Bevezetés a bioinformatikábabiotech.szbk.u-szeged.hu/bioinf/lev/Bev_Bio_lev_2009.pdfInformáció a kurzusról I. elméleti alapok (az év végi vizsga anyaga) II. az elméleti részhez

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

hardverek, szoftverek megválaszolandó kérdés, biológiai adat

biológia

Bioinformatika: biológiai adatok számítógépes analízise.

transzkriptomika

proteomika

biokémiai aktivitás

metabolikus útvonalak

Centrális dogma és a bioinformatika főbb területei a molekuláris biológiában

degradáció

DNSGén

transzkripció, RNS szerkesztés

RNS

degradáció

fehérje

transzláció, poszttranszlációs módosítás

metabolomika

genomika

a DNS a fő biológiai információhordozó

a baktérium módosítható (transzformálható)

Avery 1944

a transzformáló anyag DNS

proteáz

RNáz

DNáz

egér meghal

egér meghal

egér túlél

F. Griffith 1925-1928

Streptococcus pneumoniae

Hershey és Chase 1952

1., Escherichia colit fertőztek radioaktívan jelölt T2 fággala 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

DNS: ATG RNS: AUG AS: Metionin

Második karakter

Harm

adik karakterEls

ő kar

akte

r

Hogyan nyerjük ki a szekvencia információt?

DNS Fehérje

Könnyen tisztíthatóNehezebben 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 h i - x - 1 7 45 3 8 6 b p

C D S 4

C D S 5

C D S 6

C D S 7

C D S 8

C D S 9

C D S 1 0

C D S 1 1

M i s c F e a t u r e 1

M i s c F e a t u r e 2

R e p O r i g i n 1

m R N A 1

m R N A 2

V a r i a t i o n 1

V a r i a t i o n 2

V a r i a t i o n 3

V a r i a t i o n 4

A p a L I ( 4 7 8 0 )

A v a I ( 1 6 3 )

P s t I ( 1 )

Frederick Sanger

• az első publikált teljes genom (1977)

• kb. 5000 nukleotid (!)

Sangerféle DNS szekvenálás elve

lánc termináció ddGTP jelenlétében termék keverék

P P

P

P

P

P

P

P

Sangerféle DNS szekvenálás elve

ddGTP ddTTP ddATP ddCTP

P

P

P

PP

P

P P

P

P

P

P

P

P

P

poliakrilamid gél

futtatás iránya:zseb

Egy igazi szekvenáló létra

5’ tcaactttgtcggcttgagaaagacctgggatctgggtat...

Szekvencia:

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

a genomi fragmentek plazmidokba ligálása

a plazmidok bejuttatása E. coliba

miden klónból plazmid tisztítás

inszert szekvenálása contig assembly

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

A Sangerszekvenálásra alapozott shotgun módszer korlátai

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

Roche 454 FLXABI Solid Illumina Solexa

Új generációs szekvenálási technológiák

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

EBI

GenBank

DDBJ

EMBL

EMBLEMBLNIGNIG

CIB

NCBINIHNIH

Japan Europe

USA

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

http://www.ncbi.nih.gov

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

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

Mi az adatbázis?

– 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

számítógépes fájl strukturált adattartalommal

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:

~taxonómiaPRI 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

szekvencia jellege

Töretlen, közel exponenciális növekedés

A GeneBank adatbázis gyarapodása

0

10

20

30

40

50

60

70

80

90

1980 1985 1990 1995 2000 2005 2010

Nukleotid(milliárd bp)

Szekvencia(millió db)

0

20

40

60

80

100

120

1980 1985 1990 1995 2000 2005 2010 2015

2009 október

LOCUS AF062069 3808 bp mRNA linear INV 23-OCT-2002DEFINITION Limulus polyphemus myosin III mRNA, complete cds.ACCESSION AF062069VERSION AF062069.2 GI:7144484KEYWORDS .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 9614231REFERENCE 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, USAREFERENCE 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 submitterCOMMENT On Mar 2, 2000 this sequence version replaced gi:3132700.

Egy GeneBank bejegyzés


LOCUS AF062069 3808 bp mRNA linear INV 23-OCT-2002

Molekula típusDivízió

Módosítás DátumLókusz név

Hossz

Egy GeneBank bejegyzés lókusz


ACCESSION AF062069VERSION AF062069.2 GI:7144484

A GeneBank azonosítók

Egyedi azonosító(fix)

GB azonosító(változhat!)


