Bevezetés a bioinformatikába

Átírás

1 Bevezetésabioinformatikába őszifélév,biológiaBSC,levelezőképzés BálintBalázs szeged.hu/

2 Információakurzusról I.elméletialapok(azévvégivizsgaanyaga) II.azelméletirészheztartozógyakorlatimunka(nemszámonkért) (szakirodalmazás,adatbázis bányászatszekvenciahomológia keresés,fehérjetérszerkezetvizsgálat,stb.) Vizsga:írásban,tesztek/rövidválasztigénylőkérdések

3 Abioinformatikadefiníciója informatika biológia hardverek,szoftverek megválaszolandókérdés, biológiaiadat Bioinformatika:biológiaiadatokszámítógépesanalízise.

4 Centrális dogma és a bioinformatika főbb területei a molekuláris biológiában Gén genomika DNS transzkripció, RNS szerkesztés RNS transzkriptomika degradáció transzláció, poszttranszlációs módosítás proteomika fehérje degradáció biokémiai aktivitás metabolikus útvonalak metabolomika

5 adnsafőbiológiaiinformációhordozó F. Griffith Avery 1944 Streptococcus pneumoniae a transzformáló anyag DNS proteáz RNáz DNáz abaktériummódosítható(transzformálható) egér meghal egér meghal egér túlél

6 Hershey és Chase ,Escherichiacoli tfertőztekradioaktívanjelöltt2fággal adnsp32 vel,afehérjeburoks35 teljelölve (adns bennincss,afehérjébennincsp) 2.,Abaktériumhoztapadtkiürültfágburkokat rázássalleválasztották 3.,Abaktériumokatésaszabaddávált fágburkokatcentrifugálássalelkülönítették felülúszó,(s35fág fehérje) baktériumpellet,p32 (fágdns)

7 DNSszerkezete(1953) "Nemkerülteelafigyelmünketaz,hogyazáltalunkfeltételezettpárosítási szabályegymásolásimechanizmustissugallagenetikaianyagszámára." JamesWatsonésFrancisCrick

8 DNSreplikáció RNSszintézis(transzkripció)

9 Fehérjeszintézis(transzláció)

10 Azuniverzálisgenetikaikód Másodikkarakter Els ő karakter Harmadikkarakter DNS:ATG RNS:AUG AS:Metionin

11 Hogyannyerjükkiaszekvenciainformációt? Fehérje DNS Könnyentisztítható Nehezebbentisztítható Stabil Számosinstabilfehérjelétezik Könnyebben,szekvenálható Aközvetlenfehérjeszekvenálás igennehézfeladat AszekvenciainformációkatzömmelDNSmolekulárólnyerik,amiket azutánszámítógéppel(insilico)fehérjeszekvenciárafordítanak.

12 ADNSinformációtartalmánakmegismerése akezdetkezdete P s t I ( 1) V a r ia t io n 1 V a r ia t io n 2 V a r ia t io n 3 M is c F e a t u r e 2 V a r ia t io n 4 C D S 4 A pali (4780) A v a I ( 16 3 ) C D S 5 R e p O r ig in 1 C D S 6 m R N A 2 p h i- x M is c F e a t u r e 1 C D S bp C D S 8 C D S 9 FrederickSanger C D S 1 1 m R N A 1 C D S 1 0 azelsőpublikáltteljesgenom(1977) kb.5000nukleotid(!)

13 Sanger félednsszekvenáláselve P P P P P P P láncterminációddgtpjelenlétében P termékkeverék

14 Sanger félednsszekvenáláselve ddgtp ddttp ddatp ddctp P P P P P P P P P P P P P P P zseb poliakrilamidgél futtatásiránya:

15 Egyigaziszekvenálólétra Szekvencia: 5 tcaactttgtcggcttgagaaagacctgggatctgggtat... Atechnológiakorlátai: emberpróbáló,extrémmunkaigényeseljárás igenkicsileolvasásihossz atermékekdetektálásap32izotópsegítségével

16 ASanger félednsszekvenálásautomatizálása Anégyféledideoxynukleotidanalógegyreakcióbanadva mindanégyddntpegyedifluoreszcensfestékkeljelölve atermékekméretszerintielválasztásakapillárisoszlopon adetektorelőttelhaladófestékek sorrendje=>bázissorrend teljesenautomatizáltberendezés ~ nukleotidhosszúDNSdarabokolvashatóak szekvenogram:festékintenzitásokváltozásaazidőben

