Презентация на тему "Введение в биоинформатику"

Содержание

• 
  Слайд 1

  Введение в биоинформатику

  Программные средства и базы данных Жулин Игорь Борисович и центр биоинформатикиПСПбГМУ им. И.П.Павлова

• 
  Слайд 2
  

  Будущее инженерной науки будет связано с робототехникой, биоинженерией и биоинформатикой, а также физико-химическим конструированием Виктор Садовничий: ректор МГУ, президент Союза ректоров Челябинск, совете Союза ректоров, посвященном созданию новой концепции инженерного образования. 26.09.2014

• 
  Слайд 3

  Что такое биоинформатика?

  Википедия (англ): Биоинформатика — это междисциплинарнаяобласть исследований и разработки методов и программных средствдля изучения биологических данных. Зачем она нужна? - Иногда по существу вопроса Иногда для экономии времени Иногда в дополнение Какие узкие места были у биоинформатики при ее возникновении?

• 
  Слайд 4

  National Science Foundation (США):

  Узкие места в биоинформатике: необходимость обучения биологов владению передовыми вычислительным средствами, Необходимость приглашения программистов в эту развивающуюся область знаний, ограниченная доступность баз данных биологической информации, потребность в более эффективных и интеллектуальных поисковых системах для этих баз данных.

• 
  Слайд 5

  Цели биоинформатики

  Конструирование и сопровождение биологических баз данных. Разработка программного обеспечения для анализа последовательностей, структур и функций. Применение или разработка подходов к пониманию биологических данных.

• 
  Слайд 6

  Зачем углубляться в изучение средств и баз данных по биоинформатике?

  Важно иметь представление о базовых концепциях и алгоритмах в биоинформатике (исследования in silico), также как необходимо понимать базовые основы и химический базис молекулярной биологии, генетики, биохимии если вы занимаетесь лабораторными экспериментами (исследованияin vitro).

• 
  Слайд 7

  Что такое алгоритм?

  Алгоритм – это набор инструкций, которые необходимо выполнить для того, чтобы решить задачу.

• 
  Слайд 8

  Что такое база данных?

  Коллекция взаимосвязанных элементов данных таблиц (например, генов, организмов, последовательностей и т.д.) столбцов (полей) строк (записей)

• 
  Слайд 9

  Биологические базы данных

  Сколько их? Разные по размеру, качеству, полноте, степени интереса Что представляет из себя «хорошая» база данных?

• 
  Слайд 10
  

  GenBankwww.ncbi.nlm.nih.govпоследовательности нуклеотидов Ensemblwww.ensembl.orgчеловеческие, мышиные и др. геномы PubMedwww.ncbi.nlm.nih.govнаучные публикации NR www.ncbi.nlm.nih.govбелковые последовательности SWISS-PROT www.expasy.chбелковые последовательности InterProwww.ebi.ac.ukбелковые домены OMIM www.ncbi.nlm.nih.govгенетические заболевания Enzymes www.chem.qmul.ac.ukферменты PDB www.rcsb.org/pdb/белковые структуры KEGG www.genome.ad.jpметаболические пути Базы данных

• 
  Слайд 11

  Специализированные базы данных

  PomBaseкомпиляция данных, посвященных организму Schizosaccharomycespombe Wormpepпредсказанные белки по проекту секвенированияCaenorhabditis elegans (C. elegans). Mistdbбаза данных передачи сигналов в микробиологии

• 
  Слайд 12

  Вебсайт или веб-приложение?

  Статический – Интерактивный контент Чисто информационный – Программное средство

• 
  Слайд 13

  Веб-серверы и облачные вычисления

  Преимущества: Удаленная инфраструктура, возможно, имеет большую вычислительную мощность чем ваша. Обновления данных и изменения функциональности происходят онлайн. Недостатки: Вы используете чужой компьютер с ограниченными возможностями администрирования и программирования. Вы (вероятно) имеете урезанный выбор опций или мощности. Взаимодействие с внешними сетями может значительно замедлить выполнение задачи. Серверы хороши для разовой проверки какой-то идеи, при критической необходимости в вычислительных сверхмощностях, а также в период интенсивно обновляемых разработчиком данных и функций. Для регулярной ежедневной работы желательно получить и установить программное обеспечение локально

