MOL.504 Analyse von DNA- und Proteinsequenzen

Transkript

1 MOL.504 Analyse von DNA- und Proteinsequenzen Kurs 1 Monika Oberer, Karl Gruber

2 MOL.504 Modul-Übersicht Einführung, Datenbanken BLAST-Suche, Sequenzalignment Proteinstrukturen Virtuelles Klonieren Abschlusstest

3 MOL.504 Literatur Taschenbuch: 288 S. Springer, Berlin 1. Auflage ( ) ~ 30 Bioinformatics For Dummies John Wiley & Sons; Auflage: 2. Auflage (8. Dezember 2006); Taschenbuch: 456 Seiten; ~ 23 Paperback January 1, Oxford University Press ~ 60 USD

4 1953: Beginn des DNA-Zeitalters

5 Der Informationsfluß in Zellen Sequenzen als Informationsträger: DNA, RNA und Proteine Übertragung der Sequenzinformation: Transkription (ggf. Splicing) und Translation

6 Sequenzaufbau und -codierung 5 Basen { 4 DNA-Nukleotide (A, C, G, T) 4 RNA-Nukleotide (A, C, G, U) } Polynukleotide NH 2 Purin Pyrimidin O HO H O P O OH 3 5 O OH N N Adenin N N Desoxy-Adenosin Desoxy- Adenosylmonophosphat (damp, A) Nukleobase Nukleosid Nukleotid Uracil Uridin H HO O P OH O 3 3 OH Uridinmonophosphat (UMP, U) O N OH NH O

7 Sequenzaufbau und -codierung 20 Aminosäuren Polypeptide (> 100: Proteine) C H 3 H N O H OH Alanin (ALA, A) ALA ARG ASN ASP CYS A R N D C GLN GLU GLY HIS ILE Q E G H I LEU LYS MET PHE PRO L K M F P SER THR TRP TYR VAL S T W Y V

8 Sequenzaufbau und -codierung Nukleotid-Codons verschlüsseln Aminosäurereste

9 Warum Sequenzanalyse? beinhaltet Sequenzausrichtung (alignment) und -vergleich um übereinstimmende Sequenzabschnitte (consensus sequences) zu finden: zur Vorhersage von Sites ( Funktionen) basierend auf dem Vergleich einer neuen Sequenz mit mehreren identifizierten Sequenzen Beispiele: - Promotoren (DNA) - Transkriptionsstart- und -endstellen (DNA) - Restriktionsenzym-Bindungstellen (DNA) - Ribosom-Bindungsstellen (RNA) - Antikörper-Bindungsstellen (v.a. Proteine) - aktive Zentren (Proteine: Enzyme) funktionale Sequenzmotive = Sites um Sekundär- und Tertiärstrukturen vorherzusagen

10 Warum Sequenzanalyse? um Vorhersagen über Protein-Eigenschaften zu treffen, z. B.: Molekulargewicht (aus MW der Aminosäurereste) Isoelektrischer Punkt (ARG, LYS ASP, GLU HIS) Extinktionskoeffizient (TRP, TYR, PHE) Post-translationale Modifizierungen (z. B. Glykosilierungen) Strukturelle und funktionale Eigenschaften (bzw. Neigungen = propensities) von Aminosäuretypen lassen sich z.b. nutzen zur Oberflächenvorhersage zur Vorhersage von Sekundärstrukturelementen ggf. in Kombination zur Vorhersage von Tertiärstrukturen (v. a. wenn die Kenntnis über Proteinfamilien/Faltungstypen als Komplementär-Information herangezogen wird)

11 Warum Sequenzanalyse? Das Alignment ( Ausrichtung ) ist die Voraussetzung für den Sequenzvergleich Vergleich = Ähnlichkeitsbestimmung zweier oder mehrerer Sequenzen (lokal oder global) Alignments können paarweise oder multipel sein Typen und Anwendungen des Sequenz-Alignment Sequenz gegen Sequenz-Datenbank: Finden verwandter Sequenzen Sequenz gegen Sequenz: Finden übereinstimmender Domänen / Sites Datenbank gegen Datenbank: Bestimmung evolutionärer Distanzen Annotation kompletter Genom-Sequenzen

12 Vergleich von Sequenzen Identität (identity) in % prozentualer Anteil identischer AS-Typen Ähnlichkeit (similarity) in % prozentualer Anteil identischer oder physikochemisch ähnlicher AS-Typen d. h.: Anologie in Größe, Ladung, Polarität, Ähnlichkeits-Score Ähnlichkeit Identität (identische AS sind eine Teilmenge der ähnlichen) Homologie (homology) eine gemeinsame Abstammung von Sequenzen liegt vor zwei Sequenzen sind homolog oder nicht kein %-Wert! gefolgert aus ausreichend hoher Ähnlichkeit

13 Genom-Sequenzierung Genom Gesamtheit aller Gene auf allen Chromosomen einer Zelle, d. h. die komplette genetische Information eines Organismus / einer Spezies Genomics Simultane Untersuchungen der Sequenz, Struktur und Funktion einer großen Anzahl von Genen bzw. kompletter Genome Die Sequenzierung selber ist der erste Schritt der Sequenzanalyse Chronologie der Genom-Sequenzierung 1995: Haemophilus influenzae (gramneg.b.) 1996: Saccharomyces cerevisiae (Bäckerh.) 1997: Escherichia coli 1998: Caenorabditis elegans (Fadenwurm) 2000: Arabidopsis thaliana (Schotenkresse) 2000: Drosophila melanogaster 2002: Mus musculus 2003: Homo sapiens 2004: Rattus norvegicus 2005: Pan troglodytes (Schimpanse) 2009: bereits mehrere hundert Genomsequenzen sind bekannt

14 Genom-Sequenzierung Die GOLD-Datenbank umfasst sowohl abgeschlossene Sequenzierungen als auch laufende Projekte

15 Omics und Systembiologie die Gesamtheit von Sequenzen/Strukturen/Funktionen wird (parallel) auf verschiedenen Ebenen des Informationsflusses untersucht

16 Omics und Systembiologie die aus dieser Datenmenge zusammengesetzte Information dient als Grundlage der Modellierung biologischer Systeme z. B. Expressions-Regulierung, metabolische Pfade, Genomics Modellierung Transcriptomics Proteomics Daten- Integration Metabolomics Phenomics Systembiologie