“Биоинформатика в сфере анализа данных секвенирования ДНК и РНК”

Биоинформатикав сфере анализа данныхсеквенирования ДНК Панкратов Василий,

Институт генетики и цитологии НАН Беларуси

•Что такое биоинформатика?•Что такое ДНК?•Что такое секвенирование ДНК?•Биоинформатические задачи при секвенировании ДНК

ПЛАН


ПЛАН

КТО ТАКИЕ БИОИНФОРМАТИКИ?

Экспериментальные биологи

Био-информатики

Вычислительныебиологи

5

ОБЛАСТИ ПРИМЕНЕНИЯ БИОИНФОРМАТИКИ

АНАЛИЗ ИЗОБРАЖЕНИЙ

https://promo.gelifesciences.com

МОДЕЛИРОВАНИЕ 3D СТРУКТУРЫ БЕЛКОВ

https://pdb101.rcsb.org/motm/14

АНАЛИЗ ДАННЫХ СЕКВЕНИРОВАНИЯ ДНК


ПЛАН

ЧТО ТАКОЕ ДНК?

https://commons.wikimedia.org/wiki/File:DNA_chemical_structure_2.svg

GC

AТ

ГЕНОМ ЧЕЛОВЕКА

КАКОВА ФУНКЦИЯ ДНК?

Белки

Инструменты

ДНК (гены)Архив

информации

РНК

Переносчикинформации


ПЛАН

ЧТО ТАКОЕ СЕКВЕНИРОВАНИЕ (SEQUENCING)?

AAGCTGCGACGCCGCTGCATCGGACTGACTGCATCGACTACGACTAGCGA

•Диагностика заболеваний (в т.ч. пренатальная) •Подбор индивидуального лечения•Оценка риска развития заболеваний в будущем•Оценка предрасположенностей•Оценка риска развития заболеваний у детей

–«Подбор» детей и «дизайн» детей

ЗАЧЕМ СЕКВЕНИРОВАТЬ ГЕНОМЫ ЛЮДЕЙ?

•Подбор лечения для конкретного варианта бактерии или вируса•Более «осмысленная» селекция и биотехнология сельско-хозяйственных организмов

ЗАЧЕМ СЕКВЕНИРОВАТЬ ДРУГИЕ ГЕНОМЫ?


ПЛАН

СТОИМОСТЬ СЕКВЕНИРОВАНИЯ ГЕНОМА ЧЕЛОВЕКА

СТОИМОСТЬ СЕКВЕНИРОВАНИЯ

http://www.businessinsider.com/super-cheap-genome-sequencing-by-2020-2014-10

Стоимость секвенирования

Стоимость хранения и обработки данных

ЗАДАЧА 1 АНАЛИЗ ИСХОДНОГО СИГНАЛА

AAGCTGCGACGCCGCTGCATCGGACTGACTGCATCGACTACGACTAGCGA

ИСХОДНЫЙ СИГНАЛ (ILLUMINA)

ИСХОДНЫЙ СИГНАЛ (PACIFIC BIOSCIENCE)

ИСХОДНЫЙ СИГНАЛ (OXFORD NANOPORE)

@SRR566546.970 HWUSI-EAS1673_11067_FC7070M:4:1:2299:1109 length=50TTGCCTGCCTATCATTTTAGTGCCTGTGAGGTGGAGATGTGAGGATCAGT+SRR566546.970 HWUSI-EAS1673_11067_FC7070M:4:1:2299:1109 length=50hhhhhhhhhhghhghhhhhfhhhhhfffffeèe[`X]b[d[ed`[Y[^[email protected] HWUSI-EAS1673_11067_FC7070M:4:1:2374:1108 length=50GATTTGTATGAAAGTATACAACTAAAACTGCAGGTGGATCAGAGTAAGTC+SRR566546.971 HWUSI-EAS1673_11067_FC7070M:4:1:2374:1108 length=50hhhhgfhhcghghggfcffdhfehhhhcehdchhdhahehffffde`[email protected] HWUSI-EAS1673_11067_FC7070M:4:1:2438:1109 length=50TGCATGATCTTCAGTGCCAGGACCTTATCAAGCGGTTTGGTCCCTTTGTT+SRR566546.972 HWUSI-EAS1673_11067_FC7070M:4:1:2438:1109 length=50dhhhgchhhghhhfhhhhhdhhhhehhghfhhhchfddffcffafhfghe

ФОРМАТ FASTQ

ЗАДАЧА 2 СЖАТИЕ И ХРАНЕНИЕ ДАННЫХ

~ 108 записей

или~ 10-30 Гбайт

@SRR566546.970 HWUSI-EAS1673_11067_FC7070M:4:1:2299:1109 length=50TTGCCTGCCTATCATTTTAGTGCCTGTGAGGTGGAGATGTGAGGATCAGT+SRR566546.970 HWUSI-EAS1673_11067_FC7070M:4:1:2299:1109 length=50hhhhhhhhhhghhghhhhhfhhhhhfffffeèe[`X]b[d[ed`[Y[^[email protected] HWUSI-EAS1673_11067_FC7070M:4:1:2374:1108 length=50GATTTGTATGAAAGTATACAACTAAAACTGCAGGTGGATCAGAGTAAGTC+SRR566546.971 HWUSI-EAS1673_11067_FC7070M:4:1:2374:1108 length=50hhhhgfhhcghghggfcffdhfehhhhcehdchhdhahehffffde`[email protected] HWUSI-EAS1673_11067_FC7070M:4:1:2438:1109 length=50TGCATGATCTTCAGTGCCAGGACCTTATCAAGCGGTTTGGTCCCTTTGTT+SRR566546.972 HWUSI-EAS1673_11067_FC7070M:4:1:2438:1109 length=50dhhhgchhhghhhfhhhhhdhhhhehhghfhhhchfddffcffafhfghe

