von Basen reicht daher nicht aus, um vorherzusagen, an welcher Stelle im Genom ein Transkriptionsfaktor tatsächlich bindet. Wichtige regulatorische Sequenzen sind allerdings häufig evolutionär konserviert. Bioinformatiker versuchen daher, durch den Vergleich der Genomsequenzen verschiedener Organismen Hinweise auf die Bedeutung einer bestimmten Sequenz (= potenziellen Bindungsstelle) zu erhalten. Umgekehrt stellen konservierte Sequenzen innerhalb regulatorischer Regionen primäre Kandidaten für die Suche nach neuen Bindungsstellen für Transkriptionsfaktoren dar; entsprechend werden sie intensiv in Hinblick auf Übereinstimmungen mit bekannten Bindungsmustern untersucht. Die Sequenz der bereits erwähnten Bindungsstelle für SRF wäre wenig informativ, wenn sie allein im Humangenom betrachtet wird. Die 2005 Max-Planck-Gesellschaft 2/5
3 gleiche Sequenz tritt interessanterweise in vergleichbarer Position vor einem Gen auch im Genom der Maus auf. Der Vergleich beider Genome ergibt so einen starken Hinweis darauf, dass es sich bei diesem Muster um ein wichtiges biologisches Signal handeln könnte. Diese Herangehensweise wird als phylogenetic footprinting bezeichnet. Die Wissenschaftler der Abteilung Bioinformatik am MPI für molekulare Genetik haben eine Reihe von Computerprogrammen entwickelt, um solche konservierten Bereiche vor orthologen Genen von Mensch und Maus zu identifizieren und anschließend mit bereits bekannten Bindungsstellenmustern zu annotieren. Die Informationen sind in der Datenbank CORG (Comparative Regulatory Genomics) gespeichert und unter öffentlich zugänglich. Identifikation der Zielgene von Transkriptionsfaktoren Die Vorhersage von evolutionär konservierten Bindestellen kann auch helfen, Zielgene von Transkriptionsfaktoren zu identifizieren. In einer Zusammenarbeit mit A. Nordheim von der Universität Tübingen wurden zunächst mittels DNA-Chip-Experimenten (siehe unten) die putativen Zielgene von SRF ermittelt. Unter diesen befanden sich sowohl solche Gene, die von SRF direkt reguliert wurden, als auch diejenigen Gene, die erst in Folge der Aktivierung durch SRF aktiviert wurden. Aus dieser Gesamtmenge konnten mithilfe der beschriebenen Methoden der Mustersuche und der Analyse der evolutionären Konservierung diejenigen Gene herausgefiltert werden, die direkt von SRF beeinflusst werden. Diese Information war hilfreich, um einen bislang unbekannten Mechanismus der Differenzierung von Muskelzellen aufzuklären [1]. Analyse von Aktivierungsmustern Für komplexe biologische Abläufe ist aber nicht nur die Aktivierung von Einzelgenen, sondern insbesondere die aufeinander abgestimmte Aktivierung ganzer Gruppen von Genen von Bedeutung. Solche Aktivierungsmuster können mithilfe von DNA-Chips bestimmt werden (siehe von Heydebreck et al., Genexpressionsanalyse komplexer klinischer Phänotypen mittels DNS-Arrays, MPG-Jahrbuch 2003). Aus diesen Experimenten kann man ablesen, welche Gene sich in definierten Zellarten unter definierten Bedingungen ähnlich verhalten; sie werden als ko-exprimierte Cluster von Genen bezeichnet. Die Arbeitsgruppe beschäftigt sich unter anderem mit der Frage, ob eine solche Koexpression auf gemeinsame regulatorische Mechanismen, beispielsweise gleiche Transkriptionsfaktoren, zurückzuführen ist. Mithilfe der CORG-Datenbank untersuchen die Wissenschaftler die regulatorischen Bereiche der koexprimierten Gene. In erster Näherung katalogisieren sie die evolutionär konservierten Bindestellen innerhalb dieser Bereiche, weil diese auf eine regulatorische Funktion des jeweils bindenden Faktors hinweisen. Die evolutionär konservierten Bindungsstellen innerhalb der regulatorischen Bereiche sind aber immer noch zu zahlreich, als dass sie bereits Aufschluss über eine bestimmte Funktion geben könnten. Daher vergleichen die Wissenschaftler die Häufigkeit des Auftretens einer gewissen Bindestelle innerhalb eines koexprimierten Clusters mit der Wahrscheinlichkeit ihres zufälligen Auftretens. Eine solche Analyse wurde beispielsweise anhand von öffentlich verfügbaren DNA-Chip-Daten zum Zellzyklus in einer menschlichen Zelllinie durchgeführt. Die Koexpressionscluster bestanden aus den Genen, die jeweils in einer bestimmten Phase des Zellzyklus stark exprimiert sind. Die Analyse ihrer regulatorischen Muster ergab eine Reihe von Transkriptionsfaktoren, die nach der beschriebenen statistischen Schlussweise eine wichtige Rolle für den Zellzyklus spielen (Abb. 3). Ein Vergleich mit experimentellen Ergebnissen bestätigte dies [2] Max-Planck-Gesellschaft 3/5