17 1995Haemophilusinfluenzaegenomszekvencia Shotgunmódszer DNS tisztítás darabolás futtatás ideálisméretűdarabok (1,5 2kb)kinyerése midenklónból plazmidtisztítás inszert szekvenálása aplazmidok bejuttatása E.coli ba contigassembly agenomifragmentek plazmidokbaligálása

18 ASanger szekvenálásraalapozottshotgunmódszerkorlátai Könyvtárkészítésszükséges munkaigényes,időigényes,költségesfolyamat egyenetlenlefedettség,agazdára(e.coli)toxikusrégiókteljesenkimaradnak agazdagenomnyomokbanszennyeződéskéntmegjelenhet különbözőprojektekközöttikereszt szennyeződéskönnyenelőfordulhat Alacsonyáteresztőképesség azújszálszintéziseésabázissorrendmeghatározásakülönlépés kapilláriselektroforézislépésszükséges kevéssépárhuzamosítható(max96kapilláris/berendezés) magasköltség/szekvenálásireakció

19 Újgenerációsszekvenálásitechnológiák Roche454FLX IlluminaSolexa ABISolid Nincsszükséghagyományosgenomikönyvtárra KözvetlenülatisztítottgenomiDNSkerülagépbe AgDNS tfizikailagtörik,afragmentekethordozóhozrögzítik,majdpcr segítségévelfelsokszorozzák Óriásiátereszőképesség nagyfokúpárhuzamosítás:akártöbbmilliószekvenálásireakcióegyszerre azújszálszintéziseésanukleotidsorrendmeghatározásaegyidejűlegtörténik kisebbköltség/szekvenálásireakció

20 Elkészültgenomszekvenciákstatisztikája2009 Bakteriálisgenom 1001(714*) Eukariótagenomok 74(22*) Caenorhabditiselegans(talajlakófonalféreg) Ecetmuslica(Drosophilamelanogaster) Egér(Musmusculus) Ember(Homosapiens) Kutya(Canislupusfamiliaris) Lúdfű(Arabidopsisthaliana) Méh(Apismellifera) Patkány(Rattusnorvegicus) Rizs(Oryzasativa) Sertés(Susscrofa) Szarvasmarha(Bostaurus) Szőlő(Vitisvinifera) *2008 asadat

21 Összefogásanukleinsavadatbankokközött NIH USA NCBI GenBan k EMBL CIB DDBJ NIG Japan EBI EMBL Europe NIH:NationalInstituteofHealth >NCBI:NationalCenterforBiotechnologyInformation >GenBank NIG:NationalInstituteofGenetics >CIB:CenterofInformationBiology >DDBJ EMBL:EuropeanMolecularBiologyLaboratory >EBI >EuropeanBioinformaticsInstitute >EMBL

22 Miazadatbázis? számítógépesfájlstrukturáltadattartalommal szabványosítottadatszerkezet gyorsösszetettkeresésekvégezhetőek /indexelés/ rendszeresenfrissített,naprakész /újkiadások/ kapcsolatokmásadatbázisokfelé /kereszthivatkozások/ Megfelelőszoftverekkellenek,melyekkel adatlekérdezés,adatfrissítés,adattörlés,adathozzáadásvégezhető

23 Hogyanépülfelegyadatbank? szabványosítás,szabványosítás,szabványosítás Feladat: adatoktárolása:jóldokumentáltszekvenciaformátumban anyersszekvenciákonkívültovábbifontoskiegészítőinformációkat tároljon(szekvencialeírása,eredete,típusa,hossza,stb.stb.) lehessenkeresniezekbena"kiegészítő"információkban kereshetőlegyenaszekvencia akutatókújszekvenciákatküldhessenekbeazadatbankba legyenlehetőségahibajavításra(update) nelegyenredundáns minélinkábbautomatizáltlegyen Adatbázisok

24 Azadatbázisoktípusai Elsődlegesadatbázisok Akísérletezőkeredetielküldöttadatai Közvetlenkísérletieredményekettartalmaznak Pl.GeneBank,GEO(génexpressziósadatbank) Származtatottadatbázisok Elsődlegesadatokanalízisévelnyerttöbbletinformációkattárol Hivatkozásokazelsődlegesadatbáziseredetibejegyzéseire Néhánypélda: RefSNP(pontmutációadatbank) CDD(konzerváltdomainadatbázis), PFAM(fehérjecsaládokadatbázisa)