• 
  Слайд 14

  Советы для использования удаленных серверов в научных исследованиях

  Записывайте все: имя и/или адрес сервера, названия баз данных и версии. дату идентификационные номера последательностей параметры (настройки, умолчания, параметры запросов) Сохраняйте результаты Установите локально если знаете, что будете использовать в будущем

• 
  Слайд 15

  «Кейс с инструментами» специалиста-биоинформатика

• 
  Слайд 16

  Предсказание генов

  GRAIL (Xgrail, JavaGrail, etc.) Gene Relationships Across Implicated Loci Geneid Netgene GenMark Fexon, Hexon GENSCAN Xpound Genefinder

• 
  Слайд 17

  Выравнивание последовательностей

  Выравнивание двух последовательностей Одновременное выравнивание нескольких последовательностей

• 
  Слайд 18

  Выравнивание пар последовательностей

  SIM (только белки) – поиск k-лучших непересекающихся выравниваний (ExPASy, Швейцария) ALIGN – оптимальное глобальное выравнивание без сокращений (EERIE, Франция) LALIGN – вычисление N-лучшихлокальных выравниваний (EERIE) LFASTA – поиск локальных совпадений, демонстрирущих локальные выравнивания (EERIE) BLAST 2 – локальное выравнивание с использованием BLAST (NCBI, США) LAP2 – локальное выравнивание ДНК–белок LAP2 (MTU, США)

• 
  Слайд 19

  Взаимное выравнивание нескольких последовательностей

  ClustalW MAFFT T-Coffee MUSCLE

• 
  Слайд 20

  Поиск совпадений

  BLAST blastp,запрос — последовательность аминокислот к базе белковых последовательностей. blastnзапрос — последовательность нуклеотидов к базе известных последовательностей нуклеотидов. blastxзапрос — последовательность нуклеотодов и продукты ее трансляции (обе нити) к базе белковыхпоследовательностей. tblastnзапрос — последовательность аминокислот к базе последовательностей нуклеотидов, динамически транслируемыхна всех рамках считывания (обеих нитях). tblastxзапрос — все трансляции последовательности нуклеотидов к динамически вычисляемым трансляциям базы данных нуклеотидных последовательностей.

• 
  Слайд 21

  Предсказание структуры белка

  Ab initio («с нуля»):основанное на минимизации энергии Распознавание фолдинга:последовательность -> вторичная структура, затем выравнивание вторичных структур со вторичными структурами соответствующих белков, и т.д. Статистическое:основанное на «скрытых образцах(hidden patterns)»; схожие шаблонные образцы -> сходная структура.

• 
  Слайд 22

  Предсказание вторичной структуры белка

  Coils– предсказания суперспиральных регионов nnPredict– использует двухуровневую нейронную сеть PSSP / SSP– сегментно-ориентированные предсказания PSSP / NNSSP– предсказание методом ближайшего соседа SAPS– статистический анализ белковых последовательностей Paircoil– поедсказаниясуперспиральных регионыпо корреляциям парных остатков Protein Hydrophilicity /Hydrophobicity SOPM– самооптимизирующийся метод предсказания

• 
  Слайд 23

  Предсказание функции белка

  Homology Sequence Structure Genomic context Co-expression

• 
  Слайд 24

  Филогенетический анализ

  Построение эволюционных деревьев на основе дивиргенций возникших в связянных последовательностях Phyml raxML FastTree Protdist and Neighbor-joining … Как построить бактериальное дерево жизни? Как лучше всего построить дерево жизни, включающее человека, шимпанзе, лошадь и крысу?

• 
  Слайд 25

  Предсказание эффекта мутаций

  PolyPhen SIFT SNAP PROVEAN … Какая информация используется для решения о том, является мутация разрушительной или нет?

• 
  Слайд 26

  Take home messages

  Задачи биоинформатики очень похожи на лабораторные эксперименты: Мы должны понимать концепции, используя программные средства и базы данных Это замечательно выполнять эксперименты в рамках компьютерной геномики, если вы четко понимаете что делаете. Разработка алгоритма (или подхода) требует опыта и знаний в соответствующих областях. Если вы в лаборатории компьютерной биологии, то ведение журналов – необходимый навык.

• 
  Слайд 27

  Вопрос

  Как мы используем избыточность в последовательностях?