Bio-informatica1 Samenvatting

H1: Introduction
Bio-informatica wordt vaak op verschillende manieren gedefinieerd
 Het boek: Bio-informatica is het gebruik van computerdatabases en
computeralgoritmen om eiwitten, genen en de volledige verzameling
desoxyribonucleïnezuur (DNA) te analyseren dat een organisme omvat
(het genoom)
 National Institutes of Health (NIH): Bio-informatica is het onderzoek, de
ontwikkeling of de toepassing van computationele hulpmiddelen en
benaderingen voor het uitbreiden van het gebruik van biologische,
medische, gedrags- of gezondheidsgegevens, inclusief gegevens om
dergelijke gegevens te verwerven, op te slaan, te organiseren, te
analyseren of te visualiseren'.

Bio-informatics: The Bigger Picture
Bio-informatica kan worden onderverdeeld in drie
perspectieven:
1. De cel
 Bio-informatici richt zich op de verzameling
van DNA (genoom), RNA (transcriptosoom) en
eiwit sequenties (proteoom)
 Centrale dogma = DNA wordt
getranscribeerd in RNA en vervolgens vertaald
naar eiwit

2. Individuele organismes
 Elk organisme verandert over verschillende
stadia van ontwikkeling en (voor meercellige organismen) in verschillende
regio's van het lichaam.
 Genen zijn niet statisch (zoals de meest denken), maar dynamisch. Ze
worden gereguleerd afhankelijk van de tijd, gebied en fysiologische staat
(bijvoorbeeld ziekte)

3. ‘Tree of life’
 Het groeperen van alle organisme in drie groepen: bacteriën, archaea
en eukaryoten

A Consistent Example: Globins
Gedurende het boek wordt telkens de globine genen als voorbeeld gebruikt.
 Globines zijn één van de best gekarakteriseerde genen in de biologie


Waarom zoveel bekend over globines:
1. Hemoglobine  één van de eerst onderzochte eiwitten
2. Myoglobine  eerste eiwit waarvan de structuur was bepaald
3. Globine gen  het globine gen van de mens was één van de eerste
waarvan de sequentie bekend was geanalyseerd werd.
4. Globines komen voor in alle groepen van de ‘tree of life’

,Bioinformatics software
Web-based or Command line (often Linux)
Twee type benadering van bio-informatica: graphical user interface (GUI)


1. Web-based tools (of ‘point-and-click’) Biopython,
 Vereisen geen kennis over programmeren Central resources
(NCBI,
Python, BioPerl, R:
manipulate data files

en zijn direct toegankelijk EBI,)


2. Command-line tools
 Lastigere/steilere leercurve, maar GUI software
Data analysis
software: sequences,
bieden meer opties voor zowel grote en Genome browsers
(UCSC, Ensembl)
(Partek, MEGA,
RStudio,
proteins, genomes


kleine datasets BioMart,
IGV)

Next generation
Galaxy
sequencing tools
(web access
to NGS tools,
browser data)




Web-based Software
Vier belangrijkste databases/websites:
1. National Center for Biotechnolgy Information (NCBI)
2. European Bioinformatics Institute (EBI)
3. Ensembl
4. University of California at Santa Cruz (UCSC)


Command-line Software
Belangrijkste eigenschappen comand-line software
1. Het operating systeem is vaan Linux
2. Het gebruik van programeer talen
3. Bash (de default shell Linux en Mac)

,H3: Pairwise Sequence Alignment
Protein alignment
Drie reden waarom eiwit alignment beter is dan DNA alignment:
1. Verandering in DNA sequentie zorgt niet altijd voor verandering in eiwit
sequentie
2. Bepaalde aminozuren hebben dezelfde biochemische eigenschappen.
 Om deze reden is verandering van aminozuur niet altijd even erg
3. Eiwit sequenties kunnen homologe sequenties identificeren

Definitions: Homology, Similarity, Identity
Homoloog = het delen van een gemeenschappelijke voorouder
 Er is geen graad in homologie, iets is wel of niet homoloog
 Iets kan homoloog zijn zonder dat het statistische significantie
aminozuur of nucleotide
overeenkomsten deelt

2 type homologie:
1. Ortholoog = verschillende
eiwitten/genen door speciatie
(soortvorming)
2. Paraloog = verschillende
eiwitten/genen in eenzelfde soort door
gen-duplicatie

Pairwise alignment = het naast elkaar houden van twee sequenties, waarbij
het doel is om een zo’n hoog mogelijke overeenkomst te verkrijgen
 Met BLASTP (protein) en BLASTN (nucleotiden)

BLAST op NCBI:
1. Kies tussen BLASTP en BLASTN
2. Geef de sequenties
3. Kies de paramters:
- Scoring matrix (PAM/BLOSUM)
- Gap penalties
- Word size, expect value etc.
4. Klik op algin :

,  De tussenliggende lijn geeft de overeenkomsten weer tussen de twee
sequenties

Conservatieve substitutie = overeenkomsten in alignments door
vergelijkbare aminzouren (in de alignment weergegeven met een + teken)
 Aminozuren die vergelijkbaar zijn: (K R H) – (D E) - (S T) – (W F Y L I V
MA)

Vergelijkbaarheid percentage = identieke aminozuren + vergelijkbare
aminozuren
Gaps
Drie meest voorkomende mutaties
1. Substitutie
2. Insertie
3. Deletie

Substituties kunnen leiden tot de verandering van aminozuur, en dus de
alignment van twee niet identieke aminozuren

Inserties en deleties kunnen zorgen voor gaps bij één van de twee sequenties
tijdens pairwise sequence alignment

Het toevoegen van gaps kan zorgen voor een beter alignment
 Het gebruiken van gaps geeft een penalty en dus verlaging van de
scoring

Twee type gap penalties:
1. Gap open
2. Gap verlenging
 Gap verlenging penalty is lager dan een gap open penalty, omdat een
insertie/deletie kan zorgen voor gap groter dan 1 aminozuur

Scoring matrices
Dayhoff model = scoringsysteem wat de basis is voor eiwit-alignment scoring
 Opgesteld in 7 stappen

Dayhoff stap 1: Accepted Point Mutations (PAM)
De verandering van een aminozuur in een eiwit die geaccepteerd is door de
natuurlijke selectie.
 het is pas geaccepteerd als het nieuwe eiwit met de mutatie het
meest voorkomende eiwit is