Bevezetés a bioinformatikába

Bevezetés a bioinformatikába  2009­2010 őszi félév, biológia BSC, levelező képzés

Bálint Balázs ([email protected])

http://biotech.szbk.u­szeged.hu/  

 

Információ a kurzusról  I. elméleti alapok (az év végi vizsga anyaga) II. az elméleti részhez tartozó gyakorlati munka (nem számon kért)  (szakirodalmazás, adatbázis­bányászat szekvencia homológia  keresés, fehérje térszerkezet vizsgálat, stb.) Vizsga: írásban, tesztek  / rövid választ igénylő kérdések

 

 

A bioinformatika definíciója 

informatika

biológia

hardverek, szoftverek

megválaszolandó kérdés,  biológiai adat

Bioinformatika: biológiai adatok számítógépes analízise.   

 

Centrális dogma és a bioinformatika főbb területei a molekuláris biológiában Gén

genomika

DNS

transzkripció, RNS szerkesztés RNS

transzkriptomika

degradáció

transzláció, poszttranszlációs módosítás

proteomika

fehérje

degradáció

biokémiai aktivitás

 

metabolikus útvonalak  

metabolomika

a DNS a fő biológiai információhordozó

F. Griffith 1925-1928

Avery 1944

Streptococcus pneumoniae

a transzformáló anyag DNS

proteáz

RNáz DNáz

a baktérium módosítható (transzformálható)    

egér meghal egér meghal egér túlél

Hershey és Chase 1952 1., Escherichia coli­t fertőztek radioaktívan jelölt T2 fággal a DNS P32­vel, a fehérje burok S35­tel jelölve (a DNS­ben nincs S, a fehérjében nincs P)

2., A baktériumhoz tapadt kiürült fág burkokat  rázással leválasztották

3., A baktériumokat és a szabaddá vált  fág burkokat centrifugálással elkülönítették felülúszó, (S35 fág  fehérje)

 

 

baktérium pellet, P32  (fág DNS)

DNS szerkezete (1953)

"Nem kerülte el a figyelmünket az, hogy az általunk feltételezett párosítási  szabály egy másolási mechanizmust is sugall a genetikai anyag számára."   

 

James Watson és Francis Crick 

DNS replikáció

RNS szintézis (transzkripció)

 

 

Fehérje szintézis (transzláció)

 

 

Az univerzális genetikai kód Második karakter

Els ő  karakter

Harmadik karakter

 

DNS: ATG

RNS: AUG  

AS: Metionin

Hogyan nyerjük ki a szekvencia információt?

Fehérje

DNS

Könnyen tisztítható

Nehezebben tisztítható

Stabil Számos instabil fehérje létezik Könnyebben, szekvenálható A közvetlen fehérje szekvenálás  igen nehéz feladat

A szekvencia információkat zömmel DNS molekuláról nyerik, amiket  azután számítógéppel (in silico) fehérje szekvenciára fordítanak.  

 

A DNS információ tartalmának megismerése – a kezdet kezdete P s t I ( 1)

V a r ia t io n  1 V a r ia t io n  2 V a r ia t io n  3 M is c  F e a t u r e  2

V a r ia t io n  4 C D S  4

A paLI (4780)

A v a I ( 16 3 )

C D S  5 R e p  O r ig in  1

C D S  6 m R N A  2

p h i- x - 1 7 4 M is c  F e a t u r e  1

C D S  7

5386 bp

C D S  8 C D S  9

Frederick Sanger

C D S  1 1 m R N A  1 C D S  1 0

• az első publikált teljes genom (1977) • kb. 5000 nukleotid (!)  

 

Sanger­féle DNS szekvenálás elve

P

P

P

P P P

P

 

lánc termináció ddGTP jelenlétében

P

 

termék keverék

Sanger­féle DNS szekvenálás elve ddGTP

ddTTP

ddATP

ddCTP P

P

P P

P P

P

P

P

P

P P

P

P P

zseb

 

poliakrilamid gél

futtatás iránya:

 

Egy igazi szekvenáló létra

Szekvencia:  5’ tcaactttgtcggcttgagaaagacctgggatctgggtat...

A technológia korlátai:  • emberpróbáló, extrém munkaigényes eljárás • igen kicsi leolvasási hossz • a termékek detektálása P32 izotóp segítségével

 

 

A Sanger­féle DNS szekvenálás automatizálása

•  A négyféle dideoxy nukleotid analóg egy reakcióban adva •  mind a négy ddNTP egyedi fluoreszcens festékkel jelölve •  a termékek méret szerinti elválasztása kapilláris oszlopon •  a detektor előtt elhaladó festékek  sorrendje=> bázissorrend  •  teljesen automatizált berendezés •  ~600­1000 nukleotid hosszú DNS darabok olvashatóak szekvenogram: festékintenzitások változása az időben

 

 