4 Grauwertm atrix zur Darstellung von Bindungshäufigkeiten. Eine Spalte zeigt jeweils das Koexpressionscluster aller Gene, die während der jeweiligen Phase des Zellzyklus exprim iert werden. In den Zeilen sind die verschiedenen Transkriptionsfaktorbindungsstellen aufgelistet. Der Grauwert der einzelnen Zellen gibt die Anzahl der Gene an, die während der jeweiligen Phase des Zellzyklus als durch den betreffenden Transkriptionsfaktor reguliert vorhergesagt werden. Helle Einträge bedeuten ein große Anzahl von Zielgenen in der jeweiligen Phase. Interaktion von Transkriptionsfaktoren untereinander Zurzeit arbeiten die Wissenschaftler der Abteilung Bioinformatik an der Entwicklung von Methoden, um das Zusammenspiel der Transkriptionsfaktoren zu studieren. In dem im Vergleich zum Säugerorganismus einfacheren Fall der Genregulation in Hefe konnten sie zeigen, dass Transkriptionsfaktoren, deren Bindungsstellen häufig in räumlicher Nähe zueinander auf einer Sequenz zu finden sind, oft auch physikalisch miteinander in Interaktion treten [3]. Auf der Suche nach ähnlichen Prinzipien bei Säugetieren suchen sie nun nach statistischen Tendenzen in der Kombination von Bindungsstellen auf der DNA. Hier kommt den Forschern erneut die evolutionäre Konservierung zu Hilfe und ermöglicht eine Reduktion der falsch positiven Vorhersagen. In einer auf diese Art reduzierten Liste von Transkriptionsfaktor-Paaren, deren Bindestellen häufig nahe beisammen auftreten, werden tatsächlich viele bekannte, miteinander interagierende Faktoren gefunden [4]. Die beschriebenen Arbeiten beruhen auf einer detaillierten Aufarbeitung und mathematischen Durchdringung der vorhandenen, experimentell ermittelten Daten. Bekannte Bindungsstellen von Transkriptionsfaktoren müssen miteinander verglichen und gruppiert werden, um Doppelzählungen zu vermeiden. Ihr Informationsgehalt wird berechnet und innerhalb der Arbeitsgruppe wurden neue mathematische Verfahren entwickelt, um die zu erwartende Anzahl der falsch positiven Funde mithin die statistische Signifikanz - vorherzusagen [5]. Ein häufig auftretendes Problem bei der Analyse von Daten aus der funktionalen Genomforschung ist das multiple Testen: Aufgrund der großen Menge an Daten kann eine Hypothese mit Hilfe 2005 Max-Planck-Gesellschaft 4/5
5 vieler Fälle getestet werden. Dies führt aber nur scheinbar zu beeindruckenden Signifikanzwerten. Um eine realistische Aussage zu erhalten, müssen die resultierenden Signifikanzwerte entsprechend der Anzahl der durchgeführten Tests korrigiert werden, um eine adäquate Auswertung von biologischen Daten zu gewährleisten. Die Regulation der Ausprägung eines Gens wird nicht nur von Transkriptionsfaktoren bestimmt. Trotzdem muss diese Ebene der Regulation studiert werden, um ein Gesamtbild der verschiedenen regulatorischen Mechanismen einer Zelle aufzeigen zu können. Damit kommen wir dem umfassenden Verständnis der Funktion einer lebenden Zelle einen wesentlichen Schritt näher. Originalveröffentlichungen Nach Erweiterungen suchenbilderweiterungchanneltickerdateilistehtml- ErweiterungJobtickerKalendererweiterungLinkerweiterungMPG.PuRe-ReferenzMitarbeiter (Employee Editor)PersonenerweiterungPublikationserweiterungTeaser mit BildTextblockerweiterungVeranstaltungstickererweiterungVideoerweiterungVideolistenerweiterungYouTube- Erweiterung [1] U. Philippar, G. Schratt, C. Dieterich, J.M. Müller, P. Galgoczy, F.B. Engel, M.T. Keating, F. Gertler, R. Schule, M. Vingron, A. Nordheim: The SRF target gene Fhl2 antagonizes RhoA/MAL-dependent activation of SRF. Mol Cell 2004; 16: [2] C. Dieterich, S. Rahmann, M. Vingron: Functional inference from non-random distributions of conserved predicted transcription factor binding sites. Bioinformatics 2004; 20(Suppl 1):I109-I115. [3] T. Manke, R. Bringas, M. Vingron: Correlating Protein-DNA and Protein-Protein Interaction Networks. J Mol Biol 2003; 333:75-85 [4] K. Rateitschak, T. Müller, M. Vingron: Annotating significant pairs of transcription factor binding sites in regulatory DNA. In Silico Biology 2004; 4: [5] S. Rahmann, T. Müller, M. Vingron: On the power of profiles for transcription factor binding site detection. Statistical Applications in Genetics and Molecular Biology 2003; 2:Article Max-Planck-Gesellschaft 5/5
Gibt es zwei Klassen von Promotoren? Are there two classes of promoters?
Gibt es zwei Klassen von Promotoren? Are there two classes of promoters? Vingron, Martin Max-Planck-Institut für molekulare Genetik, Berlin Korrespondierender Autor E-Mail: vingron@molgen.mpg.de Zusammenfassung
MehrAlgoBio WS 16/17 Protein-DNA Interaktionen ChiP-Seq Datenanalyse. Annalisa Marsico
AlgoBio WS 16/17 Protein-DNA Interaktionen ChiP-Seq Datenanalyse Annalisa Marsico 6.02.2017 Protein-DNA Interaktionen Häufig binden sich Proteine an DNA, um ihre biologische Funktion zu regulieren. Transkriptionsfaktoren
MehrC SB. Genomics Herausforderungen und Chancen. Genomics. Genomic data. Prinzipien dominieren über Detail-Fluten. in 10 Minuten!
