Bioinformatika

a

výpočetní biologie

KFC/BIN

I. PřehledRNDr. Karel Berka, Ph.D.

Univerzita Palackého v Olomouci

KFC/BIN - Podmínky

• Seminární práce:

– http://rosalind.info/

- alespoň 10 vyřešených problémů = zápočet

- každých dalších 10 = + jedno A ke zkoušce

• Ústní zkouška:

– 3 otázky – hodnoceny každá A-F

– Výsled – medián známek

Definice bioinformatiky

(Molecular) bio – informatics: bioinformatics is conceptualising biology in terms of molecules(in the sense of physical chemistry) and applying "informatics techniques" (derived from disciplines such as applied maths, computer science and statistics) to understand and organise the data and information associatedwith these molecules, on a large scale.

In short, bioinformatics is a management information system for molecular biology and has many practical applications.

Oxford English Dictionary

Definice bioinformatiky• spojení biologických věd s informatikou

počítačové zpracování, organizace, ukládání a

vizualizalizace biologických dat a jejich

aplikace

CiteUlike oblak klíčových slov pro bioinformatics

Přehled témat bioinformatiky

• hledání genů a skládání genomů

• porovnávání sekvencí (alignment)

• analýza a predikce struktury proteinů a NA

• hledání léčiv (drug design a discovery)

• predikce a analýza interakcí mezi proteiny

• predikce genové exprese

• modelování molekulární evoluce

Wikipedia

Organizace biologických informací

• biologické informace

– redundantní a mnohonásobné

• Genetický kód je redundantní

• Organismus má mnoho podobných genů

• Gen může mít více funkcí

• Rozdílné proteinové sekvence mají

stejnou strukturu

Nárůst dat

Guy Cochrane

Biologická data IZdroj dat Velikost dat Bioinformatika

DNA

sekvence

349 132 140 sekvencí

881 404 804 386 nukleotidů

(Genbank+WGS, 06/2014)

cca 1 TB dat

Hledání genů

Predikce produktu genů

Hledání mutací a jejich vlivu

Srovnávání sekvencí a fylogenetika

Proteinová

sekvence

80 370 243 sekvencí

25 385 271 479 aminokyselin

(SwissProt+TrEMBL, 07/2014)

cca 25 GB dat

Predikce struktury proteinů

Predikce funkce proteinů

Srovnávání sekvencí a fylogenetika

Hledání sekvenčních motivů

Genomy 11 617 genomů

(Ensembl, 04/2014)

cca 1 PB (1000 Genomes,

04/2013 z 2535 jedinců)

Identifikace genetických chorob

Molekulární evoluce a fylogenetika

Hledání částí genomu (geny, exony,

introny, cizí DNA, repetice,...)

Genomic-scale census (porovnávání

obsahu proteinů, metabolických drah,…)

Ontologie 52623645052881400

(GeneOntology, 07/2014)

Hierarchický popis funkce, lokace, ...

Hledání souvislostí

Makro-

molekulární

struktura

102 158 3D struktur

(~1500 koordinát)

cca 150 GB

3D strukturní porovnávání

Geometrie molekuly a její interakce

Molekulární simulace funkce

in silico návrh léčiv

Biologická data IIZdroj dat Velikost dat Bioinformatika

Proteomika,

Genomika

1 genom člověka – cca 700 GB

proteom – cca 1 TB/den

Hledání variací a mutací mezi jedinci a mezi

rozdílnými buňkami

Exprese

(genů,

proteinů, …)

DNA čipy

(obrazové info: 1 TB/den)

Mapování expresních dat (produkce) na

sekvenční a biochemické data

Robotické

HTS testy

např. 1000 testů najednou

(obrazové info: TB/den)

řádově PB

Testování látek automatizovanými testy

Hledání léčiv

Biologická

literatura

24 milionů citací

(~5 MB PDF soubor)

(PubMed, 07/2014)

100 TB

Hledání informací a souvislostí

Tvorba znalostních databází – Data mining

Chemické

látky

35 milionů molekul

(ZINCdb, 08/2014)