1995 Haemophilus influenzae genom szekvencia „Shotgun módszer”

DNS  tisztítás

darabolás

futtatás

ideális méretű darabok  (1,5­2 kb) kinyerése

miden klónból  plazmid tisztítás

 

inszert  szekvenálása 

a plazmidok  bejuttatása  E. coli­ba 

contig assembly  

a genomi fragmentek  plazmidokba ligálása

A Sanger­szekvenálásra alapozott shotgun módszer korlátai

Könyvtárkészítés szükséges • munkaigényes, időigényes, költséges folyamat • egyenetlen lefedettség,  a gazdára (E. coli) toxikus régiók teljesen kimaradnak • a gazda genom nyomokban szennyeződésként megjelenhet • különböző projektek közötti kereszt­szennyeződés könnyen előfordulhat

Alacsony áteresztőképesség • az új szál szintézise és a bázissorrend meghatározása külön lépés • kapilláris elektroforézis lépés szükséges  • kevéssé párhuzamosítható (max 96 kapilláris / berendezés)  • magas költség / szekvenálási reakció  

 

Új generációs szekvenálási technológiák

Roche 454 FLX

Illumina Solexa

ABI Solid

Nincs szükség hagyományos genomi könyvtárra • Közvetlenül a tisztított genomi DNS kerül a gépbe • A gDNS­t fizikailag törik, a fragmenteket hordozóhoz rögzítik, majd PCR  segítségével felsokszorozzák Óriási átereszőképesség • nagyfokú párhuzamosítás:  akár többmillió szekvenálási reakció egyszerre • az új szál szintézise és a nukleotid sorrend meghatározása egyidejűleg történik • kisebb költség / szekvenálási reakció  

 

Elkészült genom szekvenciák statisztikája 2009  Bakteriális genom

1001   (714*)

Eukarióta genomok

74       (22*)

• Caenorhabditis elegans (talajlakó fonalféreg) • Ecetmuslica (Drosophila melanogaster) • Egér (Mus musculus) • Ember (Homo sapiens) • Kutya (Canis lupus familiaris) • Lúdfű (Arabidopsis thaliana) • Méh (Apis mellifera) • Patkány (Rattus norvegicus) • Rizs (Oryza sativa) • Sertés (Sus scrofa) • Szarvasmarha (Bos taurus)  

• Szőlő (Vitis vinifera)

* 2008­as adat

 

Összefogás a nukleinsav adatbankok között http://www.ncbi.nih.gov

NIH USA

NCBI

GenBan k EMBL CIB

DDBJ

NIG Japan

http://www.ebi.ac.uk/embl EBI

EMBL Europe

http://www.ddbj.nig.ac.jp

NIH: National Institute of Health ­> NCBI: National Center for Biotechnology Information ­> GenBank NIG: National Institute of Genetics ­> CIB: Center of Information Biology ­> DDBJ     EMBL: European Molecular Biology Laboratory ­> EBI­>European Bioinformatics Institute ­>EMBL

Mi az adatbázis? számítógépes fájl strukturált adattartalommal – szabványosított adatszerkezet

 

– gyors összetett keresések végezhetőek

/indexelés/

– rendszeresen frissített, naprakész

/új kiadások/

– kapcsolatok más adatbázisok felé

/kereszthivatkozások/

     Megfelelő szoftverek kellenek, melyekkel  adat lekérdezés, adat frissítés, adat törlés, adat hozzáadás végezhető

 

 

Hogyan épül fel egy adatbank? szabványosítás, szabványosítás, szabványosítás

Feladat:  • adatok tárolása: jól dokumentált szekvencia formátumban • a nyers szekvenciákon kívül további fontos kiegészítő információkat  tároljon (szekvencia leírása, eredete, típusa, hossza, stb. stb.) • lehessen keresni ezekben a "kiegészítő" információkban • kereshető legyen a szekvencia • a kutatók új szekvenciákat küldhessenek be az adatbankba • legyen lehetőség a hibajavításra (update) • ne legyen redundáns • minél inkább automatizált legyen  

 

Adatbázisok

Az adatbázisok típusai Elsődleges adatbázisok • A kísérletezők eredeti elküldött adatai • Közvetlen kísérleti eredményeket tartalmaznak • Pl. GeneBank, GEO  (génexpressziós adatbank)

Származtatott adatbázisok • Elsődleges adatok analízisével nyert többletinformációkat tárol • Hivatkozások az elsődleges adatbázis eredeti bejegyzéseire • Néhány példa: RefSNP(pontmutáció adatbank) CDD (konzervált domain adatbázis),  PFAM (fehérje családok adatbázisa)  

 

A GeneBank adatbázis • 1979­ben alapítva (Los Alamos). • 1992 óta az NCBI gondozza (Bethesda). • az adatbázis saját szekvencia formátuma a genebank • szekvencia információ • szekvenciákhoz kapcsolódó egyéb információk, annotációk • kereszthivatkozások más adatbankok kapcsolódó bejegyzéseire • az adatbázis divíziókra osztott: PRI főemlős szekvenciák

ROD

rágcsálók szekvenciái

PLN nővényi, gomba és alga

BCT

bakteriális 

EST 

expresszált szekvencia darabkák (cDNS)

