Biologie computaţională - Curs 1 - sorana.academicdirect.rosorana.academicdirect.ro/pages/doc/ComputBiol/C01.pdf · Tema de dezbatere … B IOLOGIE C ... totalitatea tehnicilor

BIOLOGIE COMPUTAŢIONALĂ – BIODIVERSITATE & BIOCONSERVARE

BIOLOGIE COMPUTAŢIONALĂ

MASTER: BIODIVERSITATE & BIOCONSERVARE

Sorana D. BOLBOACĂ


2 Despre …

Organizarea disciplinei:

Curs

Lucrări practice

Structura cursurilor …

La ce mă aştept …

La ce vă aşteptaţi …


3 Despre … disciplină

Denumire: Biologie computaţională

An de studiu: II

Semestrul: III

Număr credite: 8

28 ore curs & 28 ore laborator


4 Despre … curs

Orar …

Locaţie: H22

Cursuri:

http://sorana.academicdirect.ro

Students

Facultatea de Horticultura (USAMV Cluj-Napoca) - Master: Biodiversitate si Bioconservare

Contact:

[email protected]

http://sorana.academicdirect.ro/

http://sorana.academicdirect.ro/

http://sorana.academicdirect.ro/pages/doc/Bio.php






mailto:[email protected]


Despre … activitatea didactică

Structura anului universitar 2013/2014

Semestrul I

30.09.2013-20.12.2013 - activitate didactică

21.12.2013-12.01.2013 - vacanţă

13.01.2014-24.01.2014 - activitate didactică

25.01.2014-16.02.2014 - sesiune de examene

5


6 Despre … verificare

Forma de verificare: Colocviu

Colocviu

= formă de control al cunoştinţelor dobândite de

studenţi, care constă în discuţii, lucrări de

laborator, lucrări practice

= discuţie pe o temă ştiinţifică

Tema de dezbatere …


7 Despre … acest curs

Sumarizarea modalităţii în care calculatoarele

sunt utilizate pentru a găsi soluţii la probleme

biologice

Învăţare supervizată de calculator

1. Noţiuni introductive …

2. Căutarea informaţiei de interes în literatura de

specialitate

3. …


8 La ce mă aştept …

Să aveţi cunoştinţe de bază în biologie şi matematică

şi … dorinţa de a învăţa lucruri noi

Cunoştinţe de utilizare a calculatorului: Microsoft Word,

Excel, PowerPoint

Cunoştinţe şi abilităţi de căutare a informaţiilor în baze de

date

Să fiţi activi la ore

Dacă aveţi nelămuriri … [email protected]




9 La ce vă puteţi aştepta …

Două secţiuni:

Biologie moleculară computaţională (analiză de secvenţe şi

structuri)

Biologie celulară computaţională (modelarea şi analiza

imaginilor)

Cursuri: prezentări şi demonstraţii

Răspuns la întrebări din cursurile anterioare

Alegerea temei de dezbatere


NOŢIUNI INTRODUCTIVE

BIOLOGIA COMPUTAŢIONALĂ

10


11 Biologia Computaţională … Definiţie

Aplicarea teoriilor biologice prin utilizarea modelelor

matematice, statistice, fizice şi a calculatorului în

analiza sistemelor complexe biologice

Simularea experimentelor biologice cu ajutorul

calculatorului (neurobiologia, prelucrarea imaginii,

etc.)


12 Biologia Computaţională


13 Biologia Computaţională …

Biologia computaţională

Biologia moleculară computaţională

Biologia sistemelor

Genomică structurală

Proteomică

Genomică

Bioinformatică

Genomică & Bioinformatică & Biologie Computaţională

Inteligenţa artificială – Robotică

Baze de date – Teoria informaţiei

Teoria grafurilor – Algoritmi

Statistică - Probabilităţi


14 Bioinformatică: scopuri computaţionale

Învăţare şi Generalizare: identificare de modele în

secvenţe, structuri, interacţiuni, metabolism, etc. prin

studierea unor exemple bine studiate.