Genomics Herausforderungen und Chancen Prinzipien dominieren über Detail-Fluten Genomics in 10 Minuten! biol. Prin cip les Genomic data Dr.Thomas WERNER Scientific & Business Consulting +49 89 81889252
MehrLange, nicht-kodierende RNAs als Regulatoren der Transkription beim Menschen Long non-coding RNAs as regulators of transcription in human
Lange, nicht-kodierende RNAs als Regulatoren der Transkription beim Long non-coding RNAs as regulators of transcription in human Ørom, Ulf Max-Planck-Institut für molekulare Genetik, Berlin Korrespondierender
Mehr27 Funktionelle Genomanalysen Sachverzeichnis
Inhaltsverzeichnis 27 Funktionelle Genomanalysen... 543 27.1 Einleitung... 543 27.2 RNA-Interferenz: sirna/shrna-screens 543 Gunter Meister 27.3 Knock-out-Technologie: homologe Rekombination im Genom der
MehrÜbung 11 Genregulation bei Prokaryoten
Übung 11 Genregulation bei Prokaryoten Konzepte: Differentielle Genexpression Positive Genregulation Negative Genregulation cis-/trans-regulation 1. Auf welchen Ebenen kann Genregulation stattfinden? Definition
MehrChristian Thoma: Schnelle Regulation durch Translationskontrolle
Powered by Seiten-Adresse: https://www.gesundheitsindustriebw.de/de/fachbeitrag/aktuell/christian-thoma-schnelleregulation-durch-translationskontrolle/ Christian Thoma: Schnelle Regulation durch Translationskontrolle
MehrMolekulare Bioinformatik
Molekulare Bioinformatik Wintersemester 203/204 Prof. Thomas Martinetz Institut für Neuro- und Bioinformatik Universität zu Luebeck 07.0.204 Molekulare Bioinformatik - Vorlesung 0 Wiederhohlung Die Entropie
MehrProtein-Protein Bindungsstellen. Lennart Heinzerling
Protein-Protein Bindungsstellen Lennart Heinzerling 1 Worum geht es in den nächsten 45 Minuten? Auffinden von Protein- Protein Komplexen aus einer großen Menge potentieller Komplexe z.b. für -Interaction
MehrVorgänger für Pathway Studio und IPA. Herbsttagung der Bibliotheken der BM-Sektion / Elisabeth Schlagberger
Vorgänger für Pathway Studio und IPA Herbsttagung der Bibliotheken der BM-Sektion 07.11.2016/08.11.2016 Elisabeth Schlagberger STRING und STITCH als Art Vorgänger- Systeme Unter http://string-db.org (Proteine/Gene)
MehrEukaryontische DNA-Bindedomänen
1. Viele eukaryotische (und auch prokaryotische) Transkriptionsfaktoren besitzen eine DNA-bindende Domäne, die an eine ganz bestimmte DNA- Sequenz binden kann. Aufgrund von Ähnlichkeiten in der Struktur
MehrÜbungsklausur Auswertung/Statistik. Dr. Yvonne Lorat
Übungsklausur Auswertung/Statistik Dr. Yvonne Lorat Achten Sie bei Multiple-Choice-Fragen auf die Fragestellung: Welche Aussage trifft nicht zu? Hier ist nur eine Aussage falsch! Alle anderen sind richtig.
MehrGenaktivierung und Genexpression
Genaktivierung und Genexpression Unter Genexpression versteht man ganz allgemein die Ausprägung des Genotyps zum Phänotyp einer Zelle oder eines ganzen Organismus. Genotyp: Gesamtheit der Informationen
MehrComparative sequence analysis and association mining in gene regulation
Comparative sequence analysis and association mining in gene regulation Christoph Dieterich August 2004 Dissertation zur Erlangung des Grades eines Doktors der Naturwissenschaften (Dr. rer. nat) am Fachbereich
MehrVorhersage von Protein-Funktionen. Patrick Pfeffer
Vorhersage von Protein-Funktionen Patrick Pfeffer Überblick Motivation Einleitung Methode Markov Random Fields Der Gibbs Sampler Parameter-Schätzung Bayes sche Analyse Resultate Pfeffer 2 Motivation Es
MehrSkript zum Thema Epigenetik
Skript zum Thema Epigenetik Name: Seite! 2 von! 14 Worum geht s hier eigentlich? Zelle Erbgut im Zellkern Organismus 1 Die genetische Information, die jeder Mensch in seinen Zellkernen trägt, ist in jeder
MehrÜbung 11 Genregulation bei Prokaryoten
Übung 11 Genregulation bei Prokaryoten Konzepte: Differentielle Genexpression Positive Genregulation Negative Genregulation cis-/trans-regulation 1. Auf welchen Ebenen kann Genregulation stattfinden? Definition
MehrAndrej Aderhold Problemseminar Thema. Gaidatzis, Nimwegen, Hausser, Zavolan, March2007, BMC
Andrej Aderhold Problemseminar Thema Inference of mirna targets using evolutionary conservation and pathway analysis Gaidatzis, Nimwegen, Hausser, Zavolan, March2007, BMC Bioinformatics Übersicht mirna
MehrKV: Genexpression und Transkription Michael Altmann
Institut für Biochemie und Molekulare Medizin KV: Genexpression und Transkription Michael Altmann Herbstsemester 2008/2009 Übersicht VL Genexpression / Transkription 1.) Was ist ein Gen? 2.) Welche Arten
