Post on 12-Jan-2016
description
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 1
Softwarewerkzeuge der Bioinformatik
Inhalt dieser Veranstaltung: Softwarewerkzeuge kennenlernen für
I Sequenzanalyse
II Analyse von Proteinstruktur und Ligandenbindung
III Zell- bzw. Netzwerksimulationen
www.cellzome.com
www.accelrys.com
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 2
„Lernziele“
Lerne aktuelle und bewährte Programme und Datenbanken der Bioinformatik
kennen und erfolgreich einzusetzen um
- „Hands-On“ mit Web-Tools arbeiten, mit denen man bioinformatische Fragen
bearbeiten kann
- zu wissen, was auf dem Markt ist („das Rad nicht zweimal erfinden“)
- ein Gefühl dafür zu bekommen, wie erfolgreiche Softwareprodukte
aussehen (sollen)
- 3 Mini-Forschungsprojekte zu bearbeiten (nicht Biologie-BSc)
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 3
Organisatorisches
Jede Woche zweistündige Vorlesung Mittwoch 10.15 – 12.00,
Hörsaal 1, Geb. E 1 3
Dozent: Prof. Helms (die ersten 8 Wochen), Dr. Geyer (danach)
Übungen „hands-on“
(a) Für Biologie-BSc, Mittwoch 12.15 – 13.00 Uhr CIP-Pools 012 und 104
(b) Für alle anderen, Freitag 10.15 – 11.45 Uhr CIP-Pool Bioinformatik 104
Die Teilnahme an der Vorlesung ist nicht obligatorisch,
jedoch die Teilnahme an den Übungen.
Verantwortliche Betreuer der Übungen
Sequenz-Analyse Barbara Hutter
Proteinstruktur Dr. Michael Hutter
Zellsimulationen Dr. Tihamer Geyer
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 4
Organisatorisches
Jeder Teilnehmer an den Übungen benötigt einen
Rechneraccount für den CIP-Pool. Diese Accounts für die
Biologiestudenten wurden bereits von der Rechnerbetriebs-
gruppe des FB Informatik eingerichtet.
Sie erhalten die Informationen nach dieser Vorlesung.
4. Pflichten der BenutzerDer Benutzer verpflichtet sich,a) die bereitgestellten Betriebsmittel sorgfältig zu benutzen;b) das Passwort des ihm zugeteilten Benutzerkennzeichens geheim zu halten ...;...d) alles zu unterlassen, was den ordnungsgemäßen Ablauf der Anlage stört;e) in den Arbeitsräumen sich so zu verhalten, dass andere Benutzer nicht gestört werden;f) Störungen ... zu melden und diese nicht auszunutzen;g) in den Räumen ... sowie bei Inanspruchnahme seiner Geräte ... den Weisungen des Personals des Anlagenbetreibers Folge zu leisten;...l) lizensierte Software nur nach Absprache mit dem jeweiligen BfR einzuspielen und zu verwenden;m) von der Fak6 oder der Universität des Saarlandes bereitgestellte Software, Dokumentationen oder Daten weder zu kopieren noch an Dritte weiterzugeben, sofern dies nicht ausdrücklich erlaubt ist, noch zu anderen als den erlaubten Zwecken zu verwenden,
Zugang zum CIP-Pool: Für Bioinformatik-Studenten 24/7,
für alle anderen während der Übungsstunden.
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 5
Organisatorisches: Scheinvergabe BiologieDie ersten 8 Wochen der Vorlesung mit Übung ergeben 2 ECTS Leistungspunkte
für 60 Zeitstunden.
Der Zeitaufwand ist (2V 1Ü + 2 Stunden Vor- und Nachbereitung) x 8 Wochen
= 40 Stunden. Damit bleiben 20 Stunden für die Klausurvorbereitung
Voraussetzungen für den Schein für Biologen (2 CP): Die Veranstaltung gilt als
bestanden, wenn mindestens 50% der Punkte der abschließenden Klausur erreicht
worden sind.
Die Note des Scheins entspricht der Klausurnote.
Datum der 2-stündigen Klausur für Biologie BSc: kann noch festgelegt werden.
Inhalt der Klausur: Vorlesung (1.-8. Woche) und der Stoff der dazugehörigen
Übungen.
Bei Nichtbestehen der Klausur besteht die Möglichkeit einer schriftlichen oder
mündlichen Nachprüfung. Diese findet im allgemeinen zu Beginn des
darauffolgenden Semesters statt.
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 6
Organisatorisches: Scheinvergabe B.Sc. Bioinformatik und Biotechnologie M.Sc.