Predicţie: obţinerea de informaţii structurale sau funcţionale

a secvenţelor noi de gene (genom, proteine, etc.) din

modelele de generalizare

Organizare şi Integrare: dezvoltarea de abordări

sistematice şi genomice a interacţiunilor moleculare,

metabolice, semnale celulare, expresie de gene, …


15 Bioinformatică: scopuri computaţionale

Simulare: a modelelor de expresie genetică, reglare

genetică, interacţiune proteină-proteină, etc. …

Inginerie: crearea de organisme sau funcţii noi, a noi

metode de reglare genetică sau proteică

Terapie genică: gene cu ţintă specifică, mutaţii sau

recombinări RNAi pentru a schimba fenotipul bolii.


16 Biologia moleculară / Bioinformatică

Paradigma centrală:

Biologia moleculară:

DNA RNA Proteina Fenotip

Biologia moleculară a genei: James Watson

Bioinformatic:

Informaţia genetică Structura moleculară

Funcţia biochimică Fenotip


17 Bioinformatica

Provocări în înţelegerea informaţiei genetice:

Informaţia genetică este redundantă (surplus de informaţie

faţă de strictul necesar / abundenţă inutilă de informaţie)

Informaţia structurală este redundantă

Genele şi proteinele sunt metastabile

Metastabilitatea: concept al sistemelor complexe:

Genele au funcţii multiple

Genele sunt unidimensionale dar funcţia depinde de

structura tri-dimensională …



Biologia computaţională se dezvoltă rapid prin îmbinarea

interdisciplinară a aplicării cunoştinţelor domeniului ştiinţei

calculatoarelor, statisticii şi matematicii aplicate în rezolvarea

problemelor biologice.

Bioinformatica: matematica aplicată, statistica şi teoria

probabilităţilor sunt utilizate în rezolvarea unor probleme de

biologie moleculară şi proteomică:

Genomul uman ← puterea de procesare a

calculatoarelor

1989 – start → 13 ani (2001)

3 bilioane de dolari americani



Biofizica, biochimia şi biologia

structurală: ramură a biologiei

moleculare, biochimiei şi

biofizicii care se ocupă de

structura moleculară a

macromoleculelor - proteine,

acizi nucleici, carbohidraţi şi

lipide



Modelarea şi vizualizarea sunt două componente esenţiale în

înţelegerea fenomenelor biologice. Modelarea este în relaţie cu

totalitatea tehnicilor şi metodelor de predicţie a structurilor

genetice şi/sau proteice.

Modelarea este frecvent folosită ca instrument:

De analiză a structurilor tridimensionale: ARN, interacţiunea

proteică.

De predicţie: modele de predicţie a interacţiunii proteină-ligant,

tehnici moderne de predicţie a proteinelor.


Biologia computaţională: Istoric

Matematicianul Charles Lutwidge Didgson (1832-1898)

cunoscut sub numele de Lewis Carrol (autorul cărţii Alice) este

cel ale cărui soluţii implementate în jocuri se regăsesc în

biologia computaţională.

Lewis Carrol a arătat că două cuvinte ('APE' şi 'MAN') pot fi

conectate printr-un lanţ (APE ARE ERE ERR EAR

MAR MAN), parsimonia în şirul de litere stând la baza

algoritmilor filogenetici utilizaţi în biologia computaţională.


Biologia computaţională şi Informatica

Există diferenţe culturale enorme între cercetătorii în ştiinţele vieţii şi cei în ştiinţele de calcul iar aceste diferenţe trebuie să-şi găsească numitorul comun când e vorba de biologia computaţională:

nimic nu e niciodată complet adevărat sau fals în ştiinţele vieţii pe când totul este fie adevărat fie fals în informatică şi matematică;

cercetătorii în ştiinţele vieţii încearcă să înţeleagă fenomenele naturale în timp ce informaticienii încearcă să construiască propria lor lume virtuală;

cercetătorii în ştiinţele vieţii sunt cei care colectează/produc date în timp ce informaticienii sunt cei care crează algoritmi;

cercetătorii în ştiinţele vieţii sunt obsedaţi în a descoperii primii ceva în timp ce informaticienii inventează ceva nu descoperă;

cercetătorii în ştiinţele vieţii sunt conştienţi de faptul că toate datele au erori - informaticienii nu