25 AGeneBankadatbázis 1979 benalapítva(losalamos). 1992ótaazNCBIgondozza(Bethesda). azadatbázissajátszekvenciaformátumaagenebank szekvenciainformáció szekvenciákhozkapcsolódóegyébinformációk,annotációk kereszthivatkozásokmásadatbankokkapcsolódóbejegyzéseire azadatbázisdivíziókraosztott: PRIfőemlősszekvenciák ROD rágcsálókszekvenciái PLNnővényi,gombaésalga BCT bakteriális EST expresszáltszekvenciadarabkák(cdns) ENV környezetimintákbólnyertszekvenciák PAT szabadalmakhozkapcsolódószekvenciák ~taxonómia szekvenciajellege

26 AGeneBankadatbázisgyarapodása 2009október Nukleotid (milliárdbp) 50 Szekvencia (milliódb) Töretlen,közelexponenciálisnövekedés

27 EgyGeneBankbejegyzés LOCUS DEFINITION ACCESSION VERSION KEYWORDS SOURCE ORGANISM REFERENCE AUTHORS TITLE JOURNAL MEDLINE PUBMED REFERENCE AUTHORS TITLE JOURNAL REFERENCE AUTHORS TITLE JOURNAL REMARK COMMENT AF bp mrna linear INV 23-OCT-2002 Limulus polyphemus myosin III mrna, complete cds. AF AF GI: Limulus polyphemus (Atlantic horseshoe crab) Limulus polyphemus Eukaryota; Metazoa; Arthropoda; Chelicerata; Merostomata; Xiphosura; Limulidae; Limulus. 1 (bases 1 to 3808) Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., Greenberg,R.M. and Smith,W.C. A myosin III from Limulus eyes is a clock-regulated phosphoprotein J. Neurosci. 18 (12), (1998) (bases 1 to 3808) Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., Greenberg,R.M. and Smith,W.C. Direct Submission Submitted (29-APR-1998) Whitney Laboratory, University of Florida, 9505 Ocean Shore Blvd., St. Augustine, FL 32086, USA 3 (bases 1 to 3808) Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., Greenberg,R.M. and Smith,W.C. Direct Submission Submitted (02-MAR-2000) Whitney Laboratory, University of Florida, 9505 Ocean Shore Blvd., St. Augustine, FL 32086, USA Sequence update by submitter On Mar 2, 2000 this sequence version replaced gi:

28 EgyGeneBankbejegyzés lókusz LOCUS AF bp mrna linear INV 23-OCT-2002 DEFINITION Limulus polyphemus mrna, complete LOCUS AF myosin bp III mrna linear cds.inv 23-OCT-2002 ACCESSION AF VERSION AF GI: KEYWORDS. 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), (1998) MEDLINE PUBMED REFERENCE 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, USA REFERENCE 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 submitter COMMENT On Mar 2, 2000 this sequence version replaced gi: Hossz Lókusz név Molekula típus Divízió Módosítás Dátum

29 AGeneBankazonosítók LOCUS DEFINITION ACCESSION VERSION KEYWORDS SOURCE ORGANISM AF bp mrna linear INV 23-OCT-2002 Limulus polyphemus myosin III mrna, complete cds. AF AF GI: Limulus polyphemus (Atlantic horseshoe crab) Limulus polyphemus Eukaryota; Metazoa; Arthropoda; Chelicerata; Merostomata; Xiphosura; Limulidae; Limulus. 1 (bases 1 to 3808) Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., Greenberg,R.M. and Smith,W.C. A myosin III from Limulus eyes is a clock-regulated phosphoprotein J. Neurosci. 18 (12), (1998) (bases 1 to 3808) Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., Greenberg,R.M. and Smith,W.C. Direct Submission Submitted (29-APR-1998) Whitney Laboratory, University of Florida, 9505 Ocean Shore Blvd., St. Augustine, FL 32086, USA 3 (bases 1 to 3808) Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., Greenberg,R.M. and Smith,W.C. Direct Submission Submitted (02-MAR-2000) Whitney Laboratory, University of Florida, 9505 Ocean Shore Blvd., St. Augustine, FL 32086, USA Sequence update by submitter On Mar 2, 2000 this sequence version replaced gi: ACCESSION VERSION REFERENCE AUTHORS TITLE JOURNAL MEDLINE PUBMED REFERENCE AUTHORS TITLE JOURNAL REFERENCE AUTHORS TITLE JOURNAL REMARK COMMENT AF AF GI: Egyedi azonosító (fix) GB azonosító (változhat!)

