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 R712 Nachklausur: Mo 1.10. 8:00-9:00 R712 2
Hinweis Öffentliche Bioinformatik-relevante Vorlesung(en) werden in der Vorlesung genannt jeden Do 12:15: FB-Seminar 3
Literatur zur Vorlesung (z.b.) Dehnert, Manuel; Hütt, Marc-Thorsten Springer Verlag (2016), ISBN 978-3-662-46150-1 online in ebook-sammlung der UB Konstanz 4
Weitere Literatur A.M. Lesk: Introduction to bioinformatics A.M. Lesk: Bioinformatik: eine Einführung P.M. Selzer: Angewandte Bioinformatik: eine Einführung D.W. Mount: Bioinformatics: sequence and genome analysis D. Rigden: From Protein Structure to Function with Bioinformatics. Springer. Online verfügbar unter ebooks UB Konstanz V. S. Mathura, P. Kangueane: Bioinformatics : a concept-based introduction. Springer. Online verfügbar unter ebooks UB Konstanz Jährlich kommen Titel hinzu bitte nachschauen! 5
Was die Vorlesung nicht leistet Programmierkenntnisse (R, Python,...) praktische Übungen (Vertiefungskurs AG Diederichs/Mayans) 6
Klausur Aufgaben in der Klausur sind ähnlich denen der wöchentlichen Hausaufgaben alte Klausuren habe ich nicht, aber evtl die Fachschaft oder Kommiliton/inn/en Hilfsmittel: nur Taschenrechner und How many membrane proteins are there sowie Where did the BLOSUM62 alignment score matrix come from? (ausgedruckt); weitere ggfs nach Angabe vor der Klausur. 7
Überblick Bioinformatik als Nachfolger der theoretischen Biologie? Hilfsmittel (Algorithmen) aus Mathematik (Grundlagen) und Informatik (Umsetzung in Programme; Komplexitätstheorie) Anwendung auf biologische Fragen Machine learning; data mining Daten werden zu Informationen, Wissen 8
Wo steht die Bioinformatik? Verständnis der Natur Mikroebene: Atome, Moleküle Beschreibung der Natur Makroebene: Organismen Physik Chemie, theoretische Biologie Biologie Strukturbiologie Genetik Molek.biol. Zoologie, Botanik molekulare Medizin Bioinformatik klassische Medizin structural genomics genomics proteomics metabolomics 9
Lernziele u.a. Faktenwissen Woher kommen die Daten? Wie werden die Daten verarbeitet? Zusammenhänge zwischen Daten Blackbox versus Algorithmus Visualisierung (Programme und ihre Bedienung) (Programmierung) 10
Themen der Vorlesung Introduction: overview and motivation, role of bioinformatics amino acids and proteins structures and how they are elucidated, visualization genome databases sequence databases, sequence retrieval and analysis protein structure database PDB membrane protein prediction dot matrix method for comparing sequences exchange matrices alignment of sequences by dynamic programming local alignment and global alignment multiple sequence alignment phylogenetic analysis classification of protein structures prediction of protein secondary structure prediction of protein tertiary structure CASP tournaments other interesting algorithms e.g. Hidden Markov Models, Neural Networks Visualization in Bioinformatics 11
DNA RNA Protein nur 1.5% des humanen Genoms kodiert (~30.000) Proteine viele Loci werden in RNA transkribiert, aber nur ein Teil der RNA wird in Proteine translatiert. noncoding RNA (ncrna) spielt häufig eine regulatorische Rolle, glaubt man; aber es gibt nur wenige Beispiele, die man versteht. microrna am besten untersucht long ncrna = lncrna am wenigsten verstanden (long: >200 Nukleotide) es gibt inzwischen ~ 100 Kategorien von ncrna (Nat. Meth. 15, 103 [2018]), Tools und Annotation von (nc)rna 12
Interactom Protein-Funktion auf genomic scale Protein-Protein-Interaktionen (PPI): Methoden der Strukturuntersuchung sind Komplex-Struktur, Docking und Homologie-Modellierung Krankheiten in Folge von Mutationen, insbesondere Störung der PPI coverage aller Protein-Interaktionen: 6% experimentell INSIDER: a structural interactome browser for genomic studies (Nat. Meth. 15 [2018], 107) machine learning : Vorhersage von 186.000 PPIs (human+7); Validierung mit 2.164 Mutagenese- Experimenten a) The plot shows the coverage (number of protein interactions) of known high-quality binary interactomes with precomputed cocomplexed protein structures. b) The number of interactions from the eight largest interactomes 13 with experimentally solved structures.
Algorithmus: Geschichte 1957 existierte der Begriff Algorithmus noch nicht in Webster s New World Dictionary algorism geht auf einen persischen Mathematiker (al-khwarizmi, 9. Jhdt.) zurück D.E. Knuth begann 1962 mit The Art of Computer Programming (5-7 Bücher; 4 davon sind schon erschienen) 14
Algorithmus: Kennzeichen Anforderungen an Algorithmus (nach Knuth): Finitheit endliche Anzahl von Schritten Definitheit jeder Schritt ist präzise definiert und muss auch so ausgeführt werden. (Sprache vs Mathematik) 0 oder mehr Inputs (Eigenschaften von Objekten; nicht unbedingt Zahlen) 1 oder mehr Outputs (die vom Input abhängen) Effektivität grundlegend und einfach genug, dass alle Operationen im Prinzip genau durchgeführt werden können und das gewünschte Ergebnis in endlicher Zeit erhalten wird 15
Algorithmus: Beispiel Euklid (ca. 360 v.chr. bis 280 v.chr.) Gesucht: größter gemeinsamer Teiler zweier Zahlen. Gegeben seien positive ganze Zahlen m, n. Gesucht ist die größte Zahl, die sowohl m als auch n ohne Rest teilt. 1. Teile m durch n and erhalte r als Rest (also 0 r < n) 2. Ist r Null? Wenn ja, ist n die Lösung. 3. Wenn nein: setze m := n ; n:= r und gehe zu 1. 16
Hausaufgabe Bestimmen Sie den größten gemeinsamen Teiler von (119 und 544), sowie von (2166 und 6099)! Überprüfen Sie die Kriterien von Knuth an Euklid s Algorithmus! Warum funktioniert Euklid s Algorithmus? (Beweis) Was ist der günstigste/ungünstigste Fall? Geben sie einen alternativen Algorithmus an! 17
Programmierkurs Introduction to Computer programming for biologists (BIO-14460) Dr. Farine, Damien Donnerstag 17:00-18:30 wöchentlich 19.04.2018-19.07.2018 Ort: ML630 18