Bioinformatikai módszerek a

növénybiológiában

Sebestyén Endre

Martonvásár, 2007 nov. 16.

Mi a bioinformatika? Bioinformatics and computational biology involve the use of

techniques including applied mathematics, informatics, statistics, computer science, artificial intelligence, chemistry, and biochemistry to solve biological problems usually on the molecular level.

It can also be defined as the science and technology of learning, managing, and processing biological information.

Major research efforts in the field include sequence alignment, gene finding, genome assembly, protein structure alignment, protein structure prediction, prediction of gene expression and protein-protein interactions, and the modeling of evolution.

Valójában egyre kevésbé tekinthető külön tudományágnak, ugyanolyan eszköz, mint a pipetta vagy PCR.

Adatok és adatbázisok Elsődleges adatbázisok

DNS (RNS) EMBL (http://www.ebi.ac.uk/embl/) GenBank (http://www.ncbi.nlm.nih.gov/Genbank/index.html) DDBJ (http://www.ddbj.nig.ac.jp/)

Térszerkezeti adatbázisok Másodlagos vagy származtatott adatbázisok

Fehérje adatbázisok Fehérjemotívum adatbázisok

Egyéb adatbázisok NAR adatbázis különszám

RetrOryza: a database of the rice LTR-retrotransposons SUBA: the Arabidopsis Subcellular Database AgBase: a unified resource for functional analysis in agriculture The TIGR Plant Transcript Assemblies database

2007 : 106 új, 68 frissítés, összesen 968 (http://www.oxfordjournals.org/nar/database/a/)

Genomprogramok (növények) Kész

Arabidopsis thaliana Medicago truncatula Oryza sativa Populus trichocarpa Vitis vinifera

Folyamatban Brachypodium distachyon Lotus japonicus Manihot esculenta Solanum lycopersicum Solanum tuberosum Sorghum bicolor Zea mays Ricinus communis Brassica oleracea Triticum aestivum Glycine max

Adatbázisok mérete (EMBL)

EMBL rekordok száma EMBL nukleotidok száma

EMBL keresés

EMBL rekord

NCBI/GenBank keresés

NCBI rekord

Genomböngészők

Teljes genom(ok) szekvenciáját tartalmazza Szekvenciák vizualizálás, böngészése Nagy mennyiségű annotáció

Génpredikciók Fehérjék Expressziós adatok Összehasonlító elemzések Keresztreferenciák más adatbázisokhoz

Genomböngészők

Repeat

Génpredikciók

Transzkriptumok

TIGR kukorica genomböngésző

Genomböngészők ENSEMBL (www.ensembl.org)

Növényekkel nem foglalkozik 33 különböző genom

UCSC (http://genome.ucsc.edu) 32 genom

AtENSEMBL (http://atensembl.arabidopsis.info) TIGR Rice database (http://www.tigr.org/tdb/e2k1/osa1/) TIGR Maize database (http://maize.tigr.org/)

Szekvenciaformátumok

FASTA, GCG, EMBL, GenBank Egyszerű szöveges fájlok A Word dokumentum NEM szekvenciaformátum

BLAST keresés

http://www.ncbi.nlm.nih.gov/blast/ Nukleotid vs. nukleotid Protein vs. protein Protein vs. lefordított

nukleotid Lefordított nukleotid vs.

protein Lefordított nukleotid vs.

lefordított nukleotid

BLAST keresés

Alapbeállítások nem mindig megfelelőek

A keresés eredménye nem biztos, hogy tökéletes

Viszont a szekvencia mindig biztosabb keresési módszer, mint egy azonosító vagy kulcsszó

Szekvenciaillesztés

Kettő vagy több szekvencia Az esetek nagyrészében nincs tökéletes megoldás

Nehéz számszerűen megmondani az illesztés “jóságát” Szekvencia méret/szám növekedésével exponenciálisan

nő a szükséges idő

Illesztés algoritmusa Globális (ClustalW) Lokális (Dialign)

Néha érdemes akár kézzel javítani

Globális / lokális illesztésglobális illesztés

lokális illesztés

Transzkripciós faktor kötőhelyek

Ismert kötőhelyek Kísérletes adatok alapján Adatbázisok

TRANSFAC JASPAR PLACE PlantCARE

1300 - 1500 kötőhely Konszenzus szekvencia

vagy mátrix a jellemzésükre

2 3 4 5

A 16 352 3 354

C 46 0 10 0

G 18 2 2 5

T 309 35 374 30

Kötőhelyek keresése promóterekben

TRANSFAC kötőhely gyűjteménnyel való keresés eredménye

Sok, biológiailag nem feltétlenül releváns (fals pozitív) kötőhely ugyanazon a szekvencián

DoOP, Ortológ promóter adatbázis

Ortológ promóterek elemzése Evolúciósan konzervált motívumok definiálása A motívumok feltételezett kötőhelyek lehetnek Weboldal az adatok eléréséhez, további

elemzéséhez http://doop.abc.hu

Adatbáziskészítés folyamata

Arabidopsis genomannotáció

Konzerválódott régiók kinyerése

Szekvenciaillesztés (Dialign)

Első exon kinyerése minden génből

BLAST keresés összes növényi szekvenciában az exon alapján(NCBI adatbázis)

Promóter régiók kinyerése és csoportosítása(500, 1000, 3000 bp)

Promótercsoportok

Legalább 1 szekvencia az Arabidopsis promóter mellett 500 bp : 9140

26591 szekvencia 1000 bp : 6013

16703 szekvencia 3000 bp : 5765

15493 szekvencia

Fajok eloszlása a növényi adatbázisban

Nvˇnyi adatb‡zis (v 1.6, 500 bp), fajok

9140 Arabidopsis thaliana4962 Brassica rapa4579 Brassica oleracea1340 Populus trichocarpa1223 Ricinus communis1137 Vitis vinifera696 Medicago truncatula487 Lotus japonicus396 Brassica napus261 Oryza sativa244 Solanum lycopersicum198 Zea mays1928 Other

Motívumok a növényi adatbázisban

Konszenzus szekvencia 5 - 50 bp között 4 típus

Brassicacea Eudicotyledons Magnoliophyta Viridiplantae

Összesen 134120 egyedi motívum (500, 1000, 3000 bp)

DoOP keresőoldal

Keresési módok Szekvenciaazonosító Génazonosító Kulcsszavas leírások Faj Promóter szekvencia

Keresés eredménye

Promótercsoport azonosító

Leírás Konzervált motívumok

száma Fajcsoportok

Lehetőség van a szekvenciák letöltésére

Promótercsoport

Szekvenciák

Génannotáció

Szekvenciaillesztés

Keresztreferenciák

Konzerválódott régiók

Promótercsoport

UTR régió

Faj, méret

Motívumok

Motívum

További keresési lehetőség adott motívummal

Hasonló szabályozással / expressziós mintázattal rendelkező gének?

http://doops.abc.hu http://doopsearch.abc.hu

További lehetőségek

Ismert kötőhelyek konzerváltságának vizsgálata (folyamatban)

Promóterben elfoglalt pozíció vizsgálata Transzkripciós szabályozás “in silico”

vizsgálata Mesterséges promóterek tervezése?

Az adatbázis folyamatos frissítése

Résztvevők

MBK Bioinformatika csoport, Gödöllő