Bioinformatica
- potenza elaborativa
- facilità d’uso
- creazione di specifici software di analisi, applicazioni ad
hoc per risolvere specifici problemi biologici
- accesso on-line attraverso il World-Wide Web
Bioinformatics tools for Biologists
Computational Biology
World-Wide Web resources for
Biologists
La Biologia Moderna
Progetti Genoma: Perchè?
La determinazione e la conoscenza dell’intera sequenza
genomica sembrano essere la condizione necessaria per
comprendere la completa biologia di un determinato
organismo
In che modo?
Sequenziamento del DNA significa determinazione della
sequenza lineare delle basi che lo compongono, cioè A, T,
C e G.
Il DNA umano è composto da 3.12 miliardi di paia di
basi
JOE SUTLIFF
Stanley Fields: Proteomics in Genomeland, Science 291, 1221, (2001).
La Biologia Moderna: i Progetti Genoma
Un requisito essenziale alla comprensione della biologia
completa di un organismo è la determinazione della sequenza del
suo intero genoma
“A prerequisite to understanding the complete biology of an
organism is the determination of its entire genome sequence”
Fleischmann et al. 1995
2000-2001
Il Genoma Umano completamente sequenziato e assemblato
LE TAPPE DEL PROGETTO GENOMA
1953 James Watson e Francis Crick determinano la struttura del DNA (La doppia elica)
1977 Gli scienziati americani Allan Maxam and Walter Gilbert e l'inglese Frederick Sanger
mettono a punto 2 diversi metodi per sequenziare il DNA, cioè per "leggere" la successione
di basi nucleotidiche che lo compongono. Il metodo di Sanger, oggi automatizzato, è quello
tuttora utilizzato.
1985 Lo scienziato americano Kary Mullis inventa la PCR, una tecnica che permette di
moltiplicare artificialmente il DNA, anche se presente in quantità minima.
1986Il premio Nobel Renato Dulbecco e Leroy Hood lanciano l'idea di sequenziare l'intero
genoma Umano.
1990 Negli Stati Uniti nasce ufficialmente lo Human Genome Project (HGP), sotto la guida
di James Watson. Negli anni successivi Regno Unito, Giappone, Francia, Germania, Cina si
uniscono al progetto formando un consorzio pubblico internazionale. In Italia il progetto
genoma nasce nel 1987 ma si interrompe nel 1995.
1992 Craig Venter lascia l'NIH e il progetto pubblico. Fonderà una compagnia privata, la
Celera Genomics, portando avanti un progetto genoma parallelo.
1993 Francis Collins e John Sulston diventano direttori rispettivamente del National Human
Genome Research Center negli USA e del Sanger Center in Inghilterra, i 2 principali centri
coinvolti nel HGP.
1999 (Dicembre) Pubblicata su Nature la sequenza completa del cromosoma 22.
2000 (Maggio) pubblicata su Nature la sequenza completa del cromosoma 21.
2000 (Giugno) Francis Collins e Craig Venter annunciano congiuntamente di aver
completato la "bozza" del genoma Umano.
2001 La bozza completa del genoma umano (che gli inglesi chiamano working
draft) è pubblicata su Nature (quella del consorzio pubblico) e su Science (quella
della Celera).
Celera Genomics (Applera, Applied Biosystems)
Istituzioni pubbliche in:
USA,
UK,
China
Francia
Germania
Il genoma di un virus è composto da poche migliaia di bp
Dimensioni del Genoma
in Megabasi
Procarioti
Mycoplasma genitalium
Haemophilus influenzae
Escherichia coli
0.58
1.83
4.7
Eucarioti
Saccharomyces cerevisiae
Caenorabditis elegans
Drosophila melanogaster
Homo sapiens
13.5
100
165
3300
La strategia che sta alla base del sequenziamento globale
dei genomi viene definita “shotgun sequencing strategy”
Shotgun Sequencing Strategy
-Creazione di un libreria RANDOM di frammenti di DNA (taglio
con nucleasi BAL 31 e non con enzimi di restrizione)
-Sequenziamento di un numero SUFFICIENTEMENTE ALTO di
frammenti selezionati in maniera random
-Assemblaggio dei CONTIGS
Assembling dei Contigs
28643 sequenze
U65747
atgcaagcctacgtcctaccgcattaacagg
U85746
gcattaacaggcgattagggcatcccagctgg
atgccatgcaagcctacgtcctaccgcattaacagg
gcattaacaggcgattagggcatcccagctgg
28643 reazioni di sequenza sono state effettuate da 8
persone utilizzando in media 14 DNA sequencer al
giorno per 3 mesi.
