IV108 - Bioinformatika II

Transkript

1 IV108 - Bioinformatika II Ing. Matej Lexa, PhD. Út Čt 8:00 9:00 13:00 15:00 B204 B116 C506 Přednáška Cvičení Konzultace Navazuje na IV107 (Bioinformatika) Probíhá paralelně s IV105-6 (Seminář Út 17:00 B411) IV110,IV114 (Projekt Čt 8:00 B411) Bloky 1) 2) 3) přednášek: Informační obsah a struktura biologických sekvencí Vyhledávací nástroje Předpovídání a manipulace se strukturami biomolekul Zkouška: Písemná 50 bodů. Nejlépe hodnocené práce ve cvičení můžou přispívat k celkovému bodovému hodnocení u zkoušky do výšky 10 bodů. Studijní materiály budou specifikovány průběžně.

2 Klasifikace Zkouška Vyřešen problém z cvičení = 1b (max 10b = 20%) Písemná zkouška max. 50b (100%) A % B % C % D % E % F 0-50 %

3 Studijní literatura Neil C Jones and Pavel A Pevzner (2004). An introduction to Bioinformatics Algorithms. The MIT Press, 454 s. ISBN

4 Doplňková literatura M.S.Waterman (1995). Introduction to Computational Biology. Chapman & Hall/CRC, 448 s. ISBN M.J.Zvelebil. And J.O.Baum (2007). Understanding Bioinformatics. Taylor & Francis, 750 s. ISBN:

5 Co dělá bioinformatik Umí pracovat s velkými datovými soubory Moudrými triky ovláda výkonné počítače V datech hledá zajímavé subsekvence Srovnává podobné sekvence Předpovídá strukturu a funkci genů a proteinů Studuje vývoj sekvencí a organizmů Data a výsledky analýz zobrazuje graficky

6 DNA RNA PROTEIN SEKVENCE STRUKTURA FUNKCE

7 GENOTYP >chs1 atgacagaat acaggatgac tatgacgtga cggcttatat gatgacc... FENOTYP >chs1 MFVDDHLA VNQNFYLR SHRQL... GEN.KÓD STRUKTURA FUNKCE

8 Biologická sekvence (BS) ACAGTGCGAGCATGACGATGACGCAGCAGATTGACAGAGACGATAGCAGCAT MASAQSFYLLHLAVDDFMNGAGVLSHERELLFYDENKIHDIVISMNDENMNQ Jazyk THISISJUSTASIMPLESENTENCEINENGLISHFORYOURINSPIRATION

9 Informace

10 Biologická sekvence jako informace, život jako komunikace mezi buňkami, DNA jako komunikační kanál ZDROJ šum Mateřská buňka nebo organizmus DNA PŘÍJEMCE Molekulární aparát potomství

11 Sekvence jako Markovův řetězec NCMKLFQCDSHL P(Xi+1 Xi) = P(Xi+1 X0,...,Xi) A Q.2 A0 C 0.5 N0.3 C N

12 Sekvence jako Markovův řetězec NCMKLFQCDSHL NCM,CMK,MKL,KLF,LFQ,FQC,QCD,CDS,DSH,SHL FQA LFQ.2 A0 C 0.5 N0.3 FQC FQN

13 Frekvence F(x) = P(x) N Je vyšší u řetězců, které jsou součástí často používaných struktur Vzájemná informace MI(x,y) = P(x,y) log ( P(x,y) / (P(x)*P(y)) ) Je vyšší uvnitř struktur než na jejich rozhraní, vyjádřuje korelaci Entropie H(x) = Σ p(x)*log(p(x)) Určuje míru neuspořádanosti, nebo taky potřebu informace pro definování určitého stavu

14 Co vyjádřuje frekvence v biologických sekvencích [lexa@peleus prot]$ egrep c "SSS" ATH1.fa [lexa@peleus prot]$ egrep c "WWW" ATH1.fa 75

15 Co vyjádřuje entropie v biologických sekvencích TATATAA TATAAAA TATATAT TATAAAT TATA.A. TATAWAW konsensus RE, W=[TA] entropie H(x) = Σ p(x)*log(p(x))

16 Jiný pohled na entropii (podmíněná entropie) prot]$ egrep c MASAL. ATH1.fa 19 [lexa@peleus prot]$ egrep c MASALL ATH1.fa 0 [lexa@peleus prot]$ egrep c MASALE ATH1.fa 7 H(x) = Σ p(x)*log(p(x))

17 Co vyjádřuje MI v biologických sekvencích $ egrep c "." ATH1.fa $ egrep c "C..C" ATH1.fa 8196 $ egrep c "H..H" ATH1.fa 7398 $ egrep c C..C.+H..H\ H..H.+C..C ATH1.fa 1005 $ bc bc *1000/ *1000/ *0.031* MI(x,y) = P(x,y)log(P(x,y)/(P(x)*P(y)))

18 Co vyjádřuje MI v biologických sekvencích $ egrep c "." ATH1.fa $ egrep c "C..C" ATH1.fa 8196 $ egrep c "H..H" ATH1.fa 7398 $ egrep c C..C.+H..H\ H..H.+C..C ATH1.fa 1005 $ bc bc *1000/ *1000/ *0.031* MI(x,y) = P(x,y)log(P(x,y)/(P(x)*P(y))) ZINC FINGER

19 Shannon A mathematical theory of communication.

20 Běžná sekvence proteinu má informační obsah několika SMS zpráv. agi Nazdar Agi! Podarilo sa mi zohnat tie listky do kina, stav sa u mna po skole a dohodneme co a ako. Milan.

21 Běžná sekvence proteinu má informační obsah několika SMS zpráv. bunke Defosforylujemribozus adeninomktorusomdostal odsvojhopartneravlavoak mamfosforylovanyserin