SOURCE Limulus polyphemus (Atlantic horseshoe crab) ORGANISM Limulus polyphemus Eukaryota; Metazoa; Arthropoda; Chelicerata; Merostomata; Xiphosura; Limulidae; Limulus.

NCBI Taxonómia

GeneBank a szekvencia eredete (Atlanti tőrfarkú)


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

szakirodalom kereszthivatkozás

GeneBank referenciák

FEATURES Location/Qualifiers source 1..3808 /organism="Limulus polyphemus" /db_xref="taxon:6850" /tissue_type="lateral eye" CDS 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 PCIQEIPQHPFLAQVEGKEDQLRSELVDILKKNPGEKLRNKPYNVTFKNGHLKTISGQBASE COUNT 1201 a 689 c 782 g 1136 tORIGIN 1 tcgacatctg tggtcgcttt ttttagtaat aaaaaattgt attatgacgt cctatctgtt 3781 aagatacagt aactagggaa aaaaaaaa//

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

fehérje adatbank kereszthivatkozás

A GeneBank tulajdonság tábla

>gi|7144484|gb|AF062069.2| Limulus polyphemus myosin III mRNA, complete cds TCGACATCTGTGGTCGCTTTTTTTAGTAATAAAAAATTGTATTATGACGTCCTATCTGTTGTTGTGTTACACAGGTACATATTAATAACAGGTAGCTAACGTACTTATATATACATATATATAATTGGTCTGTTACTTTCAGTTACTCCCTGACTTGTGATCCTACTTGTTGCTGTGTTATACAGGTATATATCACTAAAACAGACTGCTAACGTGCATATATTTATATATGTGTAGCTTTGTTAATGCTTTAACATGGAGTATAAGTGTATCAGTGAACATTTACCATTTGAGACTCTGCCTGATCCAGGTGATCGGTTTGAAGTACAAGAACTCGTTGGAACAGGAACTTATGCTACCGTATACTCAGCGATTGATAAGCAAGCAAACAAGAAGGTAGCGCTGAAGATTATAGGACACATTGCGGAAAATCTACTTGATATCGAAACTGAATATCGTATTTATAAAGCTGTCAATGGAATCAGTTTTTCCCCGAATTCCGTGGTGCTTTCTTCAAGCGTGGGGAACGAGAATCTGACAATGAGTATGGCTGGGAATTGAGTTTCTGGAAGAAGGGACAGCAGCTGACTTGCTTGCAACACACAGAAGGTTTGGAATTCACTTGAAGAAGACTTGATTGCTTTAATAATCAAGGAGGTTGTACGAGCTGTGCAGTACTTACATGAAAACAGCATTATCCACAGAGATATTCGTGCTGCCAATATAATGTTTTCTAAAGAGGGATATGTCAAATTAATTGACTTTGGTCTTTCTGCTTCAGTAAAGAACACGAACGGCAAAGCACAGTCTTCTGTGGGCTCCCCCTATTGGATGGCTCCTGAGGTGATATCCTGTGACTGTCTTCAAGAACCTTATAACTACACATGTGACGTTTGGTCTATGGAATAACTGCTATAGAATTAGCAGACACAGTGCCCTCACTTAGCGATATTCATGCTTTAGCGCCATGTTTCGGATTAACAGAAATCCTCCCCCTAGTGTTAAGAGGGAAACACGCTGGTCAGAAACATTGAAAGATTTTATCAGCGAATGTTTGGTGAAAAATCCCGAATATCGACCGTGTATCCAAGAAATTCCCCAACACCCATTTTT...

A GeneBank (GenePept) bejegyzés FASTA formátumban

További szekvencia formátumok

nameless_1 nameless_1 Length: 457 Nov 15, 2004 10:24 Check: 7178 .. 1 GGCGAAGATT CGGCCAGGCA AAGAAGAGCG CGACGAATGG GAGCATGTAG 51 CCATGGCTGT ATTCCTCCGT ACCCCATGCC CCAACCATGC GAGTCAAACC 101 TTCGTGAAAG ATCACCACGA GCAGCCCGAA GACGATGGCC ATCCACACGA 151 CGTGAATGAA CCGCGCCCTC CATGCGGTCC GCGGTTTTTC AATGATCGAA 201 AGGGAATCGG CAACTTGAGT GGAGTCAGTC ATATCAGGAG TCCCTTTGGG 251 AGATGCTTCA GAGAGCAAGG TTCGTTGCCT CGGACCTGCA TCACCCAACC 301 ATACAGATGC TCGGTTCGCG ACGGCCTGCG TTGATTGCGC TGAGGATACC 351 CGGTTCCAGT CCGTGCGACG ACCATTAATA AGGCGCTCCA CAGTTCCCGC 401 GGGACACTAG CCAACCGGGC AGTGTCCACT GGGCAGCGGG CAGGGTCTCC 451 CCCGGGA