ФОРМАТ FASTQ

@SRR566546.970 HWUSI-EAS1673_11067_FC7070M:4:1:2299:1109 length=50TTGCCTGCCTATCATTTTAGTGCCTGTGAGGTGGAGATGTGAGGATCAGT+SRR566546.970 HWUSI-EAS1673_11067_FC7070M:4:1:2299:1109 length=50hhhhhhhhhhghhghhhhhfhhhhhfffffeèe[`X]b[d[ed`[Y[^Y

ПРОЧТЕНИЕ

•Оценить общий результат•Убрать короткие/низкокачественные прочтения•Обрезать прочтения по концам

ЗАДАЧА 3 КОНТРОЛЬ КАЧЕСТВА И ФИЛЬТРАЦИЯ

ЗАДАЧА 4.1 СБОРКА ГЕНОМА DE NOVO

AAGCTGCGACGCCGCTGCATCGGACTGACTGCATCGACTACGACTAGCGAGCT

ACTAGCGAGCT

CGGACTGACTG

GCATCGGACTG

ACGCCGCTGCA

GCCGCTGCATCAAGCTGCGA

GCGACGCCG

TGACTGCATCGATGCATCGACTA

CTGCATCGACTACCGACTACGACTAG

ACGACTAGCGAGCT

СБОРКА ГЕНОМА DE NOVO


ACTAGCGAGCT CGGACTGACTG GCATCGGACTG ACGCCGCTGCA

GCCGCTGCATCAAGCTGCGA GCGACGCCG TGACTGCATCGA TGCATCGACTA

CTGCATCGACTAC CGACTACGACTAG

ACGACTAGCGAGCT

ТРУДНОСТИ СБОРКИ DE NOVO

Chaisson et al., 2015

ЗАДАЧА 4.2 РЕ-СЕКВЕНИРОВАНИЕ


ACTAGCGAGCT CGGACTGACTG GCATCGGACTG ACGCCGGCA

GCCGGCATCAAGCTGCGA GCGACGCCG TGACTGCATCGG TGCATCGGCTA

CTGCATCGGCTAC CGGCTACGACTAG

ACGACTAGCGAGCT

РЕ-СЕКВЕНИРОВАНИЕ


ACTAGCGAGCT CGGACTGACTG GCATCGGACTG ACGCCG--GCA

GCCG--GCATCAAGCTGCGA GCGACGCCG TGACTGCATCGG TGCATCGGCTA

CTGCATCGGCTAC CGGCTACGACTAG

ACGACTAGCGAGCT

ПОИСК ОТЛИЧИЙ (МУТАЦИЙ)

ФОРМАТ VCF

ЗАДАЧА 5 ОЦЕНКА ПОКРЫТИЯ

70% с покрытием 5х

ТРУДНОСТИ ПРИ ОЦЕНКЕ ПОКРЫТИЯ

ТРУДНОСТИ ПРИ ОЦЕНКЕ ПОКРЫТИЯ

ЗАДАЧА 6 ИНТЕРПРЕТАЦИЯ РЕЗУЛЬТАТОВ

•Проверить базы данных и статьи•Попробовать предсказать эффект мутации

– Укороченный белок– Замена аминокислоты в одной позиции белка– Изменение концентрации белка

КАК УЗНАТЬ ЭФФЕКТ МУТАЦИИ?

•Мутация Х – Обычно безвредна– В сочетании с мутацией Y заболевание

развивается всегда– В сочетании с мутацией Z заболевание

развивается при определенных внешних воздействиях

ВЗАИМОДЕЙСТВИЕ МУТАЦИЙ

•Перевод «сырого» сигнала в последовательность•Хранение исходных, промежуточных и конечных данных•Сборка геномов de novo и при ре-секвенировании•Оценка покрытия•Интерпретация – ответ на биологический вопрос•Создание единого удобного решения

БИОИНФОРМАТИЧЕСКИЕ ЗАДАЧИ

ДЕСЕРТ 1 БИОИНФОРМАТИЧЕСКИЕ ИГРУШКИ

http://phylo.cs.mcgill.ca/ https://fold.it/portal/

ДЕСЕРТ 2 ДНК-АРХИВ

Биоинформатикав сфере анализа данныхсеквенирования ДНК Панкратов Василий,

Институт генетики и цитологии НАН Беларуси

ДЕСЕРТ 2 ДНК-АРХИВ

ПОСТРОЕНИЕ И АНАЛИЗ ГЕННЫХ СЕТЕЙ

Marbach et al., 2012

БЕЛКИ

GSGAGA

20 букв

http://www.whrhs.org/Page/1051

ИСХОДНЫЙ СИГНАЛ (ION TORRENT)

ЗАДАЧА 4.1 СБОРКА ГЕНОМА DE NOVO

Knudsen et al., 2010

СБОРКА ГЕНОМА

SAM ФОРМАТ

ВЫРАВНИВАНИЕ НА РЕФЕРЕНСНЫЙ ГЕНОМ

РЕ-СЕКВЕНИРОВАНИЕ

КАК

Заболевание Хромосома

Ген Мутации

Фенилкетонурия 12 PAH Множество

Муковисцедоз 7 CFTRДелеция 3

нуклеотидов

Серповидноклеточная анемия 11 HBB Замена 1

нуклеотида

Гемофилия Х F9 Множество

ПРЕЖДЕВРЕМЕННЫЙ СТОП КОДОН

US National Library of Medicine

СДВИГ РАМКИ СЧИТЫВАНИЯ


ЗАМЕНА АМИНОКИСЛОТЫ


Science

“Биоинформатика в сфере анализа данных секвенирования ДНК и РНК”