- Bewertung: Vorlesung zählt 2V + 2P = 9 Leistungspunkte- Curriculum: Pflichtvorlesung für die Vertiefung „Bioinformatics“- kann natürlich auch für CMB-Bachelor eingebracht werden- Wahlfach Pharmazie/Diplom- Pflichtvorlesung für bestimmte Studenten des M.Sc. BiotechnologieDrei Mini-Projekte werden etwa alle 4 Wochen ausgegeben. Diese sind innerhalb von 2 Wochen in Teams
mit 2-3 Studenten zu bearbeiten und durch einen mindestens 5-seitigen Praktikumsbericht zu
dokumentieren. Jeder Student muss mindestens zwei der drei praktischen Aufgaben mit einer Note von 4
und besser bestehen.
- Benotung der Scheine:Voraussetzung für die Teilnahme an der Abschlussklausur ist das Erreichen von mindestens 50 % der
maximalen Punkte aus den drei Praktikumsberichten. Die Veranstaltung gilt als bestanden, wenn in der
abschließenden 2-stündigen Klausur über die Inhalte der Vorlesung und der Übungen mindestens die
Note 4 erreicht wurde.
Für die Note des Scheins zählt das bessere Ergebnis entweder ausschließlich aus der abschließenden
Klausur oder der Kombination des Durchschnitts der benoteten Praktika und der Note der
Abschlussklausur, die jeweils zu 50 % gewichtet werden.
Bei Nichtbestehen der Klausur besteht die Möglichkeit einer schriftlichen oder mündlichen Nachprüfung.
Diese findet im allgemeinen zu Beginn des darauffolgenden Semesters statt.
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 7
Literatur
David Mount
Bioinformatics
70€
Marketa Zvelebil & Jeremil O. Baum
Understanding bioinformatics, 96€
Sehr zu empfehlen:
Vorlesungsskript (126 Seiten)
kann von http://gepard.bioinformatik.uni-saarland.de/teaching/ss-2009/sww-bioinformatik
heruntergeladen werden. Allerdings nur bis 25.4.2009. Danach nicht mehr.
Vorlesungsfolien ebenfalls aufhttp://gepard.bioinformatik.uni-saarland.de/teaching/ss-2009/sww-bioinformatik
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 8
Übersicht über Vorlesungsinhalt
I Sequenz
1 Einführung, Datenbanken
2 Paarweises Sequenzalignment
3 Multiples Sequenzalignments;
Phylogenie
4 Genvorhersage, Motivsuche
II Proteinstruktur
5. Proteinstruktur; Sekundärstruktur
6. Homologie-Modellierung
7. Genexpression - Microarrays
8. Systembiologie: metabolische Pfade;
Protein-Interaktion
III Zellsimulationen/Netzwerke
9. Protein-Protein-Docking
10. E-Cell
11. Virtual Cell
12. Systembiologie eines
photosynthetischen Vesikels
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 9
Historische Entwicklung der Bioinformatik
1960‘er Jahre: Entwicklung phylogenetischer Methoden
1960‘er Jahre: Methoden zum Vergleich von DNA- und Proteinsequenzen
1976: erste MD-Simulation eines Proteins
1981: Smith-Waterman Algorithmus
1992: Sekundärstrukturvorhersage mit Neuronalen Netzwerken, PHD
1996: Vergleich von Proteinstrukturen mit DALI
2000: Durchbruch bei Sequenz-Assemblierung aus Shotgun-Daten (E. Myers)
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 10
Die vier Nukleotidbasen
Zvelebil (2008)
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 11
Codonsonne
Zvelebil (2008)
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 12
Eigenschaften der Aminosäuren
Aminosäuren unterscheiden sich in ihren physikochemischen Eigenschaften.
Q: müssen Bioinformatiker die Eigenschaften von Aminosäuren kennen?
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 13
Einleitung: Aminosäuren
Aminosäuren sind die Bausteine von Proteinen:
R
NH
H
O
OH
H
Carboxylsäure
Aminogruppe
Aminosäuren unterscheiden sich hinsichtlich ihrer- Größe- elektrischen Ladung- Polarität- Form und Steifigkeit
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 14
Proteine sind aus 20 verschiedenen natürlichenAminosäuren aufgebaut
5 sind hydrophob.Sie sind vor allemIm Proteininneren. H
NH
H
O
OH
H
CH
NH
H
O
OH
H
CH
NH
H
O
OH
CH
H
CH
NH
H
O
OH
CHCH
H
CH
NH
H
O
OH
CH
CH
H
CH
H C
Glycine
3
3
2 3
Alanine3
Valine
33
Leucine3
2
Isoleucine
Einleitung: hydrophobe Aminosäuren
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 15
Es gibt drei voluminöse aromatische Aminosäuren. Tyrosin und Tryptophan
liegen bei Membranproteinen vor allem in der Interface-region.
