Universita` di Padova
Laurea Biologia Molecolare
Corso di Bioinformatica III
(A.A. 2006-2007)
Docente:
Dr. Nicola Vitulo
Dipartimento di Biologia, CRIBI
Tel. 0498276165
Email: [email protected]
BIOINFO3 - Lezione 1
1
Calendario Esercitazioni:
1 Marzo 14:00 -18:00 MySql
7 Marzo 14:00 -18:00 HTML
20 Marzo 14:00 -18:00 PERL
23 Marzo 14:00 -18:00 MySql / PERL
30 Marzo 14:00 -18:00 CGI-BIN
Competenze informatiche necessarie per il corso: nessuna
Tipologia d`esame: scritto (2h)
Libri di testo: appunti di lezione
(grup.cribi.unipd.it/~nicolav/bioinfoIII_padova/)
BIOINFO3 - Lezione 1
2
LA BIOINFORMATICA
COS’È LA BIOINFORMATICA?
Esistono diverse definizioni.....
BIOINFORMATICA=
APPLICAZIONE DELL’INFORMATICA
ALLA GESTIONE E
ALL’ANALISI DEI DATI BIOLOGICI
BIOINFO3 - Lezione 1
3
DATI BIOLOGICI
Quali sono i dati biologici?
Principalmente i dati di sequenza di acidi nucleici e proteine, prodotti
in modo sempre più massiccio dai progetti di sequenziamento
sistematico (tecnologie sempre piu` sofisticate). Negli ultimi anni vi è
stata poi un’invasione di dati relativi ad esperimenti di microarray
BIOINFO3 - Lezione 1
4
2007
BIOINFO3 - Lezione 1
5
La bioinformatica e` una branca della biologia in rapida
evoluzione, e altamente interdisciplinare in quanto usa tecniche e
concetti che derivano dall`informatica, statistica, matematica,
chimica , biochimica, fisica.
National Center for Biointecnology Information (NCBI)
definisce la bioinformatica:
la bioinformatica e` la scienza nella quale biologia, informatica e
tecnologia dell`informazione si uniscono in un`unica disciplina.
Esistono
tre
importanti
sottodiscipline
all`interno
dell`informatica:
BIOINFO3 - Lezione 1
6
1. Sviluppo di nuovi algoritmi e statistiche con i quali valutare
le relazioni tra i membri di un ampio data set.
2. Analisi ed interpretazione di vari tipi di dati che includono
sequenze aminoacidiche e nucleotidiche, domini proteici, e
strutture proteiche.
3. Sviluppo ed implementazione di tool, strumenti, che
permettato un efficiente accesso e gestione dei differenti tipi
di informazione.
BIOINFO3 - Lezione 1
7
National Institute of Health (NIH)
Bioinformatica: ricerca, sviluppo o applicazione di
strumenti computazionali e di approcci che permettano di
espandere e migliorare l`uso di dati biologici inclusi quegli
strumenti
per
l`acquisizione,
l`organizzazione,
l`archiviazione, l`analisi e la visualizzazione di tali dati.
Biologia Computazionale: sviluppo e applicazione di
metodi analitici e teoretici, modelli matematici e tecniche di
simulazione per lo studio di sistemi biologici.
BIOINFO3 - Lezione 1
8
QuickTime™ e un
decompressore TIFF (Non compresso)
sono necessari per visualizzare quest'immagine.
QuickTime™ e un
decompressore TIFF (Non compresso)
sono necessari per visualizzare quest'immagine.
BIOINFO3 - Lezione 1
9
Applicazioni della bioinformatica
Computational biology
Genomics: la genomica rappresenta l`analisi o la
comparazione dell`intero genoma di una o piu` specie.
Proteomics: la proteomica consiste nello studio delle
proteine - localizzazione, struttura e funzione. Identificazione,
caratterizzazione e quantificazione di tutte le proteine
coinvolte un un particolare metabolismo, di un organello,
cellula, tessuto, organo o organismo.
Pharmacogenomics: applicazione degli approcci genomici e
tecnologie mirate all`indentificazione dei target delle droghe.