ENV

környezeti mintákból nyert szekvenciák

 

PAT

 

szabadalmakhoz kapcsolódó szekvenciák

~taxonómia

szekvencia jellege

A GeneBank adatbázis gyarapodása 2009 október 120 100

90 80 70

80 60 40 20 0 1980

60

Nukleotid (milliárd bp)

50

Szekvencia (millió db)

40 30 20 10 0 1980 1985

1985 1990

1990 1995

1995 2000

2000 2005

2005 2010

Töretlen, közel exponenciális növekedés  

 

2010 2015

Egy GeneBank bejegyzés LOCUS DEFINITION ACCESSION VERSION KEYWORDS SOURCE ORGANISM REFERENCE AUTHORS TITLE JOURNAL MEDLINE PUBMED REFERENCE AUTHORS TITLE JOURNAL REFERENCE AUTHORS TITLE JOURNAL

 

REMARK COMMENT

AF062069 3808 bp mRNA linear INV 23-OCT-2002 Limulus polyphemus myosin III mRNA, complete cds. AF062069 AF062069.2 GI:7144484 . Limulus polyphemus (Atlantic horseshoe crab) Limulus polyphemus Eukaryota; Metazoa; Arthropoda; Chelicerata; Merostomata; Xiphosura; Limulidae; Limulus. 1 (bases 1 to 3808) Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., Greenberg,R.M. and Smith,W.C. A myosin III from Limulus eyes is a clock-regulated phosphoprotein J. Neurosci. 18 (12), 4548-4559 (1998) 98279067 9614231 2 (bases 1 to 3808) Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., Greenberg,R.M. and Smith,W.C. Direct Submission Submitted (29-APR-1998) Whitney Laboratory, University of Florida, 9505 Ocean Shore Blvd., St. Augustine, FL 32086, USA 3 (bases 1 to 3808) Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., Greenberg,R.M. and Smith,W.C. Direct Submission Submitted (02-MAR-2000) Whitney Laboratory, University of Florida, 9505 Ocean Shore Blvd., St. Augustine, FL 32086, USA Sequence update by submitter  On Mar 2, 2000 this sequence version replaced gi:3132700.

Egy GeneBank bejegyzés ­ lókusz LOCUS AF062069 3808 bp mRNA linear INV 23-OCT-2002 DEFINITION Limulus polyphemus mRNA, complete LOCUS AF062069 3808myosin bp III mRNA linear cds.INV 23-OCT-2002 ACCESSION AF062069 VERSION AF062069.2 GI:7144484 KEYWORDS . SOURCE Limulus polyphemus (Atlantic horseshoe crab) ORGANISM Limulus polyphemus Eukaryota; Metazoa; Arthropoda; Chelicerata; Merostomata; Xiphosura; Limulidae; Limulus. REFERENCE 1 (bases 1 to 3808) AUTHORS Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., Greenberg,R.M. and Smith,W.C. TITLE A myosin III from Limulus eyes is a clock-regulated phosphoprotein JOURNAL J. Neurosci. 18 (12), 4548-4559 (1998) MEDLINE 98279067 PUBMED 9614231 REFERENCE 2 (bases 1 to 3808) AUTHORS Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., Greenberg,R.M. and Smith,W.C. TITLE Direct Submission JOURNAL Submitted (29-APR-1998) Whitney Laboratory, University of Florida, 9505 Ocean Shore Blvd., St. Augustine, FL 32086, USA REFERENCE 3 (bases 1 to 3808) AUTHORS Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., Greenberg,R.M. and Smith,W.C. TITLE Direct Submission JOURNAL Submitted (02-MAR-2000) Whitney Laboratory, University of Florida, 9505 Ocean Shore Blvd., St. Augustine, FL 32086, USA REMARK Sequence update by submitter     COMMENT On Mar 2, 2000 this sequence version replaced gi:3132700.

Hossz

Lókusz név

Molekula típus

Divízió

Módosítás Dátum

A GeneBank azonosítók LOCUS DEFINITION ACCESSION VERSION KEYWORDS SOURCE ORGANISM

AF062069 3808 bp mRNA linear INV 23-OCT-2002 Limulus polyphemus myosin III mRNA, complete cds. AF062069 AF062069.2 GI:7144484 . Limulus polyphemus (Atlantic horseshoe crab) Limulus polyphemus Eukaryota; Metazoa; Arthropoda; Chelicerata; Merostomata; Xiphosura; Limulidae; Limulus. 1 (bases 1 to 3808) Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., Greenberg,R.M. and Smith,W.C. A myosin III from Limulus eyes is a clock-regulated phosphoprotein J. Neurosci. 18 (12), 4548-4559 (1998) 98279067 9614231 2 (bases 1 to 3808) Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., Greenberg,R.M. and Smith,W.C. Direct Submission Submitted (29-APR-1998) Whitney Laboratory, University of Florida, 9505 Ocean Shore Blvd., St. Augustine, FL 32086, USA 3 (bases 1 to 3808) Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., Greenberg,R.M. and Smith,W.C. Direct Submission Submitted (02-MAR-2000) Whitney Laboratory, University of Florida, 9505 Ocean Shore Blvd., St. Augustine, FL 32086, USA Sequence update by submitter   On Mar 2, 2000 this sequence version replaced gi:3132700.

