Big data
1: Introduction to biological databases
Voor het begrijpen en voorspellen.
Bijvoorbeeld in de ecologie, verbanden tussen grote datasets visualiseren zoals een relatie tussen
fytoplankton en waterkwaliteit. Dit kan bijvoorbeeld met een PCA (principal component analysis).
Big data = data die je niet makkelijk op een computer kan zetten door de grote omvang.
Moderne biologie gaat over data die je wil verklaren → vertelt je wat je als volgende experiment
moet doen.
Data integratie = descriptieve biologie → via netwerk exploratie → omzetten naar predictive biologie
(machine learning).
Alles kan een data set zijn: het weer, de temperatuur, moleculen.
Het gaat vaak over een link tussen fenotype en genotype.
Enkele programma’s die worden gebruikt:
BEAST → voor het bestuderen van de evolutie van biologische systemen.
NCBI BLAST → sequentie analyse van eiwitten.
Etc.
Genomics → DNA
Je analyseert genomen om “key” genen te identificeren.
Als je hele genomen analyseert kun je de evolutie van structuur en functie volgen.
Metagenomics → microbioom
Je identificeert soorten microben in complexe biologische monsters (bodem, water, voeding, hele
organismen).
Je krijgt inzicht in de veranderingen in een microbiële community.
,Humaan microbioom: koppeling tussen gezondheid en darm microbioom.
Bv identificeren van microben in poep → transplantaties.
Ecologische data: hier zitten vooral de grote data sets.
- Satelliet observaties
- Biodiversiteit surveys
- Soil data
- Water kwaliteit
- Fytoplankton
- Vogel migratie
- Vis migratie
Belangrijk voor begrip & voorspellend vermogen bij impact van klimaatverandering, landgebruik &
invaderende soorten.
Transcriptomics → RNA
Functionele biologie: je analyseert de genexpressie om genen te identificeren die betrokken zijn bij
een biologisch proces. Je vergelijkt individuen, weefsels, behandelingen.
Je kijkt welke genen aanstaan via identificatie van RNA.
Analyse bijvoorbeeld in een volcano plot of heat map.
Metabolomics → metabolieten
Hoe kunnen genetische verschillen tot veranderingen in biochemische processen leiden?
,2: OMICs technologies and bio informatics
Hoe ga je om met de enorme hoeveelheid data uit bv DNA sequencing, RNA expressie, eiwit patronen,
metaboliet inhoud en digitale fenotypes.
In experimenten begin je vaak juist met een
fenotype en probeer je achter de genen te
komen. Als je weet welk gen bij welk
fenotype hoort dan kan je met het gen
werken ipv met het fenotype.
Bij phenomics beschrijf je iets wat je kan
zien op een digitale manier.
DNA sequencing →
Wat kun je allemaal uit een genoom (alle erfelijke informatie) halen.
• Er is geen correlatie tussen de grootte van een genoom en de complexiteit van een
organisme. Amoebe hebben bijvoorbeeld een groter genoom dan mensen. Bij bacteriën is
genomics makkelijker omdat ze een kleiner genoom hebben.
• Een groter genoom betekent niet per se meer genen, want er is ook junk DNA. Genoom
grootte betekent aantal nucleotide paren. Prokaryote hebben minder genen nodig, daarna
gist (unicellulair) en daarna multicellulair. Mensen hebben vaak meerdere versies van 1 gen
(duplicatie).
• Maar 2 procent van het humane genoom codeert voor eiwitten. De rest is transposons en
repetitief DNA, en introns.
• SINE = short interspersed nuclear element (13%)
• LINE = long interspersed nuclear element (21%)
• Annotatie:
Het grootste deel van
het genoom zijn
repetitieve
sequenties,
transposons. Alleen
een klein deel is echt
het coderende gen.
, • Chromosomen bevatten veel gedupliceerde segmenten : intra- en interchromosomale
duplicaties.
De rode lijnen zijn genen die zowel op chromosoom 7 als
22 zitten. De paarse lijnen zijn in het chromosoom zelf
gedupliceerd.
• Tussen herhalende elementen in het genoom vindt recombinatie plaats. Dit zorgt voor grote
veranderingen. Als die verandering positief is kan het vaker voorkomen. Repetitieve
sequenties zorgen dus voor veranderingen in een genoom.
o Deletie → een stukje van het genoom is verloren.
o Deletie en duplicatie → een stukje van het genoom gaat weg uit het ene
chromosoom en voegt toe aan de ander waardoor het daar dubbel is.
o Inversie → Genen 2 en 3 zijn nu erin als 3 en 2.
o Translocatie → Een deel uit het ene chromosoom wisselt met een deel uit het
andere chromosoom waardoor ze nu allebei anders zijn.
o Deze gebeurtenissen kunnen door breakage and rejoining (DNA kan breken) , dus
dat er een breuk is in het chromosoom of via crossing over.
• Wat heb je nodig bij genomics?:
o DNA sequentie analyse genoom fragmenten
o DNA database (NCBI, Genbank, EMBL)
o DNA markers (SNPs bv)
1: Introduction to biological databases
Voor het begrijpen en voorspellen.