30 GeneBankaszekvenciaeredete(Atlantitőrfarkú) LOCUS DEFINITION ACCESSION VERSION KEYWORDS SOURCE ORGANISM AF bp mrna linear INV 23-OCT-2002 Limulus polyphemus myosin III mrna, complete cds. AF AF GI: Limulus polyphemus (Atlantic horseshoe crab) Limulus polyphemus Eukaryota; Metazoa; Arthropoda; Chelicerata; Merostomata; Xiphosura; Limulidae; Limulus. SOURCE Limulus polyphemus (Atlantic horseshoe crab) REFERENCE 1 (bases 1 to 3808) ORGANISM Limulus polyphemus AUTHORS Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., Eukaryota; Greenberg,R.M. and Metazoa; Smith,W.C.Arthropoda; Chelicerata; Merostomata; Xiphosura; Limulidae; Limulus. TITLE A myosin III from Limulus eyes is a clock-regulated phosphoprotein JOURNAL J. Neurosci. 18 (12), (1998) MEDLINE PUBMED REFERENCE 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, USA REFERENCE 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 submitter COMMENT On Mar 2, 2000 this sequence version replaced gi: NCBI Taxonómia

31 GeneBankreferenciák LOCUS DEFINITION ACCESSION VERSION KEYWORDS SOURCE ORGANISM AF bp mrna linear INV 23-OCT-2002 Limulus polyphemus myosin III mrna, complete cds. AF AF GI: Limulus polyphemus (Atlantic horseshoe crab) 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 REFERENCE 1 (bases 1 to 3808) JOURNAL J. Neurosci. 18 (12), (1998) AUTHORS Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., MEDLINE PUBMED Greenberg,R.M. and Smith,W.C. A myosin III from Limulus eyes is a clock-regulated REFERENCETITLE 2 (bases 1 to 3808) phosphoprotein AUTHORS Battelle,B.-A., Andrews,A.W., Calman,B.G., Sellers,J.R., JOURNAL J. Neurosci. 18 (12), (1998) Greenberg,R.M. and Smith,W.C. TITLE MEDLINE Direct Submission PUBMED JOURNAL Submitted (29-APR-1998) Whitney Laboratory, University of Florida, 9505 Ocean Shore Blvd., St. Augustine, FL 32086, USA REFERENCE 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 submitter COMMENT On Mar 2, 2000 this sequence version replaced gi: szakirodalom kereszthivatkozás

32 AGeneBanktulajdonságtábla FEATURES source CDS Location/Qualifiers /organism="limulus polyphemus" /db_xref="taxon:6850" /tissue_type="lateral eye" /note="n-terminal protein kinase domain; C-terminal myosin heavy chain head; substrate for PKA" /codon_start=1 /product="myosin III" /protein_id="aac " /db_xref="gi: " /translation="meykcisehlpfetlpdpgdrfevqelvgtgtyatvysaidkqa NKKVALKIIGHIAENLLDIETEYRIYKAVNGIQFFPEFRGAFFKRGERESDNEVWLGI EFLEEGTAADLLATHRRFGIHLKEDLIALIIKEVVRAVQYLHENSIIHRDIRAANIMF SKEGYVKLIDFGLSASVKNTNGKAQSSVGSPYWMAPEVISCDCLQEPYNYTCDVWSIG ITAIELADTVPSLSDIHALRAMFRINRNPPPSVKRETRWSETLKDFISECLVKNPEYR PCIQEIPQHPFLAQVEGKEDQLRSELVDILKKNPGEKLRNKPYNVTFKNGHLKTISGQ 1201 a 689 c 782 g 1136 t /protein_id="aac " /db_xref="gi: " fehérje adatbank kereszthivatkozás BASE COUNT ORIGIN 1 tcgacatctg tggtcgcttt ttttagtaat aaaaaattgt attatgacgt cctatctgtt 3781 aagatacagt aactagggaa aaaaaaaa //

