Introduction to bioinformatics T.K. Attwood & D.J. Parry-Smith Addison Wesley Longman Limited 1999

2 Sisältö 1. Johdanto 2. Tietoverkot 3. Proteiinitietokannat 4. Genomitietokannat 5. DNA analyysi 6. Kahden jonon rinnastus 7. Monen jonon rinnastus 8. Sekundäärirakenteiden tietokannat 9. Hakuprotokollan rakentaminen 10. Analyysiohjelmistot

3 1. Johdanto Sekvenssointi Mitä bioinformatiikka on? Sekvenssien ja rakenteiden suhde Genomiprojekteja Bioinformatiikan rooli Hahmon tunnistus ja ennustus Laskostumisongelma Kaperoni molekyyli Sekvenssianalyysi Homologia ja analogia Yksityiskohtien määrä

4 Sekvenssointi (aminohapot) Ens. proteiini 1955 ja ens. entsyymi : 20 proteiinia joiden pituus vähin- tään 100 tähdettä (residue) proteiinia, tänään Automaattinen sek- venssointimenetelmä 1980-luvulla antoi 10 4 kertaisen nopeuden verrattuna 1967 vuoteen 1979 massaspektro- metri, translaation jäl- keinen muokkaaminen

5 Sekvenssointi (nukleiinihapot) tRNA luvulla alle 100 nukleotidiä pitkiä DNA:t pitkiä, ihmisen c·10 6 emäsparia (base pair, bp), missä 55  c  250 kerralla voidaan lukea n. 500 bp PCR:llä, (polymeraasiketjure- aktio), kloonataan useita kopioita joiden avulla voidaan koota alkuperäinen jono Tekniikat levisivät luvulla laboratorioihin

6 Mitä bioinformatiikka on? Lähtökohtana DNA sekvenssien määrän kasvu ja ohjelmistojen kehittyminen Termi 1980 luvun puolivälissä Aluksi tarkoitti ohjelmistojen käyttöä sekvenssien käsittelyssä ja analyysissä Nykyään: informaatioteknologian soveltamista biologisen datan hallintaan ja analyysiin (CAPBIOS  Bioinformatics)

7 Sekvenssien ja rakenteiden suhde proteiinia Osittaisia proteiineja ja EST jonoja on miljoonia (expressed sequence tag) 3D rakenteita vain 1500 PDB:ssä Rakenteet vaikeita?

8 Genomiprojekteja 1980 luvun puolivälissä aloitettiin ihmisen geneettisen ja fyysisen kartan määrittäminen, vedos jo valmiina

9 Bioinformatiikan rooli Aikaisemmin rakennebiologian tutkimus oli tärkeintä, ei enää Biokemiallinen ja biofysikaalinen tieto johdettavissa osittain sekvensseistä (tarkistus) Vert. puhelinluettelo ja firman toiminta Käsin tehtyjen määrä pysyy pienenä

10 Tuntemattoman kielen tulkinta Lauseet – proteiinit Sanat – aiheet, motiivit (motif) Kirjaimet eli aakkosto – aminohapot Yhden kirjaimen muutos sanassa voi johtaa suureen muutokseen Proteeiinien suunnittelu yhtenä tavoitteena Laskennallinen vaativuus?

11 Hahmon tunnistus Proteiinit jaetaan perheisiin niiden toiminnan perusteella Kussakin perheessä on yhteisiä alisekvens- sejä ja rakenteita Verrataan tuntematonta proteiinia tunnettuihin ja päätellään sen toiminta epäsuorasti

12 Hahmon ennustus Idea: toiminnallisen paikan eli rakenteen voi ennustaa suoraan aminohappojonosta ilman että sitä on nähty aikaisemmin 40% onnistuminen ammattilaisen ohjailussa

13 Laskostumisongelma Ribonukleasin denaturointi minkä jälkeen laskostuminen alkuperäiseen muotoon (1961) Ennustus mahdollista! Sekundäärirakenteen parhaimillaan 70% (1998)

14 Sekundäärirakenteen ennustus Fysiokemialliset kriteerit (minimienergia) Tunnetut 3D rakenteisiin Homologiset proteiinit Sekvenssien rinnastustiedot Ongelmana on tunnettujen rakenteiden määrä

15 Kaperoni molekyylit Auttavat muodostettavan proteiinin laskostumisessa Umpikujien välttäminen ja tehokkuus? Määrääkö sekvenssin lineaarinen esitys lopullisen muodon? Sekvenssi-rakenne yhteys vaikea ongelma

16 Sekvenssianalyysi rakenteen ennustuksessa Sekvenssi-sekvenssi yhteys toimii ennus- tuksessa kun jonot ovat vähintään 50% samalaisia Hämäräalueella ei tilastollista merkitystä Osaratkaisu: käytetään yhdistelmämenetelmiä

17 Homologia ja analogia Homologia on väittämä: yhteinen kantaisä Analogia: samoja rakenteita vaikkei yhteistä kantaisää (rakenne, sekvenssi) Kehitys hajaantuu ja suppenee evoluution seurauksena Homologia helppo päätellä kun väh 50% samankaltaisuus

18 Orthologia ja paralogia Orthologia: eri lajeissa olevat homologiset proteiinit joilla sama toiminta Paralogia: yhdessä eliössä olevat homologiset proteiinit joilla läheiset mutta kuitenkin erilaiset toiminnat O: molekyylinen palentologia; sammankaltaisuuksia eri lajeissa P: evoluution mekanismien tarkastelu

19 Yksityiskohtien määrä Biologinen tieto (orthologia/paralogia) Ei laatukritereitä toiminta selityksille (function annotation) joten paljon virheitä tietokannoissa, varsinkin autom.gen. Tarkastellan vain osittaisia sekvenssejä; modulaarinen proteiini

20 Toiminnan päättely Geneettinen sekoittuminen (lego-palikkat) Luodaan uutta sekoittamalla vanhoja Toiminta voidaan selittää komponenttien toiminnan avulla mutta toimintaa ei voida päätellä yksittäisistä komponenteista

21 Metafora molekyylibiologialle