ACCESSION VERSION REFERENCE AUTHORS TITLE JOURNAL MEDLINE PUBMED REFERENCE AUTHORS TITLE JOURNAL REFERENCE AUTHORS TITLE JOURNAL REMARK   COMMENT

AF062069 AF062069.2

GI:7144484

Egyedi azonosító (fix)

GB azonosító (változhat!)

GeneBank a szekvencia eredete (Atlanti tőrfarkú) LOCUS DEFINITION ACCESSION VERSION KEYWORDS SOURCE ORGANISM

AF062069 3808 bp mRNA linear INV 23-OCT-2002 Limulus polyphemus myosin III mRNA, complete cds. AF062069 AF062069.2 GI:7144484 . Limulus polyphemus (Atlantic horseshoe crab) Limulus polyphemus Eukaryota; Metazoa; Arthropoda; Chelicerata; Merostomata; Xiphosura; Limulidae; Limulus. SOURCE Limulus polyphemus (Atlantic horseshoe crab) REFERENCE 1 (bases 1 to 3808) ORGANISM Limulus polyphemus AUTHORS Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., Eukaryota; Greenberg,R.M. and Metazoa; Smith,W.C.Arthropoda; Chelicerata; Merostomata; Xiphosura; Limulidae; Limulus. TITLE A myosin III from Limulus eyes is a clock-regulated phosphoprotein JOURNAL J. Neurosci. 18 (12), 4548-4559 (1998) MEDLINE 98279067 PUBMED 9614231 REFERENCE 2 (bases 1 to 3808) AUTHORS Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., Greenberg,R.M. and Smith,W.C. TITLE Direct Submission JOURNAL Submitted (29-APR-1998) Whitney Laboratory, University of Florida, 9505 Ocean Shore Blvd., St. Augustine, FL 32086, USA REFERENCE 3 (bases 1 to 3808) AUTHORS Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., Greenberg,R.M. and Smith,W.C. TITLE Direct Submission JOURNAL Submitted (02-MAR-2000) Whitney Laboratory, University of Florida, 9505 Ocean Shore Blvd., St. Augustine, FL 32086, USA REMARK Sequence update by submitter     COMMENT On Mar 2, 2000 this sequence version replaced gi:3132700.

NCBI Taxonómia

GeneBank referenciák LOCUS DEFINITION ACCESSION VERSION KEYWORDS SOURCE ORGANISM

AF062069 3808 bp mRNA linear INV 23-OCT-2002 Limulus polyphemus myosin III mRNA, complete cds. AF062069 AF062069.2 GI:7144484 . Limulus polyphemus (Atlantic horseshoe crab) Limulus polyphemus Eukaryota; Metazoa; Arthropoda; Chelicerata; Merostomata; Xiphosura; Limulidae; Limulus. REFERENCE 1 (bases 1 to 3808) AUTHORS Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., Greenberg,R.M. and Smith,W.C. TITLE A myosin III from Limulus eyes is a clock-regulated phosphoprotein REFERENCE 1 (bases 1 to 3808) JOURNAL J. Neurosci. 18 (12), 4548-4559 (1998) AUTHORS Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., MEDLINE 98279067 PUBMED 9614231Greenberg,R.M. and Smith,W.C. A myosin III from Limulus eyes is a clock-regulated REFERENCETITLE 2 (bases 1 to 3808) phosphoprotein AUTHORS Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., JOURNAL J. Neurosci. 18 (12), 4548-4559 (1998) Greenberg,R.M. and Smith,W.C. TITLE MEDLINE Direct 98279067 Submission PUBMED 9614231 JOURNAL Submitted (29-APR-1998) Whitney Laboratory, University of Florida, 9505 Ocean Shore Blvd., St. Augustine, FL 32086, USA REFERENCE 3 (bases 1 to 3808) AUTHORS Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., Greenberg,R.M. and Smith,W.C. TITLE Direct Submission JOURNAL Submitted (02-MAR-2000) Whitney Laboratory, University of Florida, 9505 Ocean Shore Blvd., St. Augustine, FL 32086, USA REMARK Sequence update by submitter     COMMENT On Mar 2, 2000 this sequence version replaced gi:3132700.