15 GB

Cheminformatika

Racionální návrh léčiv

Organická syntéza

Počítačové zpracování

• Databáze– ukládání, hledání

• Analýza textu – sekvenční analýzy, porovnávání sekvencí, hledání

klíčových slov

• Hledání motivů– Neuronové sítě, clusterová analýza, data mining,

Markovovské řetězce

• Geometrie– 3D grafika, robotika, 2D/3D rozpoznávání obrazu

• Fyzikální simulace– Mechanika, elektrostatika, numerické algoritmy,

simulace

Genom

• Hledání genů

– introny, exony, promotory, cizí kusy DNA

• Charakteristika opakujících se kusů DNA

– forenzní analýza

• Hledání duplicit v genomu

Mycoplasma genitalium 0.58 Mbp

Escherichia coli 4.6 Mbp

Saccharomyces cerevisiae 16 chr. 11.2 Mbp

Caenorhabtitis elegans 6 chr. 97.0 Mbp

Arabidopsis thaliana 5 chr. 115.4 Mbp

Drosophila melanogaster 5 chr. ~137.0 Mbp

Homo sapiens 24 chr. ~ 3.3 Gbp

Velikosti genomů

Analýza sekvencí• Porovnávání sekvencí

– 1:1

• lokální nebo globální porovnání

– 1:n

• hledání konsensní sekvence pro třídu proteinů

• mapování evoluce

• Hledání vlastností

– sekundární struktura

– hydrofobicita

– transmembránové segmenty

Predikce proteinové struktury

• Terciární struktura

– rozpoznání foldu

– homologní modelování

• strukturní alignment

– ab initio modelování

• Predikce funkce

– hledání aktivních míst a kanálů

Strukturní výpočetní biologie

• Molekulární grafika

– vodítko pro hypotézy

• Simulace

– Struktura => Energie

– vývoj v čase

• Docking – hledání jak a kam se látky váží

– ligandy

– proteiny mezi sebou

Helikáza rozevírající DNA

docking do acetyltransferázy

v programu GOLD

Analýza obrazu s vysokou propustností

• Analýza genové exprese

• Analýza proteinové exprese

• Funkční a toxikologické analýzy

Modelování biologických systémů

• matematická biologie

• e-cell

Sledování molekulární evoluce

• Fylogenetické stromy

– hledání

společného předka

podle podobnosti

- změna probíhá v

liniích časem

- dělení po dvojicích

Ideální případ

Souhrn

• Na http://fch.upol.cz/skripta/bin/Cell-wholeSimulation.pdf

– samotný článek

• http://fch.upol.cz/skripta/bin/WholeCellSim.mp4 - video

Modelování buňky

Modelový organismus M. genitalium

• Záněty močových cest

M. genitalium525 genů

Simulace celé jedné buňky

Flux-balance

analysis

Poisson

processes

Buněčné funkční modely

• Krok: 1 s

• Moduly s

mnoha

proměnnými

a modely

pro

jednotlivé

procesy

• Pokračuje,

dokud se

buňka

nerozdělí

• Když se buňka rozdělí na dvě

Konec simulace

Přehled

Validace modelu

• Simulace 128 buněk v typickém prostředí

• Predikce:

– Vlastnosti buňky

• Biomasa

• Rychlost růstu buněk

– Molekulární vlastnosti

• Počty složek a jejich koncentrace

• Lokalizace

• Aktivita genů

Observed doubling time Observed doubling time

Cellular chemical composition Major cell mass fractions

Trénink modelu

1. Metabolic fluxesValidace

2. Metabolite concentrationsValidace

Caused by - intermittent mRNA expression

3. Bursts of protein synthesis

- availability of amino acids following protein degradation

Validace

4. Copy number distributionValidace

Model has 30 DNA-binding proteins

Chromosome explored v. quickly

• 50% of chromosome by 1

or more proteins within the

first 6 mins

• 90% within 20 mins

RNA polymerase binds 90% of chromosome within 49 mins

90% of genes are expressed within the first 143 minutes

Interakce proteinu s DNA

DNA replikace

Over 30,000 collisions occur per cell cycle

Nearly 1 protein is displaced from chromosome per second

Most collisions are caused by RNA polymerase (84%) and DNA polymerase (8%)

Most commonly displaced proteins are: structural maintenance of chromosome

(SMC) proteins (70%) and single-stranded binding proteins (6%)

Tvorba proteinů

Initial rapid DNA replication

Rate limited by available dNTP

(deoxyribonucleotide triphosphate)

Acts as a control on cell cycle duration

Rychlost DNA replikace

Mainly used in production of

protein and mRNA

Syntéza energetických molekul

44% discrepancy between synthesis and use of ATP and GTP

Ztráty energie

Tj. bez nich buňka

neprodukuje nějakou

základní složku, nebo

se zabrání dělení buňky

Knock-out simulace

• „vypínání“ každého z 525 genů

• 284 genů esenciálních pro růst a

dělení

• 117 genů

neesenciálních

Knock-out studie

• Vypínání různých genů

Použití modelu

• Model odpovídá experimentálním datům

• K predikcím, co se stane když…

• Zkoumáním rozdílů mezi modelem a

experimentem můžeme odhalit, čemu ještě

nerozumíme v biologii buňky

• Nicméně M genitalium je nejmenší buňka.

A i tak je model velmi složitý, dalším

krokem je pochopení E coli a to ještě chvíli

potrvá…

Jak si to zkusit taky? Občanská věda

Poskytnutí zdrojů:

• Folding@Home http://folding.stanford.edu

• Rosetta@Home http://boinc.bakerlab.org

A dokonce i hry:

• Foldit http://fold.it – skládání proteinů

• EteRNA http://eterna.cmu.edu – skládání RNA

• Phylo http://phylo.cs.mcgill.ca - porovnávání

sekvencí