Bioinformatika és genom analízis az orvostudományban (AOGENBIG_1M) Miklós István SOTE, 2008. november 6. A mai el!adás témája: Struktúrák predikciója Az összehasonlító bioinformatika alapelvei Rejtett Markov modellek és mesterséges neuronhálók Alkalmazások! Génpredikció! Alternatív splicing! Transzmembrán topológia predikció Esettanulmányok! Prionfehérjék! I. típusú T sejt epitópok predikciója! MHC Fehérjedokkolás Összehasonlító bioinformatika Rejtett Markov Modellek (HMM) Központi dogmája: A struktúra konzervatívabb, mint a szekvencia Rosetta k!: Arthur Lesk: What one or two homologous sequences whisper, a full multiple alignment shouts out loud. Richard Durbin példája: AYTGTHISSQKLIISCLPNOTKSIAIHIDDENAWYA AYTGTHISSQKLIISCLPNOTKSIAIHIDDENAWYA DEFYTHISPSQALISCAMPLETELYIHIDDENYWAE Definíciók Állapot A gráf egy pontja, amely valamely tulajdonságot hivatott reprezentálni Els! HMM a bioinformatikában: CpG szigetek Emisszió Az állapotok emittálnak (kibocsájtanak) karaktereket, a tulajdonságuknak megfelel! eloszlásból Útvonal Egy séta a gráfon a megfelel! kibocsájtásokkal. Ha a karaktereket a kibocsájtó állapotoknak megfelel! tulajdonságokkal asszociáljuk, akkor egy útvonal egyben predikció is az egyes karakterek tulajdonságaira Legvalószín!bb útvonal (Viterbi path) A legvalószín"bb predikció a struktúrára Szuboptimális útvonal Alternatív predikciók a struktúrára
Els! HMM a bioinformatikában: CpG szigetek Miért m"ködik? A CpG szigetekben valószín"bb, hogy egy C után G jön, ezért azok az útvonalak a HMM-ben, amelyekben a CpG szigeteket a megfelel! almodel generálta, sokkal valószín"bbek. Pozícióspecifikus pontozómátrixok és HMM-ek Egy HMM annyival több egy pozócióspecifikus pontozómátrixtól, hogy az optimális útvonal függ az átmeneti valószín"ségekt!l is. Profile HMM : pozícióspecifikus pontozómátrix valószín"ségi modellbe áttranszformálva Mesterséges neuronhálók A pozícióspecifikus értékelések tetsz!legesen kombinálhatók, így egyes pozíciók közötti kapcsolatok felfedezhet!ek OUTPUT From V. Brusic HIDDEN A C DE F G H I K L MN P Q R S T VWY A C DE F G H I K L MNP Q R S T VWY INPUT Y Els! alkalmazása az evolúciós információknak Jones et al. (1998) J. Mol. Biol. Eredmények I. Illesztett protein szekvenciák közös struktúrájának a meghatározása! " L Rejtett Markov Modell A kibocsájtási valószín"ségeket egy id!folytonos Markov modell adja meg. ML Evolúciós fa Posterior decoding
Eredmények II. Génkeresés/annotáció A feladat megkeresni a kódoló régiókat a genomban és annotálni ezeket Promoter 5 utr < --------- coding region ------> 3 utr Bacterial gene: continuous coding region, known signals?? 5 utr < --- coding region ----------- > 3 utr polyaaa site Human gene: fragmented coding region, unknown signals, contained in much more DNA A filogenetikai információ általában javítja a becslés pontosságát Rejtett Markov modellek génkeresésre Genescan-Doublescan Genescan (HMM) Doublescan (pair-hmm) Burge & Karlin (1997) J. Mol. Biol. 268:78-94. Meyer & Durbin (2002) Bioinformatics 18:1309-1318
Alternatív splicing predikció SLAM-mal Cawley & Pachter (2003) Bioinformatics Alternatív splicing predikció SLAM-mal Átfed! gének RNS szerkezetek mrns-ben Meyer & Miklós (2005) Nucleic Acids Research Fekete: kódoló régió, Szürke: át nem íródó régió A CAV1 fehérjében lokális RNS térszerkezet A CFTR alternatív splicingja Pagani et al. (2005) PNAS A CFTR alternatív splicingja Pagani et al. (2005) PNAS
A CFTR alternatív splicingja Pagani et al. (2005) PNAS A CFTR alternatív splicingja Meyer & Miklós (2005) NAR A CFTR alternatív splicingja Meyer & Miklós (2005) NAR Transzmembrán topológia predikció Tusnády & Simon (1998) J. Mol. Biol. Transzmembrán topológia predikció Eredmények