MehrEntwicklungs /gewebespezifische Genexpression
Übung 11 Genregulation bei Prokaryoten Konzepte: Entwicklungs /gewebespezifische Genexpression Positive Genregulation Negative Genregulation cis /trans Regulation 1. Auf welchen Ebenen kann Genregulation
MehrDie Evolution. Molekularer Netzwerke. Sarah A. Teichmann
Die Evolution Molekularer Netzwerke Sarah A. Teichmann Embryonale Entwicklung des Seeigels (Strongylocentrotus purpuratus) Systembiologie: Biologen als molekulare Ingenieure Schaltkreise der embryonalen
MehrEntwicklungs /gewebespezifische Genexpression. Coexpression funktional überlappender Gene
Übung 11 Genregulation bei Prokaryoten Konzepte: Entwicklungs /gewebespezifische Genexpression Coexpression funktional überlappender Gene Positive Genregulation Negative Genregulation cis /trans Regulation
MehrBayesianische Netzwerke - Lernen und Inferenz
Bayesianische Netzwerke - Lernen und Inferenz Manuela Hummel 9. Mai 2003 Gliederung 1. Allgemeines 2. Bayesianische Netzwerke zur Auswertung von Genexpressionsdaten 3. Automatische Modellselektion 4. Beispiel
MehrMikroRNA-Bioinformatik. Annalisa Marsico High-throughput Genomics, FU Berlin
MikroRNA-Bioinformatik Annalisa Marsico High-throughput Genomics, FU Berlin 07.12.2016 Lernziele Einführung in die Welt der nicht-kodierenden RNAs Inbesondere mikrorna Molekulare Funktionen von micrornas
MehrAlgorithms for analyzing signals in DNA Applications to transcription and translation
Research Collection Doctoral Thesis Algorithms for analyzing signals in DNA Applications to transcription and translation Author(s): Friberg, Markus Publication Date: 2007 Permanent Link: https://doi.org/10.3929/ethz-a-005378601
MehrComputergestützte Modellierung biologischer Prozesse Computational modelling of biological processes
Computergestützte Modellierung biologischer Computational modelling of biological processes Wierling, Christoph; Herwig, Ralf Max-Planck-Institut für molekulare Genetik, Berlin Korrespondierender Autor
MehrInhalt Genexpression Microarrays E-Northern
Inhalt Genexpression Microarrays E-Northern Genexpression Übersicht Definition Proteinbiosynthese Ablauf Transkription Translation Transport Expressionskontrolle Genexpression: Definition Realisierung
MehrBioinformatik II: Phylogenetik
Bioinformatik II: Phylogenetik phylogenetisch Phylai: griechische Klans phylum: der Stamm phylogenetisch: die Stammesgeschichte von Lebewesen betreffend Hierarchien der Klassifikation: Domäne: Eukaryonten
MehrAusprägungsfach Bioinformatik im Rahmen des Bachelor-Studiengangs Informatik. CIBIV Center for Integrative Bioinformatics Vienna
Ausprägungsfach Bioinformatik im Rahmen des Bachelor-Studiengangs Informatik Center for Integrative Bioinformatics Vienna (CIBIV) Max F. Perutz Laboratories (MFPL) Vienna, Austria http://www.cibiv.at CIBIV
MehrGenexpressionsdatenbanken
Genexpressionsdatenbanken ArrayExpress Gliederung Mikroarrays Struktur von Genexpressionsdatenbanken Arrayexpress Aufbau und Statistik Standardisierung Abfragen und Einstellen von Daten Mikroarrays Glasplatte
MehrWissenschaftlich-technische Entwicklungen im Bereich der Multiplex- und High-Throughput-Diagnostik. Karl J. Lackner
Wissenschaftlich-technische Entwicklungen im Bereich der Multiplex- und High-Throughput-Diagnostik Karl J. Lackner Hochdurchsatzverfahren in der molekularen bzw. genetischen Diagnostik Next Generation-Sequenzierung
MehrUniv.-Prof. Mag. Dr. Thomas Rattei. Bioinformatik als Schlüsseldisziplin im Zeitalter der molekularen und systemorientierten Biologie
Univ.-Prof. Mag. Dr. Thomas Rattei Bioinformatik als Schlüsseldisziplin im Zeitalter der molekularen und systemorientierten Biologie Bioinformatik ist eine noch recht junge Forschungsrichtung, hinter der
MehrGenexpressionsregulation
Genexpressionsregulation Genexpressionsregulation Different tissue types 1 2 3 4 5 6 7 8 Taken from Caron et al., 2001 Verschiedene Ebenen der Genexpressionsregulation Epigenetic mechanisms Transkriptionskontrolle
MehrInformationsgehalt von DNA
Informationsgehalt von DNA Topics Genes code, gene organisation, signals, gene detection Genomes genome organisation, nucleotide patterns, junk DNA DNA als Informationsträger DNA Building Blocks Desoxyribose
MehrDie regulatorische Rolle der TFIIH Proteinkinasen in Pflanzen Regulatory roles of plant TFIIH protein kinases
Die regulatorische Rolle der TFIIH Proteinkinasen in Pflanzen Regulatory roles of plant TFIIH protein kinases Koncz, Csaba Max-Planck-Institut für Pflanzenzüchtungsforschung, Köln Korrespondierender Autor
