Bio-informatica
Bio-informatica: raakvlak tussen moleculaire biologie en computerwetenschappen
= Onderzoek, ontwikkeling of toepassing van computationele tools om het gebruik van
biologische/ medische/ gedrags-/ gezondheidsdata te vergroten en om de data de
verkrijgen/ opslagen/ organiseren/ analyseren/ visualiseren
Computationele biologie:
= Ontwikkeling en applicatie van data-analytische en theoretische methoden, mathematische modeling,
computationele simulatie technieken voor de studie van biologische/ gedragds-/ sociale systemen
Bio-informatica VS data mining:
Bio-informatica: moleculair biologische data verwerken en analyseren = question-driven
Data mining: patroon extractie en kennis ontdekking in grote datasets = data-driven
Data: kan je processen , vergelijken , zoeken , structureren , data mining , opslagen , delen
Trends in bio-informatica:
High-throughput revolution: op een snelle manier grote hoeveelheden stalen testen
Central dogma outdated: DNA methylaties zijn deels erfelijk en ook veroorzaakt door de omgeving
Genome and society: in het nieuws, maatschappelijke impact, economisch aspect vergroot sterk
The big data wave: veel data over het genoom online beschikbaar
AI revolution: gebruikt voor het accuraat voorspellen van de eiwit functie
Info uit genoom sequenties:
Computer analyse van sequentie:
Verschillen zoeken tussen gelijkaardige sequenties
Zoeken naar verschillen in genoom tussen zieke en ongezonde individuen
bv: SNIP (single nucleotide polymorfism) kan ziekte bepalen
Info halen uit sequentie databases
Evolutionaire of fylogenetische relaties onderzoeken
Sequentie patronen vinden (hebben een biologische betekenis)
Proteïne functie voorspellen
Humaan genoom:
Cellen: elke cel bevat hetzelfde kopie DNA maar worden op een andere manier tot expressie gebracht
Genoom: bestaat uit 2 keer 23 chromosomen
Chromosoom: bestaat uit een opgerolde dubbele helix DNA
(strengen zijn complementair dus je moet er maar 1 bekijken)
DNA sequencing:
1. DNA extractie uit weefsel
2. DNA kopiëren (bv 30 kopieën)
3. DNA fragmenten kort knippen
4. Fragmenten in parallel gelezen door een sequencer machine
Elk gekleurd puntje stelt 1 base voor dat gelezen wordt
Resultaat: een collectie van korte sequenties
,Genome assembly: korte sequenties bij elkaar brengen door overlap tussen
fragmenten te zoeken
Kunnen fouten gebeuren
Typen DNA te sequencen:
Ecosystemen bestuderen : sample sequencen om te bekijken welke organismen erin voorkomen
= metagenomics
Humaan microbioom
Immuunsysteem: genomische recombinatie onderzoeken
mRNA vaccins: sequentie van genetische code van virus -> mRNA voor spike proteïne geïnjecteerd ->
lichaam produceert spike proteïne -> immuunsysteem produceert antilichaam
Whole genome sequencing:
De novo sequencing: onbekend genoom sequencen
Referentie gebaseerde sequencing: genoom vergelijken met een
vooraf bepaald referentiegenoom
Kostprijs: eerste genoom sequencing kostte miljarden , nu rond 100en dollars
Er bestaan zelfs kleine sequencer machine dat aan te sluiten is op een computer
Biologische complexiteit:
DNA: geeft het genoom weer maar geeft de biologische functie van het genoom niet weer
Vertelt over de evolutie van het genoom
RNA: gevormd door transcriptie van het DNA
Eiwitten: gevormd door RNA en voeren een bepaalde functie uit
zo weet je welke delen van het genoom voor welke biologische functie coderen
Interactie netwerken
je weet nog steeds niet hoe ze in hogere context werken
Netwerken: interactie van moleculen -> cellen -> organen -> orgaansystemen -> individuen
Hogere complexiteit:
Interacties: moleculen (RNA, eiwitten,…) interageren met elkaar
Variatie: DNA wordt op verschillende manieren overgeschreven, gespliced, post-translationeel