33 AGeneBank(GenePept)bejegyzésFASTAformátumban >gi gb AF Limulus polyphemus myosin III mrna, complete cds TCGACATCTGTGGTCGCTTTTTTTAGTAATAAAAAATTGTATTATGACGTCCTATC TGTTGTTGTGTTACACAGGTACATATTAATAACAGGTAGCTAACGTACTTATATAT ACATATATATAATTGGTCTGTTACTTTCAGTTACTCCCTGACTTGTGATCCTACTTG TTGCTGTGTTATACAGGTATATATCACTAAAACAGACTGCTAACGTGCATATATTT ATATATGTGTAGCTTTGTTAATGCTTTAACATGGAGTATAAGTGTATCAGTGAACA TTTACCATTTGAGACTCTGCCTGATCCAGGTGATCGGTTTGAAGTACAAGAACTCG TTGGAACAGGAACTTATGCTACCGTATACTCAGCGATTGATAAGCAAGCAAACAA GAAGGTAGCGCTGAAGATTATAGGACACATTGCGGAAAATCTACTTGATATCGAA ACTGAATATCGTATTTATAAAGCTGTCAATGGAATCAGTTTTTCCCCGAATTCCGT GGTGCTTTCTTCAAGCGTGGGGAACGAGAATCTGACAATGAGTATGGCTGGGAAT TGAGTTTCTGGAAGAAGGGACAGCAGCTGACTTGCTTGCAACACACAGAAGGTTT GGAATTCACTTGAAGAAGACTTGATTGCTTTAATAATCAAGGAGGTTGTACGAGC TGTGCAGTACTTACATGAAAACAGCATTATCCACAGAGATATTCGTGCTGCCAAT ATAATGTTTTCTAAAGAGGGATATGTCAAATTAATTGACTTTGGTCTTTCTGCTTC AGTAAAGAACACGAACGGCAAAGCACAGTCTTCTGTGGGCTCCCCCTATTGGATG GCTCCTGAGGTGATATCCTGTGACTGTCTTCAAGAACCTTATAACTACACATGTGA CGTTTGGTCTATGGAATAACTGCTATAGAATTAGCAGACACAGTGCCCTCACTTA GCGATATTCATGCTTTAGCGCCATGTTTCGGATTAACAGAAATCCTCCCCCTAGTG TTAAGAGGGAAACACGCTGGTCAGAAACATTGAAAGATTTTATCAGCGAATGTTT GGTGAAAAATCCCGAATATCGACCGTGTATCCAAGAAATTCCCCAACACCCATTTT T...