GCG

ID nameless standard; DNA; UNC; 457 BP. SQ Sequence 457 BP; GGCGAAGATT CGGCCAGGCA AAGAAGAGCG CGACGAATGG GAGCATGTAG CCATGGCTGT 60 ATTCCTCCGT ACCCCATGCC CCAACCATGC GAGTCAAACC TTCGTGAAAG ATCACCACGA 120 GCAGCCCGAA GACGATGGCC ATCCACACGA CGTGAATGAA CCGCGCCCTC CATGCGGTCC 180 GCGGTTTTTC AATGATCGAA AGGGAATCGG CAACTTGAGT GGAGTCAGTC ATATCAGGAG 240 TCCCTTTGGG AGATGCTTCA GAGAGCAAGG TTCGTTGCCT CGGACCTGCA TCACCCAACC 300 ATACAGATGC TCGGTTCGCG ACGGCCTGCG TTGATTGCGC TGAGGATACC CGGTTCCAGT 360 CCGTGCGACG ACCATTAATA AGGCGCTCCA CAGTTCCCGC GGGACACTAG CCAACCGGGC 420 AGTGTCCACT GGGCAGCGGG CAGGGTCTCC CCCGGGA 457 //

EMBL \\\ ENTRY nameless_1 TITLE nameless_1 475 bases SEQUENCE 5 10 15 20 25 30 1 M S R T V T I E P V T R I E G H A R I T L Q L G D A G E V E 31 D A K F H L T Q F R G F E K F C E G R P Y R E M P A L T A R 61 T C G I C P V S H V L A S N K A C D H L L S V S I P P T G E 91 K L R R I I N L A Q L T Q S H A L S F F H L S S P D L L L G 121 W D S D P V S R N I F G V M R Q D P A L A K D G I R L R Q I 151 G Q T I I E T L G G K K I H P T W V V P G G V S E P L T Q E 181 K R D A M L K L I P E G L E I A K R T Y A F F K T L V P K F 211 K D E A N H F G S Q P T M F L S L V S P K G H L E H Y D G F 241 L R L K D A Q G R I L E D M V P P H E Y E R L I G E A V E D 271 F S Y M K F P Y Y K P H G Y P N G I Y R V G P L A R L N N V 301 D A C G T P Y A D V A L A E F H M L Q E S G P I A S S F H Y 331 H Y A R L V E I I Y A L E M M E R L L K D P T I L D A R V R 361 A R A R S N R Y E G I G V A E A P R G I L M H H Y R I D D E 391 G L I T W V N L I I A T G H N N L A M N Q S I R Q V A D A Y 421 V D G N N L Q E G M L N R V E A V I R C F D P C L S C A S H 451 A F G E M P L A I E L K D A T G R V V D T L R R G ///

PIR

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

http://cbi.labri.fr/outils/Pise/seqret.html















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

AT T

Változások a szekvenciákban

A

A

T

T

C

C

C

C

T

G

A

A

T

T

T

T

C

A

A

A

C

C

A

A

G

G

A

A

T

T

A

A

pontmutációk

A

A

T

T

C

C

C

C

G

A

T

T

A

A

A

C

C

A

A

G

G

A

A

T

T

A

A

inszerció / deléció

A

A

T

T

C

C

C

C

C C A A T A C

C

A

A

G

G

A

A

T

T

A

A

inverzió

T G G

Szekvencia evolúció

Homológ szekvenciák:

• hasonlóak

• közös ősre vezethetőek vissza

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

Analóg szekvenciák:

• hasonlóság közös evolúciós ős nélkül

közös ős

(paralelogramma)

leszármazott#2

(téglalap)

leszármazott#1(rombusz)

Homológia keresés a hőskorban: Dotplot

• 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

zaj

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

actaccagttcatttgatacttctcaaataccattaccgtgttaactgaaaggacttaaagact





actaccagttcatttgatacttctcaaa

taccattaccgtgttaactgaaaggacttaaagact



Szekvencia1

Szekvencia 2



Negatív érték bünteti az eltéréseket:

A T C G

A 5 -4 -4 -4

T -4 5 -4 -4

C -4 -4 5 -4

G -4 -4 -4 5

Illeszkedik: 5Nem illeszkedik: 19

Score: 5 x 5 + 19 x (4) = 51

Szekvencia1

Szekvencia 2



Homológia keresés: pontozás

A T G C

A 5 -4 -4 -4

T -4 5 -4 -4

G –4 -4 5 -4

C -4 -4 -4 5

Pont = 50

CCTCCTTTGT

CCTCCTTTGT555555555 5

CCTCCTTTGG

CCTCCCTTAG55455555 54 Pont = 32

Pro Leu

Pro Leu

A DNS pontozási rendszer hibája

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

• Az aminosavaknak különböző fizikaikémiai tulajdonságaik vannak,ezek befolyásolják a kicserélhetőségüket

• Például a valin(V) és az izoleucin(I) kicserélhető egymásra

CP

GAVI

L

MF

YW H

KR

E Q

DNS

TCSH

S+S

pozitív

töltöttpoláris

alifás

aromás

kicsi

pici

hidrofób

Fehérje pontozási rendszer – a háttér

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

Lokális: a legnagyobb jól illeszkedő közös szakaszt keresi meg

Σ 55 pont

Σ 50 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



tblastn

BLAST: Basic Local Alignment Tool

keresett szekvencia

(query)

melyik adatbankban keressen

Választható fehérje blast adatbankok:

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

Pontszámszínkódtalálatok

Eredmények...

találat neve + hivatkozás találat leírása

megengedett csereazonos aminosavak

deléció (gap)

nem megengedett csere

E érték

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 térszerkezetetAnfinsen, 1961

diszulfid hidak

hidrofób mag

katalitikus zseb

hidrofil oldalláncok

•Urea hatására az RNáz kicsapódik, (harmadlagos térszerkezete elvész)

•Az urea eltávolítása után az RNáz külső segítség nélkül visszanyerte a térszerkezetét, és az aktivitását!

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

Pusztán szekvencia analízissel a fehérje funkcióját nem lehet megállapítani

A bioinformatikai vizsgálatok ötleteket, kiindulópontot adnak a kísérletes munkához

Funkció jóslás

Protein Data Bank

Kísérletesen meghatározott háromdimenziós fehérje szerkezeti modellekhttp://www.rcsb.org/pdb/home/home.do

Keresés a PDB adatbázisban

CDD konzervált domain adatbank

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

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

CDD konzervált domain adatbank találat

azonosított aktív központ, szubsztrát kötő helyek

azonosított domainek

NCBI portál – az információ özöne

EntrezEntrez

PopSet

Structure

PubMed

Books

3D Domains

Taxonomy

GEO/GDS

UniGene

Nucleotide

Protein

Genome

OMIM

CDD/CDART

Journals

SNP

UniSTS

PubMed Central

Entrez: az NCBI integrált keresőmotorja

Szakirodalmi adatbázis: Pubmed

• közel 5300 tudományos folyóirat cikkeinek összefoglalóiban kereshetünk

• a szabadon letölthető teljes cikkekre hivatkozás

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


• különféle ikonok jelzik, hogy a megtalált teljes cikk hozzáférhetőe

ingyeneshozzáférés


Pubmed Central

• 500 szabadon, elektronikusan elérhető folyóirat

Map viewer

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

Kulcsszavas keresés

találatok a kromoszómákon

Map viewer

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, MarkNew 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

http://www.whfreeman.com/

http://www.ncbi.nlm.nih.gov/books/bv.fcgi?rid=stryer.TOC&depth=2

http://www.sinauer.com/


http://www.ncbi.nlm.nih.gov/bookshelf/br.fcgi?book=cooper



http://www.ncbi.nlm.nih.gov/bookshelf/br.fcgi?book=dbio

http://www.garlandscience.com/

http://www.ncbi.nlm.nih.gov/bookshelf/br.fcgi?book=imm

http://www.whfreeman.com/

http://www.ncbi.nlm.nih.gov/books/bv.fcgi?rid=mcb.TOC

http://www.cshlpress.com/default.tpl?cart=105785117514030383&fromlink=T&linkaction=full&linksortby=oop_title&--eqSKUdatarq=346

http://www.ncbi.nlm.nih.gov/bookshelf/br.fcgi?book=rv

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/

Documents

Bevezetés a bioinformatikábabiotech.szbk.u-szeged.hu/bioinf/lev/Bev_Bio_lev_2009.pdfInformáció a kurzusról I. elméleti alapok (az év végi vizsga anyaga) II. az elméleti részhez