1

Machine Learning for BioinformaticsMachine Learning for Bioinformatics

2

Topics in BioinformaticsTopics in Bioinformatics

Structure analysisStructure analysis Protein structure comparison Protein structure prediction RNA structure modeling

Pathway analysisPathway analysis Metabolic pathway Regulatory networks

Sequence analysisSequence analysis Sequence alignment Structure and function prediction Gene finding

Expression analysisExpression analysis Gene expression analysis Gene clustering

3

Sequence AlignmentSequence Alignment

Bio-sequence 의 유사성을 측정 Sequence alignment 는 bioinformatics 의 여러 분야에서 널리 사용되는 개념

4

Sequence AlignmentSequence Alignment 의 응용의 응용 Database 검색

Sequence 가 유사한 gene 은 기능도 유사할 확률이 높음 새로 밝혀낸 gene 이 어떤 기능을 하는지 알아내기 위해서

이미 기능이 밝혀진 gene 들이 저장되어 있는 database에서 유사한 sequence 를 갖는 gene 을 검색할 필요가 있음

Genome sequencing Overlap 이 있는 sequence 조각들로부터 긴 sequence 를

재조합 할 때 sequence alignment 를 이용함 Comparative genomics

실험이 용이한 하등 동물의 정보를 이용하여 고등 동물의 gene 을 밝혀냄

예 : 인간과 쥐의 gene 은 매우 유사함 실험을 통해 쥐의 gene 들의 기능을 밝힘 기능이 밝혀진 쥐의 gene의 서열과 유사한 인간의 서열을 찾으면 이 부분이 같은 기능을 하는 인간의 gene 일 가능성이 높음

5

Sequence AlignmentSequence Alignment 의 응용의 응용 Gene finding

인간과 쥐의 exon 부분의 유사도는 평균 85% 이지만 intron 부분의 평균 35% 정도임

인간과 쥐의 genome sequence 에서 유사도가 높은 부분을 찾으면 , 이 부분은 exon 일 확률이 크다 .

단백질의 기능 , 구조 예측 아미노산 sequence 가 유사하면 단백질의 기능 , 3 차원

구조도 유사할 가능성이 높음 단백질 아미노산 sequence 를 새로 밝혀냈을 때 , 유사한

아미노산 sequence 를 갖는 단백질을 찾아 단백질의 기능 , 3 차원 구조를 예측할 수 있음 .

6

Global AlignmentGlobal Alignment

Global distance alignment problem: 두 sequence 사이의 distance 의 최소값을 찾는 문제

Global similarity alignment problem: 두 sequence 사이의 similarity 의 최대값을 찾는 문제

참고 : edit distance 하나의 string 을 다른 string 으로 바꾸는데 필요한 insertio

n, deletion, substitution 연산의 수str1: G C T G A T A T A G C T

str2: G G G T G A T T A G C TEdit distance = 3

7

Local AlignmentLocal Alignment

Local alignment

두 sequence 사이에 similarity 가 가장 높은 부분을 찾는 문제

Multiple alignment Sequence alignment algorithms

Smith-Waterman algorithm FASTA BLAST

8

Genetic Algorithms:Genetic Algorithms: RepresentationRepresentation

For sequence assembly The sorted order representation

Operators A simple swap operation as the mutation operator Permutation crossover Transposition operator Inversion operator

4 2 1 5 3 Layout Final

1 5 3 4 2 Layout teIntermedia

4 2 3 1 5 Order Sort

3 11 6 9 2 14 Number Decimal

0011|0011|1011|1001|0010|1110 Individual

5 4 3 2 1

startingposition

9

Structure and Function PredictionStructure and Function Prediction

Protein structure

prediction

Protein modeling

10

Hidden Markov Models Hidden Markov Models for Protein Modelingfor Protein Modeling

11

Gene FindingGene Finding

Prokaryotes One continuous stretch

Eukaryotes Exon, intron

12

Coding and Non-coding RegionsCoding and Non-coding Regions

DNA

Regulatory region Protein coding region

DNA RNA Protein

GENE

DNA

Non-coding

region

Non-coding

region

AUG TAA

promoter, start(stop) codon, splice site(donor site, acceptor site)

13

Multilayer PerceptronsMultilayer Perceptronsfor Internal Exon Prediction: GRAIL for Internal Exon Prediction: GRAIL

Coding potential value

GC Composition

Length

Donor

Acceptor

Intron vocabulary

basesDiscreteexon score

0

1

sequence

score

14

Decision Trees Decision Trees for Gene Findingfor Gene Finding

MORGAN: A decision tree system for gene finding. Coding and non-coding regions finding/exon finding

donor: donor

site score

d+a: donor and

acceptor

site score

hex: in-frame

hexamer freq.

asym: Fickett’s

position assy-

metry statistic

d+a<3.4?

d+a<1.3?

hex<16.3?

donor<0.0?

yes

(6,560)

(18,160)

(5,21) (23,16)

d+a<5.3?

hex<0.1?

(9,49)(142,73)

hex<-5.6?

asym<4.6?

(24,13) (1,5)

(737,50)

no by Markov Chains

15

Gene Expression AnalysisGene Expression Analysis(Section 1-2)(Section 1-2)

Gene expression Transcription 과 translation 과정을 통하여 gene 이 protein

으로 발현되는 것 Gene expression level 은 gene 의 기능에 대한 단서를 제공

DNA chip 을 통해 세포의 gene expression level 을 효율적으로 알아낼 수 있음

Gene expression analysis 과정 알려진 gene sequence 를 이용하여 DNA chip 을 제작 Target 세포에서 mRNA 를 추출하여 cDNA 를 만들고 DN

A chip 에 가하면 hybridization 이 일어남 Hybridization 이 일어난 정도를 분석하면 gene expression

정도를 알 수 있음

16

Gene Expression AnalysisGene Expression Analysis

cDNA Microarray

17

18

19

Disease Diagnosis:Disease Diagnosis:Bayesian Networks Based on Gene Expression LevelsBayesian Networks Based on Gene Expression Levels

Processed

dataData

Preprocessing

Learningalgorithm

Gene C Gene B

Gene A

Target

Gene D

Gene C Gene B

Gene A

Target

Gene D

Gene C Gene B

Gene A

Target

Gene D

Gene C Gene B

Gene A

Target

Gene D

The values of Gene C and Gene B are given.

Belief propagation Probability for the target is computed.

Learning

Inference

20

Disease Diagnosis:Disease Diagnosis:Cancer Classification with DNA MicroarrayCancer Classification with DNA Microarray