Studia in che modo i geni influenzano la risposta ad una
droga, sia a livello di popolazione che a livello molecolare
BIOINFO3 - Lezione 1
10
Pharmacogenetics: studia in che modo variano le azioni e le
reazioni alle droghe. Gli individui rispondono in modo differente
al trattamento alle droghe; la maggior parte di questa variabilita`
ha basi genetiche.
Chemical informatics: memorizzazione, recupero, analisi di
informazioni chimiche.
Chemometrics: applicazione della statistica all`analisi dei dati
chimici.
Structural bioinformatics: analisi delle strutture delle
macromolecole.
Comparative genomics: comparazione del genoma di due o
piu`differenti orgnismi.
Functional genomics: integrando dati provenienti da
sequenziameto di genomi, microarray, proteomica, descrive il
funzionamento e l`interazione dei geni.
BIOINFO3 - Lezione 1
11
DIMENSIONE “OMICS”
I dati biologici hanno guadagnato da tempo il suffisso “-OME”
(Genome, Proteome, Trascriptome, Metabolome, Bibliome,
Interactome….) e le discipline che li gestiscono e analizzano sono
diventate “-OMICS” (Genomics, Proteomics… analisi su larga scala)
A chi fosse interessato segnalo il sito
http://www.genomicglossaries.com/content/omes.asp
che elenca le
–ome e gli –omics
esistenti
BIOINFO3 - Lezione 1
12
Un po` di storia..
Il primo database di dati biologici fu costruito pochi anni dopo che le prime
sequenze proteiche cominciarono a diventare disponibili. La prima
sequenza proteica ottenuta , di 51 residui, fu l`insulina bovina nel 1956.
Circa 10 anni piu` tardi si ottenne la prima sequenza di acidi nucleici, l`
alanine rRNA di lievito.
Alla fine degli anni `70, Margareth Dayhoff raccolse tutte le sequenze
disponibili per creare il primo database biologico (NBRF, National
Biomedical Research Foundation).
Agli inizi degli anni `80 in Europa l`EMBL promuoveva la creazione dell`
EMBL-database, banca dati di sequenze di DNA e RNA.
La prima release fu rilasciata nel 1981 e conteneva 519 entries
BIOINFO3 - Lezione 1
13
Parallelamente negli Stati Uniti veniva prodotto un archivio simile: banca
dati da cui si e` originato GenBank, la cui prima release fu resa pubblica nel
1982.
Nel 1986 venne realizzata la banca dati giapponese DDBJ.
Accordo tra GeneBank, EMBL e DDBJ per lo scambio giornaliero di dati.
Seconda meta` degli anni 80 realizzazione delle prime banche dati
specializzate come PROSITE -> innesco per la realizzazione di banche dati
sempre piu` specializzate.
Sistemi di retrieval: SRS (EBI) e ENTREZ (NCBI).
BIOINFO3 - Lezione 1
14
Metodologie bio-computazionali associate alle procedure di confronto di
biosequenze per la ricerca di regioni di similarita`.
Nel 1970 Needlaman e Wunsch pubblicano l`algoritmo per la ricerca del
miglior allineamento globale tra due sequenze.
Nel 1971 Gibbs e McIntyre pubblicano un metodo basato sulla matrice
basato dot-plot che permetteva la visualizzazione regioni di similarita` piu`
o meno stringente , utilizzato poi in numerosi algoritmi di analisi
comparative.
Nel 1981 Smith e Watermann pubblicano l`algoritmo per il miglior
allineameno locale tra due sequenze.
Nel 1983 Wilbur e Lipmann pubblicano un algoritmo per la ricerca di
similarita` in banca dati e nel 1985 viene pubblicato FASTA, seguito poi
nel 1990 da BLAST (Altshul)
BIOINFO3 - Lezione 1
15
In parallelo furono sviluppati numerosi metodi per la ricerca di
motivi, per la caratterizzazione di sequenze genomiche di regioni
codificanti proteine.
Per quello che riguarda gli studi di evoluzione molecolare
fondamentale e` stata nel 1965 la pubblicazione da parte di
Zuckerkandl e Pauling dell`ipotesi dell` “orologio molecolare”
(relazione di proporzionalita` diretta tra tempo di divergenza e
numero di sostituzioni tra proteine omologhe).
1966 Dayhoff metodo della Massima Parsimonia per l`analisi delle
proteine , esteso nel 1977 da Fitch all`analisi delle sequenze
nucleotidiche.