Bijvoorbeeld in de ecologie, verbanden tussen grote datasets visualiseren zoals een relatie tussen
fytoplankton en waterkwaliteit. Dit kan bijvoorbeeld met een PCA (principal component analysis).
Big data = data die je niet makkelijk op een computer kan zetten door de grote omvang.
Moderne biologie gaat over data die je wil verklaren → vertelt je wat je als volgende experiment
moet doen.
Data integratie = descriptieve biologie → via netwerk exploratie → omzetten naar predictive biologie
(machine learning).
Alles kan een data set zijn: het weer, de temperatuur, moleculen.
Het gaat vaak over een link tussen fenotype en genotype.
Enkele programma’s die worden gebruikt:
BEAST → voor het bestuderen van de evolutie van biologische systemen.
NCBI BLAST → sequentie analyse van eiwitten.
Etc.
Genomics → DNA
Je analyseert genomen om “key” genen te identificeren.
Als je hele genomen analyseert kun je de evolutie van structuur en functie volgen.
Metagenomics → microbioom
Je identificeert soorten microben in complexe biologische monsters (bodem, water, voeding, hele
organismen).
Je krijgt inzicht in de veranderingen in een microbiële community.
,Humaan microbioom: koppeling tussen gezondheid en darm microbioom.
Bv identificeren van microben in poep → transplantaties.
Ecologische data: hier zitten vooral de grote data sets.
- Satelliet observaties
- Biodiversiteit surveys
- Soil data
- Water kwaliteit
- Fytoplankton
- Vogel migratie
- Vis migratie
Belangrijk voor begrip & voorspellend vermogen bij impact van klimaatverandering, landgebruik &
invaderende soorten.
Transcriptomics → RNA
Functionele biologie: je analyseert de genexpressie om genen te identificeren die betrokken zijn bij
een biologisch proces. Je vergelijkt individuen, weefsels, behandelingen.
Je kijkt welke genen aanstaan via identificatie van RNA.
Analyse bijvoorbeeld in een volcano plot of heat map.
Metabolomics → metabolieten
Hoe kunnen genetische verschillen tot veranderingen in biochemische processen leiden?
,2: OMICs technologies and bio informatics
Hoe ga je om met de enorme hoeveelheid data uit bv DNA sequencing, RNA expressie, eiwit patronen,
metaboliet inhoud en digitale fenotypes.
In experimenten begin je vaak juist met een
fenotype en probeer je achter de genen te
komen. Als je weet welk gen bij welk
fenotype hoort dan kan je met het gen
werken ipv met het fenotype.
Bij phenomics beschrijf je iets wat je kan
zien op een digitale manier.
DNA sequencing →
Wat kun je allemaal uit een genoom (alle erfelijke informatie) halen.
• Er is geen correlatie tussen de grootte van een genoom en de complexiteit van een
organisme. Amoebe hebben bijvoorbeeld een groter genoom dan mensen. Bij bacteriën is
genomics makkelijker omdat ze een kleiner genoom hebben.
• Een groter genoom betekent niet per se meer genen, want er is ook junk DNA. Genoom
grootte betekent aantal nucleotide paren. Prokaryote hebben minder genen nodig, daarna
gist (unicellulair) en daarna multicellulair. Mensen hebben vaak meerdere versies van 1 gen
(duplicatie).
• Maar 2 procent van het humane genoom codeert voor eiwitten. De rest is transposons en
repetitief DNA, en introns.
• SINE = short interspersed nuclear element (13%)
• LINE = long interspersed nuclear element (21%)
• Annotatie:
Het grootste deel van
het genoom zijn
repetitieve
sequenties,
transposons. Alleen
een klein deel is echt
het coderende gen.
, • Chromosomen bevatten veel gedupliceerde segmenten : intra- en interchromosomale
duplicaties.
De rode lijnen zijn genen die zowel op chromosoom 7 als
22 zitten. De paarse lijnen zijn in het chromosoom zelf
gedupliceerd.
• Tussen herhalende elementen in het genoom vindt recombinatie plaats. Dit zorgt voor grote
veranderingen. Als die verandering positief is kan het vaker voorkomen. Repetitieve
sequenties zorgen dus voor veranderingen in een genoom.
o Deletie → een stukje van het genoom is verloren.
o Deletie en duplicatie → een stukje van het genoom gaat weg uit het ene
chromosoom en voegt toe aan de ander waardoor het daar dubbel is.
o Inversie → Genen 2 en 3 zijn nu erin als 3 en 2.
o Translocatie → Een deel uit het ene chromosoom wisselt met een deel uit het
andere chromosoom waardoor ze nu allebei anders zijn.
o Deze gebeurtenissen kunnen door breakage and rejoining (DNA kan breken) , dus
dat er een breuk is in het chromosoom of via crossing over.
• Wat heb je nodig bij genomics?:
o DNA sequentie analyse genoom fragmenten
o DNA database (NCBI, Genbank, EMBL)
o DNA markers (SNPs bv)