szakirodalom kereszthivatkozás

A GeneBank tulajdonság tábla FEATURES source

CDS

Location/Qualifiers 1..3808 /organism="Limulus polyphemus" /db_xref="taxon:6850" /tissue_type="lateral eye" 258..3302 /note="N-terminal protein kinase domain; C-terminal myosin heavy chain head; substrate for PKA" /codon_start=1 /product="myosin III" /protein_id="AAC16332.2" /db_xref="GI:7144485" /translation="MEYKCISEHLPFETLPDPGDRFEVQELVGTGTYATVYSAIDKQA NKKVALKIIGHIAENLLDIETEYRIYKAVNGIQFFPEFRGAFFKRGERESDNEVWLGI EFLEEGTAADLLATHRRFGIHLKEDLIALIIKEVVRAVQYLHENSIIHRDIRAANIMF SKEGYVKLIDFGLSASVKNTNGKAQSSVGSPYWMAPEVISCDCLQEPYNYTCDVWSIG ITAIELADTVPSLSDIHALRAMFRINRNPPPSVKRETRWSETLKDFISECLVKNPEYR PCIQEIPQHPFLAQVEGKEDQLRSELVDILKKNPGEKLRNKPYNVTFKNGHLKTISGQ 1201 a 689 c 782 g 1136 t

/protein_id="AAC16332.2" /db_xref="GI:7144485"

fehérje adatbank kereszthivatkozás

BASE COUNT ORIGIN 1 tcgacatctg tggtcgcttt ttttagtaat aaaaaattgt attatgacgt cctatctgtt 3781 aagatacagt aactagggaa aaaaaaaa //  

 

A GeneBank (GenePept) bejegyzés FASTA formátumban

>gi|7144484|gb|AF062069.2| Limulus polyphemus myosin III mRNA, complete cds TCGACATCTGTGGTCGCTTTTTTTAGTAATAAAAAATTGTATTATGACGTCCTATC TGTTGTTGTGTTACACAGGTACATATTAATAACAGGTAGCTAACGTACTTATATAT ACATATATATAATTGGTCTGTTACTTTCAGTTACTCCCTGACTTGTGATCCTACTTG TTGCTGTGTTATACAGGTATATATCACTAAAACAGACTGCTAACGTGCATATATTT ATATATGTGTAGCTTTGTTAATGCTTTAACATGGAGTATAAGTGTATCAGTGAACA TTTACCATTTGAGACTCTGCCTGATCCAGGTGATCGGTTTGAAGTACAAGAACTCG TTGGAACAGGAACTTATGCTACCGTATACTCAGCGATTGATAAGCAAGCAAACAA GAAGGTAGCGCTGAAGATTATAGGACACATTGCGGAAAATCTACTTGATATCGAA ACTGAATATCGTATTTATAAAGCTGTCAATGGAATCAGTTTTTCCCCGAATTCCGT GGTGCTTTCTTCAAGCGTGGGGAACGAGAATCTGACAATGAGTATGGCTGGGAAT TGAGTTTCTGGAAGAAGGGACAGCAGCTGACTTGCTTGCAACACACAGAAGGTTT GGAATTCACTTGAAGAAGACTTGATTGCTTTAATAATCAAGGAGGTTGTACGAGC TGTGCAGTACTTACATGAAAACAGCATTATCCACAGAGATATTCGTGCTGCCAAT ATAATGTTTTCTAAAGAGGGATATGTCAAATTAATTGACTTTGGTCTTTCTGCTTC AGTAAAGAACACGAACGGCAAAGCACAGTCTTCTGTGGGCTCCCCCTATTGGATG GCTCCTGAGGTGATATCCTGTGACTGTCTTCAAGAACCTTATAACTACACATGTGA CGTTTGGTCTATGGAATAACTGCTATAGAATTAGCAGACACAGTGCCCTCACTTA GCGATATTCATGCTTTAGCGCCATGTTTCGGATTAACAGAAATCCTCCCCCTAGTG TTAAGAGGGAAACACGCTGGTCAGAAACATTGAAAGATTTTATCAGCGAATGTTT     GGTGAAAAATCCCGAATATCGACCGTGTATCCAAGAAATTCCCCAACACCCATTTT T...

További szekvencia formátumok

ID SQ

EMBL //

nameless standard; DNA; UNC; 457 BP. Sequence 457 BP; GGCGAAGATT CGGCCAGGCA AAGAAGAGCG CGACGAATGG GAGCATGTAG ATTCCTCCGT ACCCCATGCC CCAACCATGC GAGTCAAACC TTCGTGAAAG GCAGCCCGAA GACGATGGCC ATCCACACGA CGTGAATGAA CCGCGCCCTC GCGGTTTTTC \\\ AATGATCGAA AGGGAATCGG CAACTTGAGT GGAGTCAGTC nameless_1 TTCGTTGCCT CGGACCTGCA TCCCTTTGGG ENTRY AGATGCTTCA GAGAGCAAGG nameless_1 TTGATTGCGC 475 bases ATACAGATGC TITLE TCGGTTCGCG ACGGCCTGCG TGAGGATACC SEQUENCE CCGTGCGACG ACCATTAATA AGGCGCTCCA CAGTTCCCGC GGGACACTAG 5 10 15 20 AGTGTCCACT GGGCAGCGGG 1 M S R CAGGGTCTCC T V T I E P VCCCGGGA T R I E G H A R I T L Q

 

nameless_1 PIR

GCG

 