gemodificeerd waardoor er veel variatie is op RNA en eiwitten
Variatie op centrale dogma
Spatiotemporale dynamieken: de hoeveelheid moleculen variëren over tijd en ruimte
bv: bij honger of moeheid heb je andere soorten eiwitten aanwezig
Emergentie: het geheel is meer dan een som van componenten maar door zelforganisatie in
coherente structuren
Data integratie: informatie van elk niveau aan elkaar koppelen om het complexere proces te begrijpen
,Systeembiologie:
Iteratief proces: technologie (DNA uitlezen en karakteriseren) , computers
(analyseren en verbanden zoeken) , biologie (hypothese formuleren en naar labo sturen)
Vertrekken bij eender welke component en eindigen bij eender welk punt
Computer wetenschappen:
Databases:
Flat files:
Flat files: computerbestanden / collectie van data
Nadeel:
Geen structuur: geordend op een persoonlijke manier
Geen metadata: geen informatie over hoe alles is bewaard
Relationele databases:
Werking: gegevens opgeslagen in een reeks tabellen met elkaar verbonden volgens een bepaalde logica
Tabellen , rijen , kolommen , sleutels , relaties , structured query language (computertaal)
Vraag aan databank formuleren in SQL
Voorbeelden databases:
MySQL / MariaDB
PostgreSQL : voor zware toepassingen
SQLite : voor lichte toepassingen bv smartwatch
Oracle
NoSQL databases:
Functie: databases om data te verwerken en opslagen die niet in het traditionele relationele database
model passen
Eigenschappen: meer flexibiliteit , verschillende data modellen , schaalbaarheid , …
Database engineering: het ontwikkelen van de database
Algoritmes:
Algoritme: een stel regels/proces om een bepaalde probleem op te lossen / rekenkracht uit te voeren
Meestal uitgevoerd door computer
Traditioneel algoritme: procedures zijn geprogrammeerd door een software engineer
Self-learning / machine learning algoritme: via AI in staat om zelf tot een optimale oplossing te
komen aan de hand van gegeven voorbeelden
Algoritme = recept:
Recept: bestaat uit ingrediënten , benodigdheden en een stappenplan -> maakt een gerecht
Algoritme: bestaat uit data , een probleem -> maakt een oplossing
Voorbeelden algoritmen: staartdeling (wiskunde) , routeplanner
, Assumpties:
Algoritme assumpties: een juiste oplossing kan enkel gegarandeerd zijn als de assumpties van het
algoritme gerespecteerd zijn
DNA translatie algoritme:
Input: een DNA sequentie + tabel van de genetische code
Output: alle mogelijke proteïnesequenties uit de translatie van de DNA sequentie
6 mogelijke oplossingen want je weet niet zeker waar translatie start (welke positie , welke streng , …)
Procedure:
1. Splits het DNA op in tripletten en vervang het triplet door het correct AZ
2. Schuif 3 nucleotiden op
3. Herhaal tot het einde
4. Vervang DNA sequentie door complementaire sequentie en voer stappen op deze streng uit
Dit proces voor alle verschillende frames en complementaire streng herhalen
Output = 6 verschillende eiwit sequenties
Classificatie:
Classificatie problemen: algoritme moeten iets een label toewijzen dat meestal correct is
Gegarandeerde perfectie is een illusie
Stappenplan:
1. Zoeken
2. Voorspellen
3. Identificatie
4. Diagnose
Confusion matrix:
Binaire classificatie: optie kan positief / negatief zijn voor een vraag
bv is het een kat of hond -> positief / negatief op kat zijn
Type 1 fout = vals positief
Type 2 fout = vals negatief
Minst gewenste fout: hangt af van de situatie
bv ziekte diagnose is vals negatief erger want dan geen behandeling
mailbox spam filter is vals positief erger want dan mis je een mail
Voorspelde waarde pos of neg =
∑ true positive/negative
∑ test outcome positie/negative
sensitiviteit =
∑ true positive ¿
TP
∑ condition positive TP+ FN
Specificiteit =
∑ true negative ¿
TN
∑ condition negative TN+FP