L’assembling di 24304 frammenti in 210 contigs ha
richiesto 30 ore di processamento continuo su un
computer SPARCenter 2000 con 512 Mb di RAM
Il costo stimato è stato di 0.48 centesimi di dollaro/base
sequenziata.
Se la tecnologia attualmente applicata per il
sequenziamento del Genoma Umano (2000-2001)
venisse di nuovo applicata al genoma dell’Haemophilus
influenzae il suo genoma potrebbe essere nuovamente
sequenziato e assemblato in meno di un giorno!
6X coverage = 1.83 x 6 =10.98 Mbp
0.48 USD x 10 980 000 bp = 5 270 400 USD
Pari a circa 5 850 144 EURO
Pari a 11 327 458 322 Lire Italiane
N.B. nel conteggio non sono inclusi i costi dello sviluppo della
teconologia e dei software, ma soltanto i costi di reagenti e
laboratori
Sequenziamento di un numero
SUFFICIENTEMENTE ALTO di frammenti
selezionati in maniera random
Il genoma dell’H. influenzae è composto da 1.83 Mbp, quante bp
generate in maniera random devo sequenziare in modo da essere
certo di aver sequenziato tutte le basi (tutti i frammenti) almeno
una volta?
6X coverage
Po
=e-m
Dove m è la copertura (coverage) della sequenza
e Po la probabilità che una base non sia stata sequenziata
Se m=1 cioè 1X coverage Po=0.37, cioè avrò il 37% del genoma non sequenziato
Se m=5 cioè 5X coverage Po=0.0067, cioè avrò il 0.67% del genoma non sequenziato
Bioinformatica - I
Potenza elaborativa nella gestione di enormi quantità di
dati di sequenza provenienti dai Progetti Genoma
Dimensioni del Genoma
in Megabasi
Procarioti
Mycoplasma genitalium
Haemophilus influenzae
Escherichia coli
0.58
1.83
4.7
Eucarioti
Saccharomyces cerevisiae
Caenorabditis elegans
Drosophila melanogaster
Homo sapiens
13.5
100
165
3300
Bioinformatica - II
Archiviazione e organizzazione dei dati di sequenza ottenuti
da vari organismi in “database” accessibili on-line attraverso il
World-Wide Web
www.corriere.it
venerdi , 07 aprile 2000
BIOLOGIA
Un «libro delle istruzioni»
Un «libro delle istruzioni», la cura dei tumori è più vicina
2/5
Boncinelli Edoardo
Questo messaggio contiene una gran mole di informazioni equivalenti al
contenuto di un milione e mezzo di pagine stampate, un' impressionante serie di
volumi che contengono il segreto della nostra realtà biologica. Questo messaggio
può essere suddiviso in un certo numero di capitoli, circa 100.000, chiamati geni.
Un gene è un' unità significante di senso compiuto che porta l' informazione per
compiere una specifica funzione biologica (cioé una proteine, ndr). Adesso,
grazie al Progetto Genoma, sapremo che cosa abbiamo nel nostro Dna, cioè
quanti e quali geni abbiamo e, eventualmente, che cosa c' è fra un gene e un
altro.
ERA GENOMICA
La sequenza completa del genoma sarà
NECESSARIA a comprendere le
funzioni (e disfunzioni) biologiche del
nostro organismo
ERA POST-GENOMICA
La sola sequenza, anche se completa,
del genoma sarà SUFFICIENTE a
comprendere le funzioni (e disfunzioni)
biologiche del nostro organismo?
www.corriere.it
martedi , 13 febbraio 2001
BIOLOGIA GENETICA
Genoma umano, scontro sull' utilizzo dei dati
Le due équipe litigano sulla disponibilità delle mappe. La Celera vuole un «pedaggio» Il gruppo di Venter ha annunciato anche la sequenza del Dna del
topo
Bazzi Adriana
Le proteine, sono il prodotto dei geni: sono le proteine che
servono a “fabbricare” un organismo, a farlo funzionare e,
quando sono difettose, si rendono responsabili di malattie. Ed è
proprio attraverso lo studio del funzionamento delle proteine
che si potrebbe arrivare alla costruzione di nuovi farmaci….