MehrIntelligente Algorithmen zur Analyse zellulärer Spleißmechanismen Intelligent Algorithms for the Analysis of Cellular Splicing Mechanisms
Intelligente Algorithmen zur Analyse zellulärer Spleißmechanismen Intelligent Algorithms for the Analysis of Cellular Splicing Mechanisms Rätsch, Gunnar Friedrich-Miescher-Laboratorium für biologische
MehrStatistische Methoden in der Bioinformatik
Statistische Methoden in der Bioinformatik Prof. Dr. Jörg Rahnenführer Raum 720 Email: rahnenfuehrer@statistik. tu-.de Voraussetzungen: Vordiplom in Statistik, Mathematik, Datenanalyse, Informatik Zeiten
MehrWie Gene aktiv werden How genes get active
Wie Gene aktiv werden How genes get active Cramer, Patrick Max-Planck-Institut für biophysikalische Chemie, Göttingen Korrespondierender Autor E-Mail: patrick.cramer@mpibpc.mpg.de Zusammenfassung Um die
MehrInstitut für Biochemie und Molekulare Medizin. Lecture 1 Translational components. Michael Altmann FS 2011
Institut für Biochemie und Molekulare Medizin Lecture 1 Translational components Michael Altmann FS 2011 Gene Expression Fliessdiagramm der eukaryotischen Genexpression Die Expression eines Gens kann auf
MehrVORANGEGANGENE MODELLE
VORANGEGANGENE MODELLE UNSER THEMA HEUTE Ziel dieses Papers: - Nähere Charakterisierung der AuxREs - Analyse eines zu den AuxREs gehörenden Transkriptionsfaktors WAS BEREITS BEKANNT WAR: - Auxin moduliert
MehrArchiv der Jahrestagungen der VAAM
Archiv der Jahrestagungen der VAAM Bochum, 8.-11.3.2009 Mitglieder: 3229 Teilnehmer: 1342 Themen: Microbial Cell Biology :: Green Microbiology :: Sensory and Regulatory RNA :: Host-microbe Interactions
MehrTheoretical Analysis of Protein-Protein Interactions. Proseminar SS 2004
Theoretical Analysis of Protein-Protein Interactions Proseminar Virtual Screening: Predicting Pairs from Sequence Übersicht Einleitung 1.Modell: Vorhersage von Protein-Interfaces aus Sequenzprofilen und
MehrMultiple Alignments. Vorlesung Einführung in die Angewandte Bioinformatik Prof. Dr. Sven Rahmann. Webseite zur Vorlesung
Multiple Alignments Vorlesung Einführung in die Angewandte Bioinformatik Prof. Dr. Sven Rahmann Webseite zur Vorlesung http://bioinfo.wikidot.com/ Sprechstunde Mo 16-17 in OH14, R214 Sven.Rahmann -at-
MehrBeschreiben Sie in Stichworten zwei der drei Suppressormutationen, die man in Hefe charakterisiert hat. Starzinski-Powitz, 6 Fragen, 53 Punkte Name
Starzinski-Powitz, 6 Fragen, 53 Punkte Name Frage 1 8 Punkte Nennen Sie 2 Möglichkeiten, wie der Verlust von Heterozygotie bei Tumorsuppressorgenen (Z.B. dem Retinoblastomgen) zum klompletten Funktionsverlust
MehrJahrbuch 2008/2009 Arndt, Peter F. Die Kopplung zellulärer und mutagener Prozesse bei der Evolution von Säugetieren
Die Kopplung zellulärer und mutagener Prozesse bei der Evolution von The interconnection of mutagenic and cellular processes during the evolution of mammals Arndt, Peter F. Max-Planck-Institut für molekulare
MehrDie Suche nach den genetischen Grundlagen der evolutionären
Die Suche nach den genetischen Grundlagen der evolutionären Searching for the basis of evolutionary adaptation Tautz, Diethard Max-Planck-Institut für Evolutionsbiologie, Plön Korrespondierender Autor
MehrNeue Gene für Wohlbefinden, Depression und neurotisches Verhalten gefunden
Erschienen in leicht gekürzter und redigierter Form in der Frankfurter Allgemeinen Zeitung (3. Mai 2016, Nr. 103, S. 12) unter dem Titel Bei manchen hat das heitere Gemüt schon Tradition Neue Gene für
MehrEinführung Molekulare Bioinformatik
Einführung Molekulare Bioinformatik Bernhard Haubold 22. Oktober 2013 Übersicht Was ist Bioinformatik? Kursstruktur Was ist Bioinformatik? Geschichtliche Entwicklung Information: Speicherung & Übertragung
MehrProjektskizze: Studie/ Auswertung/ Publikation
Projektskizze: Studie/ Auswertung/ Publikation Name: PD Dr. Dr. Robert Bals, CAPNetz C11 Datum: 30. 8. 2007 Institution(en)/Autor(en): Klinikum der Universität Marburg Klinik für Innere Medizin mit Schwerpunkt
MehrVL Algorithmische BioInformatik (19710) WS2013/2014 Woche 16 - Mittwoch. Annkatrin Bressin Freie Universität Berlin
VL Algorithmische BioInformatik (19710) WS2013/2014 Woche 16 - Mittwoch Annkatrin Bressin Freie Universität Berlin Vorlesungsthemen Part 1: Background Basics (4) 1. The Nucleic Acid World 2. Protein Structure
MehrProblemseminar Paper: Inference of mirna targets using evolutionary conservation and pathway analysis