…


Biologia computaţională: descoperiri

1970: Primul algoritm de aliniere al secvenţelor

1969: Modele pentru selecţia liberă a evoluţiei moleculare

1967 & 1970: Substituţia preferenţială a reziduurilor de amino acizi în secvenţa proteică

1967: Studiile formale ale structurii primare a proteinelor

1969 & 1970: Preferinţele reziduurilor de aminoacizi în structura secundară

1967 & 1968: Reprezentarea helicoidală a secvenţelor de proteine

1969 & 1970: Utilizarea datelor moleculare în studii ale evoluţiei

1970: Originea vieţii

1970: Teoria evoluţiei duplicării genetice



Dezvoltarea biologiei computaţionale poate fi prezentată

din prisma următoarelor problematici:

Managementul informaţiei biologice: baze de date pentru

stocarea (2004; 2010), căutare (2006; 2008; 2010) şi analiza

informaţiei (2004; 2006; 2009).

Analiza secvenţelor: algoritmul de aliniere al secvenţelor

Smith-Waterman (programare dinamică) (1981), algoritmi

de căutare în baze de date FASTA (1983; 1985), algoritmi

de analiză a secvenţelor profil (1987; 1988), identificarea

pattern-urilor (1984), alinierea secvenţelor multiple (2011),

identificarea secvenţelor motifs (2011), algoritm de

corectare a erorilor (2011), algoritmul intervalului de

potrivire (2010; 2011) etc.



Dezvoltarea biologiei computaţionale poate fi prezentată

din prisma următoarelor problematici:

Baze de date dedicate: GenBank, EMBL Data Library,

Allie, FungalRV, OryzaPG-DB, GlycoFly, dbOGAP,

Protein Information Management System (PiMS), UniProt

Knowledgebase, etc.

Reţele de calculatore care asigură disponibilizarea

datelor/informaţiilor şi facilitează distribuirea: EMBNET,

BIONET, GraphCrunch 2, OryzaExpress, iMAT,

Asynchronous Inference of Regulatory Networks (AIRnet),

FuzzyART, BioExtract Server, GNCPro, SpotXplore,

Gene Expression Browser, MetPA, BioNetCAD,

GeneMANIA, NeuroML, geWorkbench,

myExperiment, MetExplore, etc.




Evoluţia publicaţiilor în biologia computaţională


Noţiuni de bază în biologia computaţională

Informaţia genetică: informaţia codificată în materialul genetic cu care este înzestrat orice organism viu (unicelular sau pluricelular). Aceasta este stocată în structura macromoleculară a ADN-ului (acidul dezoxiribonucleic), la nivelul ADN-ului nuclear (rol principal în stocarea informaţiei genetice) şi a ADN-ului extracelular.

Genotipul: totalitatea informaţiei genetice dintr-un organism.

Genomul (nuclear, celular): întreaga material genetic dintr-un organism. Genomul uman are o lungime de ~ 3 bilioane de perechi de baze şi conţine toate informaţia necesară pentru a crea toate proteinele.



Codul genetic: Set de reguli prin care informaţia din materialul genetic (ADN, ARNm - acidul ribonucleic mesager) este transformată în proteine (secvenţe de aminoacizi) în celulele vii.

Codonul: secvenţa de trei nucleotide ale macromoleculei de acid dezoxiribonucleic care codifică un aminoacid specific.

Secvenţa ADN (acidul dezoxiribonucleic): este formată din înşiruirea a 4 baze, 2 purinice (A -= adenina şi G = guanina) şi 2 pirimidinice (C = citozina şi T = timina, U = uracilul - ARN - acidul ribonucleic). Fiecare bază se leagă de complementul său (A-T şi C-G) astfel încât fiecare secvenţă are o secvenţă complementară unică.



Proteinele sunt secvenţe de aminoacizi; orice proteină poate fi văzută ca o şir de aminoacizi.

Evoluţia apare datorită schimbărilor genomice care pot fi de tip mutaţie sau recombinare. Mutaţiile sunt evenimente rare (pot apărea la nivelul unei singure baze) care pot determina evenimente importante. Recombinarea este modalitatea prin care genomul a fost construit plecând de la informaţia genetică primită de la părinte/părinţi. Prin selecţia naturală în genom tind să se acumuleze schimbările favorabile.