HMMTOP online server Prionfehérjék http://www.enzim.hu/hmmtop/ Tompa, Tusnády, Cserz!, Simon (2001) PNAS Prediktált transzmembrán hélixek száma Feltételezett evolúció Epitópkeresés HMM-mel és ANN-nel Epitópkeresés HMM-mel és ANN-nel Srinivasan et al. (2004) Bioinformatics Srinivasan et al. (2004) Bioinformatics Rejtett Markov modellekkel és mesterséges neuronhálózatokkal 9 aminosavból álló peptideket vizsgáltak A modelleket trenírozni lehet adathalmazokon, a használt adthalmaz! 604 köt! és! 2358 nem-köt! peptidb!l állt A ROC értékek a trenírozott modellekre 80-90% körül volt ANN predikció forró pontokra a humán papillóma vírus fehérjéjében. Kör: forró pont, téglalap: fals positiv predikció
Dokkolás A feladat annak a meghatározása, hogy mely molekula passzol bele egy adott enzim aktív zsebébe 3D modellezéssel Klasszikus és kvantumfizikai törvények alapján Rendkívül számolásigényes Fight Aids @ home Dokkolás AIDS elleni gyógyszertervezésre a saját számítógépünkön "Why should I join?" About 42 million people are living with HIV or AIDS around the world. HIV mutates and evolves very quickly. Drug resistance is on the rise. If there is any "bioterrorism" in the world, it comes from Nature itself, in the form of HIV, and we need to fight this very real and long-standing problem now - more than any other threat to humanity. So every computer counts! Your CPU helps to screen millions of candidate drug compounds computationally against detailed models of evolving AIDS viruses an accomplishment previously impossible without expensive supercomputers. FightAIDS@Home accelerates AIDS research by connecting you to a global "grid" of distributed computing power. Together, we are making a difference! Your donation of spare computer cycles helps us in our entirely non-profit, scientific endeavours Fight Aids @ home Dokkolás Eddig több, mint 14000 felhasználó csatlakozott a programhoz In silico válogatás adatbázisból Ligand database Molecular docking Target Protein Ligand docked into protein s active site Receptorome és receptoromics Roth (2005) Pharmacology and Therapeutics
Klasszikus bioinformatika Összefoglalás Az adatok többsége szekvenciális (RNS, DNS, fehérjék) Központi hipotézis: a struktúra konzervatívabb, mint a szekvencia Ab initio vagy komparatív predikció A mutációk struktúrafügg!k, a f! mutációtípusok: szubsztitúciók, beszúrások, törlések System biology Rendszerszint" összehasonlítása a biokémiai rendszereknek! Gének elrendez!dése a genomban! Biokémiai hálózatok (reakció-útvonalak, interakciók, regulációk)! Génexpresszió Jöv! hétt!l Irodalomjegyzék Jones, Thorne, Goldman (1996) Using evolutionary trees in protein secondary structure prediction and other comparative sequence analyses. J. Mol. Biol. 263:196-208. Meyer & Durbin (2002) Comparative ab initio prediction of gene structures using pair HMMs Bioinformatics 18:1309-1318 Cawley & Pachter (2003) HMM sampling and applications to gene finding and alternative splicing. Bioinformatics, 19 Suppl. 2:ii36 ii41 Meyer & Miklós (2005) Statistical evidence for conserved, local secondary structure in the coding regions of eukaryotic mrnas and pre-mrnas Nucleic Acids Research 33:6338-6348 Pagani, Raponi & Baralle (2005) Synonymous mutations in CFTR exon 12 affect splicing and are not neutral in evolution. PNAS 102:6368-6372 Tusnády & Simon (1998) Principles Governing Amino Acid Composition of Integral Membrane Proteins: Application to Topology Prediction. J. Mol. Biol. 283:489-506 P. Tompa, G. E. Tusnády, M. Cserz!, and I. Simon (2001) Prion protein: Evolution caught en route. PNAS 98(8):4431 4436. Srinivasan, Zhang, Khan, August, Brusic (2005) Prediction of clas I T-cell epitopes: evidence of presence of immunological hot spots inside antigens. Bioinformatics 20 Suppl. 1:i297-i302.