Bio-informatica: raakvlak tussen moleculaire biologie en computerwetenschappen
= Onderzoek, ontwikkeling of toepassing van computationele tools om het gebruik van
biologische/ medische/ gedrags-/ gezondheidsdata te vergroten en om de data de
verkrijgen/ opslagen/ organiseren/ analyseren/ visualiseren
Computationele biologie:
= Ontwikkeling en applicatie van data-analytische en theoretische methoden, mathematische modeling,
computationele simulatie technieken voor de studie van biologische/ gedragds-/ sociale systemen
Bio-informatica VS data mining:
Bio-informatica: moleculair biologische data verwerken en analyseren = question-driven
Data mining: patroon extractie en kennis ontdekking in grote datasets = data-driven
Data: kan je processen , vergelijken , zoeken , structureren , data mining , opslagen , delen
Trends in bio-informatica:
High-throughput revolution: op een snelle manier grote hoeveelheden stalen testen
Central dogma outdated: DNA methylaties zijn deels erfelijk en ook veroorzaakt door de omgeving
Genome and society: in het nieuws, maatschappelijke impact, economisch aspect vergroot sterk
The big data wave: veel data over het genoom online beschikbaar
AI revolution: gebruikt voor het accuraat voorspellen van de eiwit functie
Info uit genoom sequenties:
Computer analyse van sequentie:
Verschillen zoeken tussen gelijkaardige sequenties
Zoeken naar verschillen in genoom tussen zieke en ongezonde individuen
bv: SNIP (single nucleotide polymorfism) kan ziekte bepalen
Info halen uit sequentie databases
Evolutionaire of fylogenetische relaties onderzoeken
Sequentie patronen vinden (hebben een biologische betekenis)
Proteïne functie voorspellen
Humaan genoom:
Cellen: elke cel bevat hetzelfde kopie DNA maar worden op een andere manier tot expressie gebracht
Genoom: bestaat uit 2 keer 23 chromosomen
Chromosoom: bestaat uit een opgerolde dubbele helix DNA
(strengen zijn complementair dus je moet er maar 1 bekijken)
DNA sequencing:
1. DNA extractie uit weefsel
2. DNA kopiëren (bv 30 kopieën)
3. DNA fragmenten kort knippen
4. Fragmenten in parallel gelezen door een sequencer machine
Elk gekleurd puntje stelt 1 base voor dat gelezen wordt
Resultaat: een collectie van korte sequenties
,Genome assembly: korte sequenties bij elkaar brengen door overlap tussen
fragmenten te zoeken
Kunnen fouten gebeuren
Typen DNA te sequencen:
Ecosystemen bestuderen : sample sequencen om te bekijken welke organismen erin voorkomen
= metagenomics
Humaan microbioom
Immuunsysteem: genomische recombinatie onderzoeken
mRNA vaccins: sequentie van genetische code van virus -> mRNA voor spike proteïne geïnjecteerd ->
lichaam produceert spike proteïne -> immuunsysteem produceert antilichaam
Whole genome sequencing:
De novo sequencing: onbekend genoom sequencen
Referentie gebaseerde sequencing: genoom vergelijken met een
vooraf bepaald referentiegenoom
Kostprijs: eerste genoom sequencing kostte miljarden , nu rond 100en dollars
Er bestaan zelfs kleine sequencer machine dat aan te sluiten is op een computer
Biologische complexiteit:
DNA: geeft het genoom weer maar geeft de biologische functie van het genoom niet weer
Vertelt over de evolutie van het genoom
RNA: gevormd door transcriptie van het DNA
Eiwitten: gevormd door RNA en voeren een bepaalde functie uit
zo weet je welke delen van het genoom voor welke biologische functie coderen
Interactie netwerken
je weet nog steeds niet hoe ze in hogere context werken
Netwerken: interactie van moleculen -> cellen -> organen -> orgaansystemen -> individuen
Hogere complexiteit:
Interacties: moleculen (RNA, eiwitten,…) interageren met elkaar
Variatie: DNA wordt op verschillende manieren overgeschreven, gespliced, post-translationeel