31 D A K F H L T Q F R G F E K F C E G R P 61 T C G I C P V S H V L A S N K A C D H L 91 K L R R I I N L A Q L T Q S H A L S F F 121 W D S D P V S R N I F G V M R Q D P A L 151 G Q T I I E T L G G K K I H P T W V V P 181 K R D A M L K L I P E G L E I A K R T Y 211 K D E A N H F G S Q P T M F L S L V S P Length: 457 241 L R L K D A QNov G R I15, L E 2004 D M V P 10:24 P H E Y 271 F S Y M K F P Y Y K P H G Y P N G I Y R CGGCCAGGCA AAGAAGAGCG CGACGAATGG 301 D A C G T P Y A D V A L A E F H M L Q E 331 H Y A R L V E I I Y A L ECCAACCATGC M M E R L L K ATTCCTCCGT ACCCCATGCC 361 A R A R S N R Y E G I G V A E A P R G I ATCACCACGA GCAGCCCGAA 391 G L I T W V N L I I A T GGACGATGGCC H N N L A M N 421 V D G N N L Q E G M L N R V E A V I R C CCGCGCCCTC CATGCGGTCC GCGGTTTTTC 451 A F G E M P L A I E L K D A T G R V V D

nameless_1 1 GGCGAAGATT 51 CCATGGCTGT 101 TTCGTGAAAG 151 CGTGAATGAA 201 AGGGAATCGG /// CAACTTGAGT   251 AGATGCTTCA GAGAGCAAGG 301 ATACAGATGC TCGGTTCGCG 351 CGGTTCCAGT CCGTGCGACG 401 GGGACACTAG CCAACCGGGC 451 CCCGGGA

GGAGTCAGTC TTCGTTGCCT ACGGCCTGCG ACCATTAATA AGTGTCCACT  

ATATCAGGAG CGGACCTGCA TTGATTGCGC AGGCGCTCCA GGGCAGCGGG

CCATGGCTGT ATCACCACGA CATGCGGTCC ATATCAGGAG TCACCCAACC CGGTTCCAGT CCAACCGGGC

25 30 L G D A G E V E Y R E M P A L T A R L S V S I P P T G E H L S S P D L L L G A K D G I R L R Q I G G V S E P L T Q E A F F K T L V P K F K G H L E H Y D G F E Check: R L I G E7178 A V E D.. V G P L A R L N N V GAGCATGTAG S G P I A S S F H Y D P T I L D A R V R GAGTCAAACC L M H H Y R I D D E ATCCACACGA Q S I R Q V A D A Y F D P C L S C A S H AATGATCGAA T L R R G

TCCCTTTGGG TCACCCAACC TGAGGATACC CAGTTCCCGC CAGGGTCTCC

60 120 180 240 300 360 420 457

Konverzió különféle szekvencia formátumok között

A különféle szekvencia formátumok könnyen átkonvertálhatóak egymásba • „Seqret” program az EMBOSS csomagból • http://cbi.labri.fr/outils/Pise/seqret.html • helyileg telepített változattal • (Bio)perl script segítségével • EBI ReadSeq portálján

 

 

Második rész

 

 

Szekvencia evolúció • A legtöbb DNS polimeráz nagyon hűen másol.    (Az E. coli  DNS polimeráza nagyjából egy hibát vét tízmillió nukleotidonként) • Elegendő hosszú idő alatt számos pontmutáció • Kromoszóma átrendeződéssel hirtelen, nagyobb változások (inszerció, deléció)   történhetnek • A DNS (vagy fehérje) szekvencia összehasonlításával evolúciós rokonsági fok is  kimutatható:

 

  rDNS szekvencia elemzés alapján felállított univerzális törzsfa

Változások a szekvenciákban

A T C C T A T T C A C A G A T A

A T C C ­ ­ ­ ­ ­ A C A G A T A

A T C C G A T T A A C A G A T A

A T C C G A T T A A C A G A T A

pontmutációk

inszerció  / deléció

A T C C C C A A T A C A G A T A

A T C C T A T T G GC A G A T A

inverzió  

 

Szekvencia evolúció Homológ szekvenciák:  •

hasonlóak

•

közös ősre vezethetőek vissza

Analóg szekvenciák:  •

hasonlóság közös evolúciós ős nélkül

leszármazott#2

leszármazott#1 (rombusz)

(téglalap)

közös ős (paralelogramma)

ortológ: a homológ fehérjék két külön fajban találhatók, a funkció általában azonos Pl. szarvasmarha inzulin ­ emberi inzulin paralóg: a homológ  fehérjék ugyanazon fajban találhatók (általában nem teljesen  azonos funkció)  

 

Pl. emberi hemoglobin A és hemoglobin B láncok

Homológia keresés a hőskorban: Dotplot  zaj

• A két szekvencia az X illetve Y tengelyre kerül • Minden X pozíciót minden Y pozícióval összehasonlítunk • Ahol egyezés van, oda egy pontot teszünk  