Problemseminar Paper: Inference of mirna targets using evolutionary conservation and pathway analysis Andrej Aderhold 20. Juli 2007 Zusammenfassung Der hier vorgestellte Artikel [1] handelt von der Anwendung
Mehr20 von 100. an Krebs erkrankten Kindern sterben immer noch. ehemals KIND UND KREBS
20 von 100 an Krebs erkrankten Kindern sterben immer noch. ehemals KIND UND KREBS Ärzte können es! Die Zahl der an Krebs neu erkrankten Kinder etwa 220 pro Jahr in der Schweiz ist gering, trotzdem sterben
MehrMethodenlehre. Vorlesung 6. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 6 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
MehrPersonalisierte Medizin
Personalisierte Medizin Möglichkeiten und Grenzen Prof. Dr. Friedemann Horn Universität Leipzig, Institut für Klinische Immunologie, Molekulare Immunologie Fraunhofer Institut für Zelltherapie und Immunologie
MehrDNA mrna Protein. Initiation Elongation Termination. RNA Prozessierung. Unterschiede Pro /Eukaryoten
7. Transkription Konzepte: DNA mrna Protein Initiation Elongation Termination RNA Prozessierung Unterschiede Pro /Eukaryoten 1. Aus welchen vier Nukleotiden ist RNA aufgebaut? 2. RNA unterscheidet sich
MehrVon Virchows Cellularpathologie zur Molekularen Medizin
Inaugural Symposium RZPD Tissue Interface Von Virchows Cellularpathologie zur Molekularen Medizin (From Virchow s Cellularpathology towards Molecular Medicine) Karl Sperling Charité Universitätsmedizin
MehrBiologie I/B: Klassische und molekulare Genetik, molekulare Grundlagen der Entwicklung Theoretische Übungen SS 2016
Biologie I/B: Klassische und molekulare Genetik, molekulare Grundlagen der Entwicklung Theoretische Übungen SS 2016 Fragen für die Übungsstunde 4 (20.06. 24.06.) Regulation der Transkription II, Translation
MehrBioinformatik I (Einführung)
Kay Diederichs, Sommersemester 2018 Bioinformatik I (Einführung) Algorithmen Sequenzen Strukturen PDFs unter http://strucbio.biologie.unikonstanz.de/~dikay/bioinformatik/ Klausur: Mo 30.7. 14:30-15:30
MehrAlgorithmus Sortieren von Zahlen (aufsteigend)
Hausaufgabe https://de.wikipedia.org/wiki/dualsystem http://de.wikipedia.org/ieee_754 (Darstellung von Gleitkommazahlen) http://de.wikipedia.org/wiki/wurzel_(mat hematik)#berechnung - lesen, verstehen
MehrEinführung in die Angewandte Bioinformatik: Netzwerke
Einführung in die Angewandte Bioinformatik: Netzwerke 15.07.2010 Prof. Dr. Sven Rahmann 1 Modellierung von Interaktionen Ein lebendes System besteht aus Molekülen (verschiedener Art) und funktioniert aufgrund
MehrMediator der transkriptionellen Regulation Mediators of Transcriptional Regulation
Mediator der transkriptionellen Regulation Mediators of Transcriptional Regulation Borggrefe, Tilman Max-Planck-Institut für Immunbiologie und Epigenetik, Freiburg Korrespondierender Autor E-Mail: borggrefe@immunbio.mpg.de
Mehr1. Welche Auswirkungen auf die Expression des lac-operons haben die folgenden Mutationen:
Übung 10 1. Welche Auswirkungen auf die Expression des lac-operons haben die folgenden Mutationen: a. Eine Mutation, die zur Expression eines Repressors führt, der nicht mehr an den Operator binden kann.
MehrAttached! Proseminar Netzwerkanalyse SS 2004 Thema: Biologie
Rheinisch-Westfälischen Technischen Hochschule Aachen Lehr- und Forschungsgebiet Theoretische Informatik Prof. Rossmanith Attached! Proseminar Netzwerkanalyse SS 2004 Thema: Biologie Deniz Özmen Emmanuel
MehrBioinformatik: Hype oder Hoffnung?
Bioinformatik: Hype oder Hoffnung? Florian Markowetz Max-Planck-Institut für Molekulare Genetik Computational Molecular Biology Berlin Career Nights AKG Bensheim, 28. Januar 2005 1 Florian Markowetz, Bioinformatik:
MehrExercises to Introduction to Bioinformatics Assignment 5: Protein interaction networks. Samira Jaeger
Exercises to Introduction to Bioinformatics Assignment 5: Protein interaction networks Samira Jaeger Aufgabe 1 Netzwerkzentralität (6P) In der Vorlesung haben Degree Centrality besprochen. Finde drei weitere
MehrGutartig oder bösartig? Die Diagnose aus dem Rechner
Gutartig oder bösartig? Die Diagnose aus dem Rechner Eine Krankheit Drei Therapien Klinische Studie Im Mittel 75% 55% 35% Erfolg Drei unterschiedliche Formen dieser Krankheit A B C A B C 100% 60% 65% 40%
MehrEinführung in die Bioinformatik
Einführung in die Bioinformatik Kay Nieselt Integrative Transkriptomik Zentrum für Bioinformatik Tübingen Kay.Nieselt@uni-tuebingen.de SS 2012 5. Biologische Netzwerke - Gut vernetzt hält besser Überblick
MehrHypothesentests. Hypothese Behauptung eines Sachverhalts, dessen Überprüfung noch aussteht.