H
CH
NH
H
O
OH
H
CH
NH
H
O
OH
OH
H
CHN
CH
NH
H
O
OH
H
Phenylalanin
2
Tyrosin
2
Tryptophan
2
Einleitung: aromatische Aminosäuren
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 16
Es gibt 2 Schwefel enthaltende Aminosäuren und das ungewöhnliche Prolin.
Cysteine können Disulfidbrücken bilden.
Prolin ist ein “Helixbrecher”.
H
S
CH
NH
H
O
OH
H
H
CH
CH
NH
H
O
OH
S
CH
HNH
H
O
OH
CH
CHCH
Cystein
2 2
2
3
Methionin
2
Prolin
2
2
Einleitung: Aminosäuren
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 17
Es gibt zwei Aminosäuren mit terminalen polaren Hydroxlgruppen:
H
CH2
CH
NH
H
O
OH
OH
H
CH
CH
NH
H
O
OH
CH O H
Serin
2 2
3
Threonin
Einleitung: Aminosäuren
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 18
Es gibt 3 positiv geladene Aminosäuren. Sie liegen vor allem auf der
Proteinoberflächen und in aktiven Zentren.
Thermophile Organismen besitzen besonders viele Ionenpaare auf den Protein-
oberflächen.H
CH
NH
H
O
OH
CH
CH
CH
NH
H
CH
NH
H
O
OH
CH
CH
N H
NH NH
H
CH
NH
H
O
OH
N N
H
H
H
H
Lysin
2
2
2
2
3
+
2
2
2
2 2
+
Arginin
2
+
Histidin
Einleitung: Aminosäuren
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 19
Es gibt 2 negativ geladene Aminosäuren und ihre zwei neutralen Analoga.
Asp und Glu haben pKa Werte von 2.8. Das heisst, erst unterhalb von pH=2.8
werden ihre Carboxylgruppe protoniert.
H
CH
NH
H
O
OH
O O
H
O O
CH
NH
H
O
OH
CH
H
CH
NH
H
O
OH
O NH
H
O NH
CH
NH
H
O
OH
CH
Asparaginsäure
2 2
Glutaminsäure
2
Asparagin
2 2
Glutamin
2
2
2-
-
Einleitung: Aminosäuren
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 20
• Ein- und Drei-Buchstaben-Codes der Aminosäuren
G Glycin Gly P Prolin ProA Alanin Ala V Valin ValL Leucin Leu I Isoleucin IleM Methionin Met C Cystein CysF Phenylalanin Phe Y Tyrosin TyrW Tryptophan Trp H Histidin HisK Lysin Lys R Arginin ArgQ Glutamin Gln N Asparagin AsnE Glutaminsäure Glu D Asparaginsäure AspS Serin Ser T Threonin Thr
Zusätzliche CodesB Asn/Asp Z Gln/Glu X Irgendeine Aminosäure
Die Kenntnis dieser Abkürzungen ist essentiell für Sequenzalignments und für Proteinstrukturanalyse!
Buchstaben-Code der Aminosäuren
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 21
- Analysen auf Basis der primären Datenbanken
- Klassifizierungen nach Ähnlichkeit
- Sequenzinformationen
- zugehörige Annotationen
- Kreuzreferenzen zu anderen Datenbanken
primär sekundär
DNA-/ Nukleotid-Sequenzen
Protein-/ Aminosäure-Sequenzen
Protein-, DNA-Strukturen
Protein-/ Aminosäure- Sequenzen
Protein-Strukturen
GenBank NCBI Protein Database
SwissProt(Uniprot)
PDB PROSITE Prints Pfam SCOP CATH
Datenbanktypen
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 22
Einträge sind teilweise redundant, d.h. es gibt mehrere Versionen
derselben Sequenz/Struktur
• ~80 Mio. Nukleotidsequenzen
(Quelle: GenBank http://www.ncbi.nlm.nih.gov/
GenBank/index.html)
• 7 Mio. Proteinsequenzen
(Quelle: UniParc http://www.ebi.ac.uk/uniparc/)
• 0,04 Mio. (43.099) Proteinstrukturen
(Quelle: RCSB-PDB http://www.pdb.org, 25.10.2007)
Sequenzdaten
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 23
GenBank (http://www.ncbi.nlm.nih.gov/Genbank/)
– öffentliche Nukleotid-Sequenzdatenbank
– ~80 Mio. Sequenzeinträge = >100 Gigabasen
– fast jeder kann Sequenzen einreichen
– Mindestlänge der eingereichten Sequenzen: 50 bp
– jeder Eintrag bekommt eine eindeutige Accession Number
– wird alle 24h gegen EMBL-Bank (EMBL Nucleotid Sequence Database, http://www.ebi.ac.uk/) und DDBJ (DNA DataBank of Japan, http://www.ddbj.nig.ac.jp) synchronisiert
– redundant
NCBI DNA-Datenbank
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 24
NCBI Protein Database (http://www.ncbi.nlm.nih.gov/)