Algoritmii trebuie să fie corecţi şi eficienţi. De interes sunt acei algoritmi care sunt capabili să identifice cea mai bună soluţie posibilă la o problemă complexă bine definită.


31 Vocabular controlat


32 Vocabular controlat – terminologie standardizată


Ontologia Plantelor 33

Ontologie = teoria existenţei

https://gw.innocentive.com/ar/c

hallenge/9221029

http://www.plantontology.org/

Ontologia Plantelor

https://gw.innocentive.com/ar/challenge/9221029

https://gw.innocentive.com/ar/challenge/9221029

http://www.plantontology.org/


Ontologia Plantelor 34

http://wwwmgs.bionet.nsc.ru/mgs/dbases/pgek/GlossaABC.html?ANTHER

http://wwwmgs.bionet.nsc.ru/mgs/dbases/pgek/GlossaABC.html?ANTHER


Ontologia Plantelor

http://www.obofoundry.org/ 35

http://www.obofoundry.org/


Ontologia Plantelor

http://koios.generationcp.org/ontology-lookup/

36





Plant-Associated Microbe Gene Ontology

http://pamgo.vbi.vt.edu/

http://www.geneontology.org/

Ontologia Patologiilor Asociate

Plantelor

37

http://pamgo.vbi.vt.edu/

http://www.geneontology.org/


SoyBase Soybean Ontologies

http://soybase.org/ontology.php:

Dezvoltare

Structură

Creştere

Trăsătură

38

http://soybase.org/ontology.php


Resurse informaţionale

Analiza genomului la iarbă

http://www.gramene.org/

39

http://www.gramene.org/


Resurse informaţionale

http://www.arabidopsis.org/

http://www.arabidopsis.info/

Resurse Informaţionale Arabidopsis

40

http://www.arabidopsis.org/

http://www.arabidopsis.info/


Reţeaua genetică http://wwwmgs.bionet.nsc.ru/mgs/gnw/genenet/applet_genenet_viewer.shtml

41

http://wwwmgs.bionet.nsc.ru/mgs/gnw/genenet/applet_genenet_viewer.shtml


Genomul uman 42


43 Comoara îngropată



Algoritmul: o secvenţă de instrucţiuni care trebuie aplicate

pentru a putea găsi o soluţie la o problemă formulată

corect:

Identifică corect problema

Problema = o clasă de sarcini computaţionale

Evoluţie strict legată de evoluţia calculatorului:

Viteza CPU vs. memorie: determinarea structurii unei

proteine necesită multe calcule dar memorie limitată;

căutarea genomului necesită puţine calcule dar

capacitate de memorare mare.

44



Baze de date:

> 1000 baze de date

biologice online (mărime,

calitate, conţinut, nivel de

interes)

National Center for

Biotechnology

Information: : 30 baze de

date

Jurnale:

Journal of Computational

Biology

PLoS Computational Biology

Journal of Bioinformatics and

Computational Biology

Genome Biology

Genome Research

Computational Biology and

Chemistry

Molecular Systems Biology

45


46 Resurse ...

NCBI: http://www.ncbi.nlm.nih.gov/sites/gquery

Resurse biologie moleculară computaţională:

http://molbio.info.nih.gov/

Jurnale:

PLoS Computational Biology (Iunie 2005)

Bioinformatics

International Society for Computational Biology

http://www.iscb.org/

European Bioinformatics Institute (EMBL-EBI):

http://www.ebi.ac.uk/

http://www.ncbi.nlm.nih.gov/sites/gquery

http://molbio.info.nih.gov/

http://www.iscb.org/

http://www.ebi.ac.uk/


47 47

Resurse ...


48

”We are swimming in a rapidly rising sea of data. . . how do we keep

from drowning?”

Roos (2001). Science. 291:1260

48

Bio Wiki

http://biowiki.org/

Documents

Biologie computaţională - Curs 1 - sorana.academicdirect.rosorana.academicdirect.ro/pages/doc/ComputBiol/C01.pdf · Tema de dezbatere … B IOLOGIE C ... totalitatea tehnicilor