Metodo di Zucker per la predizione di strutture di RNA e il metodo di
Fasman per strutture secondarie proteiche.
BIOINFO3 - Lezione 1
16
Esigenza di avere i programmi che implementatano i vari algoritmi in per
l`analisi dei dati organizzati in un a logica omogenea e interfacciati con i
database
di
dati
biologici:
GCG (Genetic Computer Group, Oxford)
EMBOSS: prodotto dalla comunita` EMBnet, scaricabile gratuitamente dalla
rete (http://www.embnet.org, http://emboss.sourceforge.net/download/)
Phylip: pacchetto per analisi di evoluzione molecolare.
1987 : Perl (Practical Extraction Report Language) is released by Larry Wall.
1991: Linus Torvalds announces a Unix-Like operating system which later
becomes Linux.
1995: The Haemophilus influenzea genome (1.8 Mb) is sequenced.
The Mycoplasma genitalium genome is sequenced.
BIOINFO3 - Lezione 1
17
1996:
The genome for Saccharomyces cerevisiae (baker's yeast, 12.1 Mb) is sequenced.
The Prosite database is reported by Bairoch, et.al.
Affymetrix produces the first commercial DNA chips.
1997:
The genome for E. coli (4.7 Mbp) is published.
1998:
The genomes for Caenorhabditis elegans and baker's yeast are published.
The Swiss Institute of Bioinformatics is established as a non-profit foundation.
Craig Venter forms Celera in Rockville, Maryland.
2000:
The genome for Pseudomonas aeruginosa (6.3 Mbp) is published.
The A. thaliana genome (100 Mb) is secquenced.
The D. melanogaster genome (180Mb) is secquenced.
2001: The human genome (3,000 Mbp) is published.
....
BIOINFO3 - Lezione 1
18
LA BIOINFORMATICA OGGI
Si tratta di una disciplina in rapida evoluzione: i libri di testo non sono in grado di
tenere il passo con le novità e con i moltissimi database e programmi pubblicati di
continuo. Per rimanere aggiornati l’unica possibilità è la rete.
Esistono siti specializzati su particolari argomenti (es. Individuazione dei geni, text
mining, systems biology..) che cercano (a fatica) di tenere un indice delle
pubblicazioni, dei database e dei programmi dedicati a quel particolare ambito
ristretto.
Fondamentali sono i siti delle riviste scientifiche che accolgono (dopo un lungo e
profondo processo di “peer reviewing”) le pubblicazioni.
BIOINFO3 - Lezione 1
19
I DUE ASPETTI DELLA BIOINFORMATICA
GESTIONE DEI DATI → DATABASE
ANALISI DEI DATI → COMPUTATIONAL BIOLOGY
BIOINFO3 - Lezione 1
20
DATABASE E COMPUTATIONAL BIOLOGY
DATABASE
Memorizzazione accurata, organizzazione, indicizzazione e mantenimento di
informazioni biologiche
COMPUTATIONAL BIOLOGY
Qui la lista è lunghissima e sempre in evoluzione. Vi cito solo alcune delle possibili analisi
dei dati di cui si occupa la computational biology:
•ricerca di similarità tra sequenze (ricerca di omologia funzionale) (dovrebbe essere chiara la
differenza tra similarità ed omologia)
•ricerca di geni nelle sequenze di DNA
•ricerca di motivi funzionali nel DNA (es. siti di binding per fattori di trascrizione) e nelle
proteine (domini)
•analisi dei genomi
•allineamento multiplo di sequenze e analisi filogenetica
•analisi di dati strutturali 3D DI PROTEINE
•analisi dei risultati di esperimenti con microarray
BIOINFO3 - Lezione 1
21
GLI STRUMENTI CHE VEDREMO NEL CORSO
GESTIONE DATI
MySQL
HTML
Perl
ANALISI DATI
MySQL: linguaggio per definizione e gestione database
HTML: linguaggio per la definizione di pagine web (accesso ai database
e ai programmi attraverso Internet)
Perl: linguaggio di programmazione
BIOINFO3 - Lezione 1
22
Mysql : http://dev.mysql.com/downloads/mysql/5.0.html
Perl: http://www.activestate.com/Products/ActivePerl/
BIOINFO3 - Lezione 1
23