• Az közös régiók átlós vonalként jelennek meg  

Homológia keresés: szekvencia illesztés • Nukleinsav vagy fehérje szekvenciák egymáshoz rendezése • Nagyon sok illesztés lehetséges • Melyik a legjobb? Valós hasonlóságot mutat? Tényleg homológ a két  szekvencia? Az illesztések kiértékeléséhez pontozási rendszer szükséges

Szekvencia1 Szekvencia 2

actaccagttcatttgatacttctcaaa taccattaccgtgttaactgaaaggacttaaagact

actaccagttcatttgatacttctcaaa taccattaccgtgttaactgaaaggacttaaagact actaccagttcatttgatacttctcaaa taccattaccgtgttaactgaaaggacttaaagact

actaccagttcatttgatacttctcaaa taccattaccgtgttaactgaaaggacttaaagact

actaccagttcatttgatacttctcaaa taccattaccgtgttaactgaaaggacttaaagact actaccagttcatttgatacttctcaaa

 

actaccagttcatttgatacttctcaaa taccattaccgtgttaactgaaaggacttaaagact

taccattaccgtgttaactgaaaggacttaaagact

 

actaccagttcatttgatacttctcaaa taccattaccgtgttaactgaaaggacttaaagact

Homológia keresés: pontozás

actaccagttcatttgatacttctcaaa

Szekvencia1

taccattaccgtgttaactgaaaggacttaaagact

Szekvencia 2

Negatív érték bünteti az eltéréseket: A

 

T

C

G

A

5

-4 -4 -4

T

-4

5 -4 -4

C

-4

-4

G

-4

-4 -4

5 -4 5

Illeszkedik: 5 Nem illeszkedik: 19 Score:  5 x 5 + 19 x (­4) = ­ 51    

A DNS pontozási rendszer hibája

CCTCCTTTGT 5 5 5 5 5 5 5 5 5 5 Pont = 50

CCTCCTTTGT Pro

A A

T

C

5 -4 -4 -4

T -4

5 -4 -4

G –4 -4

Leu

G

5 -4

C -4 -4 -4

5

CCTCCTTTGG 5 5 5 5 5 ­4 5 5 ­4 5

Pont = 32

CCTCCCTTAG Pro  

Leu  

Nem veszi figyelembe, hogy egy aminosavat több kodon is kódolhat (néma mutációk)

Fehérje pontozási rendszer – a háttér • Az aminosavaknak különböző fizikai­kémiai tulajdonságaik vannak, ezek befolyásolják a kicserélhetőségüket • Például a valin(V) és az izoleucin(I) kicserélhető egymásra 

alifás L hidrofób

P

C S+S I M

V

pici

A

kicsi

G CSH

S

K

E

D

T F

Y W

H

R

aromás

N Q pozitív poláris

töltött A: alanin,  R: arginin,  N: aszparagin, D: aszparaginsav,  C: cisztein,  Q: glutamin,   E: glutaminsav,  G: glicerin,   H: hisztidin,  I: izoleucin,  L: leucin,  K: lizin,  M: metionin,  F: fenilalanin,  P: prolin, S: serin,  T: treonin,       W: triptofán,   Y: tirozin

Fehérje pontozási rendszerek (mátrixok) • pontszámot rendel az összes lehetséges aminosav­aminosav cseréhez • fehérje szekvenciák többszörös illesztésének vizsgálatából származó adatok

 

Blossum62­es mátrix  

Szekvencia illesztés: globális vagy lokális

Globális illesztés: a teljes szekvenciát igyekszik optimálisan elrendezni

Σ  50 pont

Lokális: a legnagyobb jól illeszkedő közös szakaszt keresi meg

Σ  55 pont  

 

Természetesen a két módszer eltérő illesztést ad

BLAST: Basic Local Alignment Tool

• BLAST: egyszerű lokális szekvenciaillesztő eszköz • az NCBI portálon hozzáférhető: http://blast.ncbi.nlm.nih.gov/Blast.cgi • igen gyors, igen elterjedt  • alkalmas nagyméretű szekvencia adatbázisokban történő homológia keresésre • program variációk:

 

szekvencia

adatbázis

program

nukleotid

nukleotid

blastn

fehérje

fehérje

blastp

transzlált  nukleotid

fehérje

blastx

fehérje

transzlált  nukleotid

tblastn

transzlált  nukleotid

transzlált    nukleotid

tblastn

BLAST: Basic Local Alignment Tool

keresett  szekvencia (query)

Választható fehérje blast adatbankok: melyik  adatbankban  keressen

 

nr

ismétlődéstől mentes, ~GenePept

refseq

jól jellemzett, felülvizsgált adatok (NCBI)

swissprot

jól jellemzett, felülvizsgált adatok (Swiss Institute)

pat

szabadalmakhoz kacspolódó szekvenciák

pdb

ismert 3D­s modellel rendelkező szekvenciák

env

  környezeti szekvenálások eredményei

Keresés folyamatban...