34 Továbbiszekvenciaformátumok ID SQ EMBL // nameless standard; DNA; UNC; 457 BP. Sequence 457 BP; GGCGAAGATT CGGCCAGGCA AAGAAGAGCG CGACGAATGG GAGCATGTAG ATTCCTCCGT ACCCCATGCC CCAACCATGC GAGTCAAACC TTCGTGAAAG GCAGCCCGAA GACGATGGCC ATCCACACGA CGTGAATGAA CCGCGCCCTC GCGGTTTTTC \\\ AATGATCGAA AGGGAATCGG CAACTTGAGT GGAGTCAGTC nameless_1 TTCGTTGCCT CGGACCTGCA TCCCTTTGGG ENTRY AGATGCTTCA GAGAGCAAGG nameless_1 TTGATTGCGC 475 bases ATACAGATGC TITLE TCGGTTCGCG ACGGCCTGCG TGAGGATACC SEQUENCE CCGTGCGACG ACCATTAATA AGGCGCTCCA CAGTTCCCGC GGGACACTAG AGTGTCCACT GGGCAGCGGG 1 M S R CAGGGTCTCC T V T I E P VCCCGGGA T R I E G H A R I T L Q nameless_1 PIR GCG 31 D A K F H L T Q F R G F E K F C E G R P 61 T C G I C P V S H V L A S N K A C D H L 91 K L R R I I N L A Q L T Q S H A L S F F 121 W D S D P V S R N I F G V M R Q D P A L 151 G Q T I I E T L G G K K I H P T W V V P 181 K R D A M L K L I P E G L E I A K R T Y 211 K D E A N H F G S Q P T M F L S L V S P Length: L R L K D A QNov G R I15, L E 2004 D M V P 10:24 P H E Y 271 F S Y M K F P Y Y K P H G Y P N G I Y R CGGCCAGGCA AAGAAGAGCG CGACGAATGG 301 D A C G T P Y A D V A L A E F H M L Q E 331 H Y A R L V E I I Y A L ECCAACCATGC M M E R L L K ATTCCTCCGT ACCCCATGCC 361 A R A R S N R Y E G I G V A E A P R G I ATCACCACGA GCAGCCCGAA 391 G L I T W V N L I I A T GGACGATGGCC H N N L A M N 421 V D G N N L Q E G M L N R V E A V I R C CCGCGCCCTC CATGCGGTCC GCGGTTTTTC 451 A F G E M P L A I E L K D A T G R V V D nameless_1 1 GGCGAAGATT 51 CCATGGCTGT 101 TTCGTGAAAG 151 CGTGAATGAA 201 AGGGAATCGG /// CAACTTGAGT 251 AGATGCTTCA GAGAGCAAGG 301 ATACAGATGC TCGGTTCGCG 351 CGGTTCCAGT CCGTGCGACG 401 GGGACACTAG CCAACCGGGC 451 CCCGGGA GGAGTCAGTC TTCGTTGCCT ACGGCCTGCG ACCATTAATA AGTGTCCACT ATATCAGGAG CGGACCTGCA TTGATTGCGC AGGCGCTCCA GGGCAGCGGG CCATGGCTGT ATCACCACGA CATGCGGTCC ATATCAGGAG TCACCCAACC CGGTTCCAGT CCAACCGGGC L G D A G E V E Y R E M P A L T A R L S V S I P P T G E H L S S P D L L L G A K D G I R L R Q I G G V S E P L T Q E A F F K T L V P K F K G H L E H Y D G F E Check: R L I G E7178 A V E D.. V G P L A R L N N V GAGCATGTAG S G P I A S S F H Y D P T I L D A R V R GAGTCAAACC L M H H Y R I D D E ATCCACACGA Q S I R Q V A D A Y F D P C L S C A S H AATGATCGAA T L R R G TCCCTTTGGG TCACCCAACC TGAGGATACC CAGTTCCCGC CAGGGTCTCC

35 Konverziókülönféleszekvenciaformátumokközött Akülönféleszekvenciaformátumokkönnyenátkonvertálhatóakegymásba Seqret programazembosscsomagból helyilegtelepítettváltozattal (Bio)perlscriptsegítségével EBIReadSeqportálján

36 Másodikrész

37 Szekvenciaevolúció AlegtöbbDNSpolimeráznagyonhűenmásol. (AzE.coliDNSpolimerázanagyjábólegyhibátvéttízmilliónukleotidonként) Elegendőhosszúidőalattszámospontmutáció Kromoszómaátrendeződésselhirtelen,nagyobbváltozások(inszerció,deléció) történhetnek ADNS(vagyfehérje)szekvenciaösszehasonlításávalevolúciósrokonságifokis kimutatható: rdnsszekvenciaelemzésalapjánfelállítottuniverzálistörzsfa

38 Változásokaszekvenciákban A T C C T A T T C A C A G A T A A T C C A C A G A T A A T C C G A T T A A C A G A T A A T C C G A T T A A C A G A T A pontmutációk inszerció/deléció A T C C C C A A T A C A G A T A A T C C T A T T G GC A G A T A inverzió

39 Szekvenciaevolúció Homológszekvenciák: hasonlóak közösősrevezethetőekvissza Analógszekvenciák: hasonlóságközösevolúciósősnélkül leszármazott#2 leszármazott#1 (rombusz) (téglalap) közösős (paralelogramma) ortológ:ahomológfehérjékkétkülönfajbantalálhatók,afunkcióáltalábanazonos Pl.szarvasmarhainzulin emberiinzulin paralóg:ahomológfehérjékugyanazonfajbantalálhatók(általábannemteljesen azonosfunkció) Pl.emberihemoglobinAéshemoglobinBláncok

40 Homológiakeresésahőskorban:Dotplot zaj AkétszekvenciaazXilletveYtengelyrekerül MindenXpozíciótmindenYpozícióvalösszehasonlítunk Aholegyezésvan,odaegypontotteszünk Azközösrégiókátlósvonalkéntjelennekmeg