COMPLESSITA’ BIOLOGICA
METODI DI STUDIO DELLA
COMPLESSITA’ BIOLOGICA
30.000?
Progetti
(30.000-100.000)
Genoma
Gene
mRNA
Splicing alternativo
precursore proteico
??
150.000??
Taglio della eventuale
sequenza segnale
Eventuali
modificazioni
post-traduzionali
proteina matura
(FUNZIONE)
Interazioni proteina-proteina
Network complessi
??
N.B.
Il delicato equilibrio di un
organismo dipende da una
moltitudine
di
funzioni
finemente organizzate e
regolate da una moltitudine
di proteine diverse che
interagiscono tra loro in
network
complessi
di
interazioni reversibili
www.repubblica.it
Corsa al genoma
l'ultimo traguardo
I retroscena della più grande scoperta della scienza
tra speranze per la medicina e interessi finanziari
di CLAUDIA DI GIORGIO
Un'immagine che illustra bene la situazione paragona lo stato attuale delle
ricerche sul genoma alle mappe geografiche di cui disponevano i primi esploratori:
sufficienti per intraprendere la navigazione del globo ma ben lontane da una
rappresentazione integrale del mondo.
www.corriere.it
venerdi , 07 aprile 2000
BIOLOGIA
Un «libro delle istruzioni»
Un «libro delle istruzioni», la cura dei tumori è più vicina
3/5
Boncinelli Edoardo
Nella fase immediatamente successiva si tratterà di cercare di sapere la
funzione del maggior numero possibile dei nostri geni. Averli individuati tutti e
conoscere la funzione di alcuni di essi non è chiaramente sufficiente a soddisfare
la nostra curiosità e a venire incontro alle nostre aspettative per quanto
riguarda le applicazioni alla nostra salute. Va detto subito che questa fase sarà
m olto più lunga di quella che si sta per concludere e richiederà decenni, se non
secoli. Il guadagno dovrebbe essere però straordinario soprattutto dal punto di
vista conoscitivo. Sapremo che cosa fanno i geni di cui conosciamo qualcosa,
cosa fanno qu elli che conosciamo appena e cosa fanno anche quelli che non
conosciamo e che non immaginiamo nemmeno che possano esistere.
La Bioinformatica ci potrà
aiutare?
Introni
RNA ribosomali
RNA transfer
Regioni regolatrici (promotori, enhancer)
Dimensioni del Genoma
in Megabasi
Numero di ORF (geni)
Densità delle regioni codificanti
Procarioti
Mycoplasma genitalium
Haemophilus influenzae
Escherichia coli
0.58
1.83
4.7
473
1760
4100
1 ogni ca. 1200 bp
1 ogni ca. 1050 bp
1 ogni ca. 1150 bp
Eucarioti
Saccharomyces cerevisiae
Caenorabditis elegans
Drosophila melanogaster
Homo sapiens
13.5
100
165
3300
5800
14000
12000
??
1 ogni ca. 2300 bp
1 ogni ca. 7000 bp
1 ogni ca. 13500 bp
??
Identificazione delle regioni codificanti
meantnfmcosarjthyuyifkfmnsbzvcaxqswthyujuk
bnpyoitjguryrtefdgvcbxnservejkamnsbegdfvrtty
ghjukiolmmlabnvbcvxcsdfergrtbioinformatica?g
jyiuoljpgkbidhgrtfydhsn
meantnfmcosarjthyuyifkfmnsbzvcaxqswthyujuk
bnpyoitjguryrtefdgvcbxnservejkamnsbegdfvrtty
ghjukiolmmlabnvbcvxcsdfergrtbioinformatica?
gjyiuoljpgkbidhgrtfydhsn