Becsült hátralévő idő (minimum)

 

 

Eredmények... Fajok szerint rendezve

találatok  

Pontszám­színkód  

Eredmények... találat neve + hivatkozás

találat leírása

E érték 

megengedett csere

azonos aminosavak

deléció (gap) nem megengedett csere  

 

Milyen információkat kaphatunk fehérje szekvenciák  vizsgálatával

• A fő kérdés: mi az adott fehérje pontos szerepe, funkciója? • Segítt­e a szekvencia ismerete a funkció meghatározásában?

 

 

Fehérje aminosav sorrend meghatározza a térszerkezetet Anfinsen, 1961

• Urea hatására az RNáz kicsapódik, (harmadlagos térszerkezete elvész) • Az urea eltávolítása után az RNáz külső segítség nélkül visszanyerte a térszerkezetét,  és az aktivitását!  katalitikus zseb

diszulfid hidak

 

 

hidrofil oldalláncok hidrofób mag

Fehérje szekvencia analízis révén funkció jóslás

• Hasonló szekvencia keresése adatbázisban, ismert funkcióval • Hasonló szekvencia keresése adatbázisban, ismert térszerkezettel  • Ismert funkcióval bíró domain­ek azonosítása az ismeretlen szekvencián

Funkció jóslás Pusztán szekvencia analízissel a fehérje funkcióját nem lehet megállapítani A bioinformatikai vizsgálatok ötleteket, kiindulópontot adnak a kísérletes  munkához

 

 

Protein Data Bank 

 

Kísérletesen meghatározott háromdimenziós fehérje szerkezeti modellek  

http://www.rcsb.org/pdb/home/home.do

Keresés a PDB adatbázisban

 

 

CDD konzervált domain adatbank

Domain: a fehérjén belüli részegység, amely jól definiált strukturális vagy funkcióbeli  szerepet tölt be. Egy fehérjén belül gyakran több domaint találunk, amelyek  együttesen járulnak hozzá a fehérje működéséhez  

 

http://www.ncbi.nlm.nih.gov/Structure/cdd/cdd.shtml

CDD konzervált domain adatbank találat

azonosított aktív központ, szubsztrát kötő helyek  

 

azonosított domain­ek

NCBI portál – az információ özöne

 

 

Entrez: az NCBI integrált keresőmotorja

OMIM

PubMed PubMed Central

3D Domains

Journals

Structure

Books

CDD/CDART

Entrez

Protein

Taxonomy Genome

GEO/GDS

UniSTS

UniGene Nucleotide  

PopSet  

SNP

Szakirodalmi adatbázis:  Pubmed

• közel 5300 tudományos folyóirat cikkeinek összefoglalóiban kereshetünk  

 

• a szabadon letölthető teljes cikkekre hivatkozás

Szakirodalmi adatbázis:  Pubmed

 

• a megtalált összefoglaló munkákat (review article) külön is kilistázhatjuk  

Szakirodalmi adatbázis:  Pubmed

• különféle ikonok jelzik, hogy a megtalált teljes cikk hozzáférhető­e

ingyenes hozzáférés

 

 

Pubmed Central

• 500 szabadon, elektronikusan elérhető folyóirat

 

 

Map viewer • interaktív genetikai térképek az elkészült és a folyamatban lévő genom projektekhez

 

 

Map viewer Kulcsszavas keresés

 

 

találatok a kromoszómákon

Humángenetikai adatbázis OMIM • Örökletes betegségekkel kapcsolatos információk

 

 

Rendszertani adatbázis (taxonómia)

 

 

Szabadon olvasható könyvek: NCBI Books

 

 

Szabadon olvasható könyvek: NCBI Books

Berg, Jeremy M.; Tymoczko, John L.; and Stryer, Lubert. New York: W. H. Freeman and Co.; c2002

Biochemistry 

Cooper, Geoffrey M. Sunderland (MA): Sinauer Associates, Inc.; c2000

The Cell ­ A Molecular Approach 

Gilbert, Scott F. Sunderland (MA): Sinauer Associates, Inc.; c2000

Developmental Biology 

Janeway, Charles A.; Travers, Paul; Walport, Mark; Shlomchik, Mark New York and London: Garland Science; c2001

Immunobiology

Lodish, Harvey; Berk, Arnold; Zipursky, S. Lawrence;  Matsudaira, Paul; Baltimore, David; Darnell, James E. New York: W. H. Freeman & Co.; c1999

Molecular Cell Biology 

Coffin, John M.; Hughes, Stephen H.; Varmus, Harold E. Plainview (NY): Cold Spring Harbor Laboratory Press; c1997

 

 

Retroviruses 

Egyéb hasznos adatbankok: BRENDA enzim adatbázis

Átfogó adatgyűjtemény enzimekről • az enzim helye a metabolikus hálózatban • az enzim által katalizált reakciók leírása • előfordulás különféle élőlényekben, irodalmi hivatkozások • aktivitás adatok, enzimkinetikai adatok • optimális hőmérséklet, pH adatok • gátlószerek hatása

 

  http://www.brenda­enzymes.org/

KEGG anyagcsere útvonal adatbázis http://www.genome.jp/kegg/