41 Homológiakeresés:szekvenciaillesztés Nukleinsavvagyfehérjeszekvenciákegymáshozrendezése Nagyonsokillesztéslehetséges Melyikalegjobb?Valóshasonlóságotmutat?Tényleghomológakétszekvencia? Azillesztésekkiértékeléséhezpontozásirendszerszükséges Szekvencia1 Szekvencia2 actaccagttcatttgatacttctcaaa taccattaccgtgttaactgaaaggacttaaagact actaccagttcatttgatacttctcaaa taccattaccgtgttaactgaaaggacttaaagact actaccagttcatttgatacttctcaaa taccattaccgtgttaactgaaaggacttaaagact actaccagttcatttgatacttctcaaa taccattaccgtgttaactgaaaggacttaaagact actaccagttcatttgatacttctcaaa taccattaccgtgttaactgaaaggacttaaagact actaccagttcatttgatacttctcaaa actaccagttcatttgatacttctcaaa taccattaccgtgttaactgaaaggacttaaagact taccattaccgtgttaactgaaaggacttaaagact actaccagttcatttgatacttctcaaa taccattaccgtgttaactgaaaggacttaaagact

42 Homológiakeresés:pontozás actaccagttcatttgatacttctcaaa Szekvencia1 taccattaccgtgttaactgaaaggacttaaagact Szekvencia2 Negatívértékbüntetiazeltéréseket: A T C G A T C -4-4 G Illeszkedik:5 Nemilleszkedik:19 Score:5x5+19x( 4)= 51

43 ADNSpontozásirendszerhibája CCTCCTTTGT Pont=50 CCTCCTTTGT Pro A A T C T G 4-4 Leu G 5-4 C CCTCCTTTGG Pont=32 CCTCCCTTAG Pro Leu Nemveszifigyelembe,hogyegyaminosavattöbbkodoniskódolhat(némamutációk)

44 Fehérjepontozásirendszer aháttér Azaminosavaknakkülönbözőfizikai kémiaitulajdonságaikvannak, ezekbefolyásoljákakicserélhetőségüket Példáulavalin(V)ésazizoleucin(I)kicserélhetőegymásra alifás L hidrofób P C S+S I M V pici A kicsi G CSH S K E D T F Y W H R aromás N Q pozitív poláris töltött 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

45 Fehérjepontozásirendszerek(mátrixok) pontszámotrendelazösszeslehetségesaminosav aminosavcseréhez fehérjeszekvenciáktöbbszörösillesztésénekvizsgálatábólszármazóadatok Blossum62 esmátrix

46 Szekvenciaillesztés:globálisvagylokális Globálisillesztés:ateljesszekvenciátigyekszikoptimálisanelrendezni Σ 50pont Lokális:alegnagyobbjólilleszkedőközösszakasztkeresimeg Σ 55pont Természetesenakétmódszereltérőillesztéstad

47 BLAST:BasicLocalAlignmentTool BLAST:egyszerűlokálisszekvenciaillesztőeszköz azncbiportálonhozzáférhető: igengyors,igenelterjedt alkalmasnagyméretűszekvenciaadatbázisokbantörténőhomológiakeresésre programvariációk: szekvencia adatbázis program nukleotid nukleotid blastn fehérje fehérje blastp transzlált nukleotid fehérje blastx fehérje transzlált nukleotid tblastn transzlált nukleotid transzlált nukleotid tblastn

48 BLAST:BasicLocalAlignmentTool keresett szekvencia (query) Választhatófehérjeblastadatbankok: melyik adatbankban keressen nr ismétlődéstőlmentes,~genepept refseq jóljellemzett,felülvizsgáltadatok(ncbi) swissprot jóljellemzett,felülvizsgáltadatok(swissinstitute) pat szabadalmakhozkacspolódószekvenciák pdb ismert3d smodellelrendelkezőszekvenciák env környezetiszekvenálásokeredményei

49 Keresésfolyamatban... Becsülthátralévőidő(minimum)

50 Eredmények... Fajokszerintrendezve találatok Pontszám színkód

51 Eredmények... találatneve+hivatkozás találatleírása Eérték megengedettcsere azonosaminosavak deléció(gap) nemmegengedettcsere

52 Milyeninformációkatkaphatunkfehérjeszekvenciák vizsgálatával Afőkérdés:miazadottfehérjepontosszerepe,funkciója? Segítt easzekvenciaismereteafunkciómeghatározásában?