Hypothese Behauptung eines Sachverhalts, dessen Überprüfung noch aussteht. Wissenschaftliche Vorgehensweise beim Hypothesentest Forscher formuliert eine Alternativhypothese H 1 (die neue Erkenntnis, die
MehrWiebke Häger Molekulare Zellbiologie und Biomedizin (Seminar: Zelluläre Plastizität) WS 2012/2013
Wiebke Häger Molekulare Zellbiologie und Biomedizin (Seminar: Zelluläre Plastizität) WS 2012/2013 Embryonale Stammzellen (ESC) Befruchtung, 2-, 4-, 8-Zellstadium, Morula, Blastula Embryoblast = innere
MehrEinführung in die Bioinformatik
Einführung in die Bioinformatik Kay Nieselt Integrative Transkriptomik Zentrum für Bioinformatik Tübingen Kay.Nieselt@uni-tuebingen.de SS 2014 8. Biologische Netzwerke - Gut vernetzt hält besser Überblick
MehrEinführung Molekulare Bioinformatik
Einführung Molekulare Bioinformatik Bernhard Haubold 21. Oktober 2014 Übersicht Was ist Bioinformatik? Kursstruktur Was ist Bioinformatik? Geschichtliche Entwicklung Information: Speicherung & Übertragung
MehrDie Regulation der Transkription ist eine Schnittstelle zwischen Zellwachstum und HIV-stimulierter Genexpression
Schulte, Antje et al. Die Regulation der Transkription... Tätigkeitsbericht 2007 Struktur- und Zellbiologie Die Regulation der Transkription ist eine Schnittstelle zwischen Zellwachstum und HIV-stimulierter
MehrÜbungsblatt Molekularbiologie und Genetik für Studierende der Bioinformatik II 1. Übung
Übungsblatt Molekularbiologie und Genetik für Studierende der Bioinformatik II 1 Name des Studierenden: Datum: Einführung Übung Bitte bereiten Sie folgende Probleme vor der Übung am Mittwoch. Die Klausur
MehrNatürliche Variation bei höheren Pflanzen Gene, Mechanismen, Natural variation in higher plants genes, mechanisms, evolution, plant breeding
Natürliche Variation bei höheren Pflanzen Gene, Mechanismen, Natural variation in higher plants genes, mechanisms, evolution, plant breeding Koornneef, Maarten Max-Planck-Institut für Pflanzenzüchtungsforschung,
MehrGene-Silencing in transgenen Pflanzen Gene silencing in transgenic plants
Gene-Silencing in transgenen Pflanzen Gene silencing in transgenic plants Schmidt, Renate; Arlt, Matthias Max-Planck-Institut für molekulare Pflanzenphysiologie, Potsdam-Golm Korrespondierender Autor E-Mail:
MehrVorhersage der RNA-Sekundärstruktur
Vorhersage der RNA-Sekundärstruktur Andreas Spillner Bioinformatik, SS 2018 Primärstruktur vs. Sekundärstruktur Primärstruktur Sequenz der Buchstaben (bei RNA entspricht ein Buchstabe jeweils einer Nukleinsäure
MehrTranskription Teil 2. - Transkription bei Eukaryoten -
Transkription Teil 2 - Transkription bei Eukaryoten - Inhalte: Unterschiede in der Transkription von Pro- und Eukaryoten Die RNA-Polymerasen der Eukaryoten Cis- und trans-aktive Elemente Promotoren Transkriptionsfaktoren
MehrAF. Bioinformatik im Bachelor-Studiengang Informatik. CIBIV Center for Integrative Bioinformatics Vienna. Bioinformatik eine Definition
AF. Bioinformatik im Bachelor-Studiengang Informatik Center for Integrative Bioinformatics Vienna (CIBIV) Max F. Perutz Laboratories (MFPL) Vienna, Austria http://www.cibiv.at April 11, 2011 CIBIV Center
MehrF2 aus der Kreuzung mit der ersten Mutante: 602 normal, 198 keine Blatthaare
Klausur Genetik Name: Matrikelnummer: Sie haben 90 Minuten Zeit zur Bearbeitung der 23 Fragen (z. T. mit Unterpunkten). Insgesamt sind 42 Punkte zu vergeben. Die Klausur gilt als bestanden, falls 21 Punkte
MehrTranskription von mrna: In der Pause liegt die Kraft Transcriptional pausing of RNA polymerase II
Transkription von mrna: In der Pause liegt die Kraft Transcriptional pausing of RNA polymerase II Grill, Stephan Max-Planck-Institut für Physik komplexer Systeme, Dresden Korrespondierender Autor E-Mail:
MehrKaninchen: 1 cagattgaggagagcaccaccatcgtcacctcgcagttggcggaggtcagcgcagccgag 60
Ergebnisse 6 3. Ergebnisse 3. Charakterisierung der zelllinienspezifischen cdn Die Entwicklung zweier Zelllinien, des epithelialen Trophoblasten und des pluripotenten Embryoblasten, ist der erste Differenzierungsschritt