gemodificeerd waardoor er veel variatie is op RNA en eiwitten
Variatie op centrale dogma
Spatiotemporale dynamieken: de hoeveelheid moleculen variëren over tijd en ruimte
bv: bij honger of moeheid heb je andere soorten eiwitten aanwezig
Emergentie: het geheel is meer dan een som van componenten maar door zelforganisatie in
coherente structuren
Data integratie: informatie van elk niveau aan elkaar koppelen om het complexere proces te begrijpen
,Systeembiologie:
Iteratief proces: technologie (DNA uitlezen en karakteriseren) , computers
(analyseren en verbanden zoeken) , biologie (hypothese formuleren en naar labo sturen)
Vertrekken bij eender welke component en eindigen bij eender welk punt
Computer wetenschappen:
Databases:
Flat files:
Flat files: computerbestanden / collectie van data
Nadeel:
Geen structuur: geordend op een persoonlijke manier
Geen metadata: geen informatie over hoe alles is bewaard
Relationele databases:
Werking: gegevens opgeslagen in een reeks tabellen met elkaar verbonden volgens een bepaalde logica
Tabellen , rijen , kolommen , sleutels , relaties , structured query language (computertaal)
Vraag aan databank formuleren in SQL
Voorbeelden databases:
MySQL / MariaDB
PostgreSQL : voor zware toepassingen
SQLite : voor lichte toepassingen bv smartwatch
Oracle
NoSQL databases:
Functie: databases om data te verwerken en opslagen die niet in het traditionele relationele database
model passen
Eigenschappen: meer flexibiliteit , verschillende data modellen , schaalbaarheid , …
Database engineering: het ontwikkelen van de database
Algoritmes:
Algoritme: een stel regels/proces om een bepaalde probleem op te lossen / rekenkracht uit te voeren
Meestal uitgevoerd door computer
Traditioneel algoritme: procedures zijn geprogrammeerd door een software engineer
Self-learning / machine learning algoritme: via AI in staat om zelf tot een optimale oplossing te
komen aan de hand van gegeven voorbeelden
Algoritme = recept:
Recept: bestaat uit ingrediënten , benodigdheden en een stappenplan -> maakt een gerecht
Algoritme: bestaat uit data , een probleem -> maakt een oplossing
Voorbeelden algoritmen: staartdeling (wiskunde) , routeplanner
, Assumpties:
Algoritme assumpties: een juiste oplossing kan enkel gegarandeerd zijn als de assumpties van het
algoritme gerespecteerd zijn
DNA translatie algoritme:
Input: een DNA sequentie + tabel van de genetische code
Output: alle mogelijke proteïnesequenties uit de translatie van de DNA sequentie
6 mogelijke oplossingen want je weet niet zeker waar translatie start (welke positie , welke streng , …)
Procedure:
1. Splits het DNA op in tripletten en vervang het triplet door het correct AZ
2. Schuif 3 nucleotiden op
3. Herhaal tot het einde
4. Vervang DNA sequentie door complementaire sequentie en voer stappen op deze streng uit
Dit proces voor alle verschillende frames en complementaire streng herhalen
Output = 6 verschillende eiwit sequenties
Classificatie:
Classificatie problemen: algoritme moeten iets een label toewijzen dat meestal correct is
Gegarandeerde perfectie is een illusie
Stappenplan:
1. Zoeken
2. Voorspellen
3. Identificatie
4. Diagnose
Confusion matrix:
Binaire classificatie: optie kan positief / negatief zijn voor een vraag
bv is het een kat of hond -> positief / negatief op kat zijn
Type 1 fout = vals positief
Type 2 fout = vals negatief
Minst gewenste fout: hangt af van de situatie
bv ziekte diagnose is vals negatief erger want dan geen behandeling
mailbox spam filter is vals positief erger want dan mis je een mail
Voorspelde waarde pos of neg =
∑ true positive/negative
∑ test outcome positie/negative
sensitiviteit =
∑ true positive ¿
TP
∑ condition positive TP+ FN
Specificiteit =
∑ true negative ¿
TN
∑ condition negative TN+FP