53 Fehérjeaminosavsorrendmeghatározzaatérszerkezetet Anfinsen,1961 UreahatásáraazRNázkicsapódik,(harmadlagostérszerkezeteelvész) AzureaeltávolításautánazRNázkülsősegítségnélkülvisszanyerteatérszerkezetét, ésazaktivitását! katalitikuszseb diszulfidhidak hidrofiloldalláncok hidrofóbmag

54 Fehérjeszekvenciaanalízisrévénfunkciójóslás Hasonlószekvenciakereséseadatbázisban,ismertfunkcióval Hasonlószekvenciakereséseadatbázisban,ismerttérszerkezettel Ismertfunkcióvalbíródomain ekazonosításaazismeretlenszekvencián Funkciójóslás Pusztánszekvenciaanalízisselafehérjefunkciójátnemlehetmegállapítani Abioinformatikaivizsgálatokötleteket,kiindulópontotadnakakísérletes munkához

55 ProteinDataBank Kísérletesenmeghatározottháromdimenziósfehérjeszerkezetimodellek

56 KeresésaPDBadatbázisban

57 CDDkonzerváltdomainadatbank Domain:afehérjénbelülirészegység,amelyjóldefiniáltstrukturálisvagyfunkcióbeli szerepettöltbe.egyfehérjénbelülgyakrantöbbdomainttalálunk,amelyek együttesenjárulnakhozzáafehérjeműködéséhez

58 CDDkonzerváltdomainadatbanktalálat azonosítottaktívközpont,szubsztrátkötőhelyek azonosítottdomain ek

59 NCBIportál azinformációözöne

60 Entrez:azNCBIintegráltkeresőmotorja OMIM PubMed PubMedCentral 3DDomains Journals Structure Books CDD/CDART Entrez Protein Taxonomy Genome GEO/GDS UniSTS UniGene Nucleotide PopSet SNP

61 Szakirodalmiadatbázis:Pubmed közel5300tudományosfolyóiratcikkeinekösszefoglalóibankereshetünk aszabadonletölthetőteljescikkekrehivatkozás

62 Szakirodalmiadatbázis:Pubmed amegtaláltösszefoglalómunkákat(reviewarticle)különiskilistázhatjuk

63 Szakirodalmiadatbázis:Pubmed különféleikonokjelzik,hogyamegtaláltteljescikkhozzáférhető e ingyenes hozzáférés

64 PubmedCentral 500szabadon,elektronikusanelérhetőfolyóirat

65 Mapviewer interaktívgenetikaitérképekazelkészültésafolyamatbanlévőgenomprojektekhez

66 Mapviewer Kulcsszavaskeresés találatokakromoszómákon

67 HumángenetikaiadatbázisOMIM Örökletesbetegségekkelkapcsolatosinformációk

68 Rendszertaniadatbázis(taxonómia)

69 Szabadonolvashatókönyvek:NCBIBooks

70 Szabadonolvashatókönyvek:NCBIBooks Berg,JeremyM.;Tymoczko,JohnL.;andStryer,Lubert. NewYork:W.H.FreemanandCo.;c2002 Biochemistry Cooper,GeoffreyM. Sunderland(MA):SinauerAssociates,Inc.;c2000 TheCell AMolecularApproach Gilbert,ScottF. Sunderland(MA):SinauerAssociates,Inc.;c2000 DevelopmentalBiology Janeway,CharlesA.;Travers,Paul;Walport,Mark;Shlomchik,Mark NewYorkandLondon:GarlandScience;c2001 Immunobiology Lodish,Harvey;Berk,Arnold;Zipursky,S.Lawrence; Matsudaira,Paul;Baltimore,David;Darnell,JamesE. NewYork:W.H.Freeman&Co.;c1999 MolecularCellBiology Coffin,JohnM.;Hughes,StephenH.;Varmus,HaroldE. Plainview(NY):ColdSpringHarborLaboratoryPress;c1997 Retroviruses

71 Egyébhasznosadatbankok:BRENDAenzimadatbázis Átfogóadatgyűjteményenzimekről azenzimhelyeametabolikushálózatban azenzimáltalkatalizáltreakciókleírása előforduláskülönféleélőlényekben,irodalmihivatkozások aktivitásadatok,enzimkinetikaiadatok optimálishőmérséklet,phadatok gátlószerekhatása enzymes.org/

72 KEGGanyagcsereútvonaladatbázis