MehrVOM SCHLÜSSEL. zur Funktion. Genforschung in der GSF. GSF-FORSCHUNGSZENTRUM FÜRUMWELT UND GESUNDHEITin der Helmholtz-Gemeinschaft
GSF-FORSCHUNGSZENTRUM FÜRUMWELT UND GESUNDHEITin der Helmholtz-Gemeinschaft VOM SCHLÜSSEL zur Funktion Genforschung in der GSF GENFOR- INSTITUT FÜR EXPERIMENTELLE GENETIK GENFORSCHUNG INSTITUT FÜR BIOINFORMATIK
MehrAutismus-Spektrum- Störung. von Dennis Domke & Franziska Richter
Autismus-Spektrum- Störung von Dennis Domke & Franziska Richter Krankheitsbild Symptome können bereits direkt nach der Geburt auftreten Grad der Ausprägung variiert stark Geht oft mit weiteren psychischen
MehrChromatin structure and gene control
Chromatinstruktur und die Kontrolle von Genen Chromatin structure and gene control Turck, Franziska Max-Planck-Institut für Pflanzenzüchtungsforschung, Köln Korrespondierender Autor E-Mail: turck@mpiz-koeln.mpg.de
Mehr"Rundum-Service" für alternde Nervenzellen Aid system for aging nerve cells
"Rundum-Service" für alternde Aid system for aging nerve cells Kramer, Edgar; Aron, Liviu; Schulz, Jörg; Klein, Rüdiger Max-Planck-Institut für Neurobiologie, Martinsried Korrespondierender Autor E-Mail:
MehrEinführung in die Bioinformatik
Einführung in die Bioinformatik Ringvorlesung Biologie Sommer 07 Burkhard Morgenstern Institut für Mikrobiologie und Genetik Abteilung für Bioinformatik Goldschmidtstr. 1 Online Materialien zur Ringvorlesung:
MehrGrundlegendes zur Genetik
Neuigkeiten aus der Huntington-Forschung. In einfacher Sprache. Von Wissenschaftlern geschrieben Für die Huntington-Gemeinschaft weltweit. Die genetische 'Grauzone' der Huntington Krankheit: Was bedeutet
MehrVernetzung zur Integration biologischer Daten Making connections: Data integration in biology
Vernetzung zur Integration biologischer Daten Making connections: Data integration in biology Schoof, Heiko Max-Planck-Institut für Pflanzenzüchtungsforschung, Köln Korrespondierender Autor E-Mail: schoof@mpiz-koeln.mpg.de
MehrClustering. Clustering:
Clustering Clustering: Gruppierung und Einteilung einer Datenmenge nach ähnlichen Merkmalen Unüberwachte Klassifizierung (Neuronale Netze- Terminologie) Distanzkriterium: Ein Datenvektor ist zu anderen
MehrDie Kontrolle der Transkription in Eukaryontenzellen ist komplex:
Die Kontrolle der Transkription in Eukaryontenzellen ist komplex: Eukaryontische RNA-Polymerasen benötigen "Allgemeine Transkriptionsfaktoren Eine eukaryotische Gen-Kontrollregion besteht aus einer Promotor
MehrBioinformatik. Margarethe Kyral
Bioinformatik Margarethe Kyral Beispiel 1 neuer Krankheitserreger DNA-Sequenzierung Beispiel 1 neuer Krankheitserreger DNA-Sequenzierungsgeräte und -verfahren Beispiel 1 neuer Krankheitserreger Borreliose-Bakterium
MehrBipolar Disorder (BD) Nina Stremmel, Universität zu Köln,
Bipolar Disorder (BD) Nina Stremmel, Universität zu Köln, 07.06.18 Inhalt Allgemein Genetische Grundlagen CACNA I C, NCAN, ANK3 Neurobiologische Grundlagen Dopamin und Glutamat Behandlung Allgemein Neuropsychotische
MehrEinblick in die Nanotoxikologie: erste zytotoxikologische Ergebnisse von Nanopartikeln
Ma te ria ls Sc ie nc e &Te c hnolo gy Einblick in die Nanotoxikologie: erste zytotoxikologische Ergebnisse von Nanopartikeln Dr. Peter Wick, Pius Manser, Philipp Spohn, Dr. Arie Bruinink Materials-Biology
Mehr2.1 Die Entstehung des Gehirns aus neuralen Stammzellen Transkriptionsfaktoren in der Gehirnentwicklung...16
Inhaltsverzeichnis Danksagung...3 Inhaltsverzeichnis...5 Abkürzungverzeichnis...1 1 Zielsetzung...4 2 Einleitung...6 2.1 Die Entstehung des Gehirns aus neuralen Stammzellen...6 2.2 Radiale Gliazellen...9
MehrGenregulation bei Eukaryoten
Genregulation bei Eukaryoten 1. Allgemeines über Genregulation 2. Aufbau der DNA 3. Enhancer 4. Aktivierung und Repression 5. System, das Östrogene wahrnimmt und auf sie anspricht - DNA- Bindungsdomäne
MehrAlgoBio WS 16/17 Differenzielle Genexpression. Annalisa Marsico
AlgoBio WS 16/17 Differenzielle Genexpression Annalisa Marsico 04.01.2017 Pipeline für die Mikroarray-Analyse Bildanalyse Hintergrundkorrektur Normalisierung Vorverarbeitung Zusammenfassung Quantifizierung
Mehr