– öffentliche, primäre Protein-Sequenzdatenbank
– Zusammenstellung aus den folgenden Protein-Sequenzdatenbanken:
• UniProtKB
• PIR (Protein Identification Resources)
• PDB (Protein Data Bank, Strukturen)
• Proteintranslationen der GenBank-Datenbank
• und weiteren
– redundant
– Vorteil: Links zu Original-Datenbanken
NCBI Protein-Datenbank
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 25
(http://www.expasy.org/sprot/)
– Universal Protein Resource Knowledge Base
– öffentliche, primäre Proteinsequenz-Datenbank
– “nur” 287.050 Einträge (Release 54.4, 23.10.2007)
– wichtigste Sammlung von Proteinsequenzen:
• Daten stammen aus der Datenbank TrEMBL (translated EMBL)
• manuell überpüft; manuelle Annotationen von Experten
• nicht redundant
• Querverweise zu Funktionsbeschreibung, Domänenstruktur, posttranslationalen Modifikationen und ~60 anderen Datenbanken
– UniProtKB/TrEMBL enthält Einträge, die noch nicht in UniProtKB/Swiss-Prot aufgenommen wurden
UniProtKB/Swiss-Prot
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 26
Datenbank wählen
Stichwort, hier Name des Proteins
Webinterface: Entrez
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 27
weitere nützliche Beschränkungen:• [ACCN]: Accession Number• [KYWD]: Stichwort zur Funktion etc.• X:Y [SLEN]: Sequenzlänge zwischen X und Y• [TITL]: Wort muß im Titel des Eintrags stehen• [AUTH]: Name des Autors bei Suche nach einer Publikation
in PubMed (elektronische Zeitschriftenbibliothek)• logische Verknüpfungen mit NOT, OR
– AND als automatische Voreinstellung
Suche nach dem Protein Melibiase in genau diesem Organismus
Detaillierte Suche bei Entrez
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 28
Eintrag bei NCBI Protein Database
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 29
>DNA-Sequenz-BezeichnungACGT....>Protein-Sequenz-BezeichnungACDEFGHIKLMNPQRSTVWY....
Umstellung der Anzeige, Beschränkung auf bestimmten Abschnitt der Sequenz, ...
Fasta-Format
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 30
(http://bioinf.man.ac.uk/dbbrowser/PRINTS/)
– sekundäre Protein-Datenbank
– 1.800 Einträge und 10.931 Motive (2003, letzter Update)
– Fingerabdruck (fingerprint): Gruppe von konservierten Motiven
– mehrere funktionelle Bereiche (Faltung, Ligandenbindung, Komplexbildung, …) -> mehrere Sequenzmotive für ein Protein
– Motive aus kurzen lokalen Alignments
•Abstände zwischen Motiven und Reihenfolge spielen keine Rolle
•spezifisch für individuelle Proteine
•keine Zusammenfassung zu gemeinsamem Motiv
PRINTS
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 31
Finger-PRINTS
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 32
(http://pfam.sanger.ac.uk/)
– sekundäre Protein-Datenbank
– 74% aller Proteinsequenzen haben mindestens einen Pfam-Eintrag
– Profile = funktionell interessante Domänen
– Profil: Auftrittswahrscheinlichkeiten bestimmter Aminosäuren an bestimmten Positionen in Form einer Matrix
– Pfam-A: genau untersuchte Profile aus multiplen Alignments, teilweise manuelle Alignments, >8000 Familien
– Pfam-B: automatisch generierte Profile: mehr Sequenzen, aber weniger präzise
Pfam – Protein-Famiiien-Datenbank
1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 33
Biologie-Übung - Vorbereitung
Vorstellung Barbara Hutter – Tutor für den Teil Sequenzanalyse
Unterschrift unter die Nutzerbedingungen der Informatik für die Benutzung der CIP-
Pools.
Ausgabe der Benutzerkennungen.
12.15 Uhr : Studenten mit den Anfangsbuchstaben A bis K bitte bevorzugt in
den CIP Pool 012; alle anderen in den CIP Pool 104.
Es gibt jeweils zwei Tutoren als Betreuer der Übung.