Computational Chemistry - Universität des Saarlandes
Werbung
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 1 „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 2 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 3 Organisatorisches Jeder Teilnehmer an den Übungen benötigt einen Rechneraccount für den CIP-Pool. Diese Accounts für die Biologiestudenten wurden bereits von der Rechnerbetriebsgruppe des FB Informatik eingerichtet. Sie erhalten die Informationen nach dieser Vorlesung. 4. Pflichten der Benutzer Der 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 4 Organisatorisches: Scheinvergabe Biologie Die 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 5 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. Biotechnologie Drei 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 6 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 auf http://gepard.bioinformatik.uni-saarland.de/teaching/ss-2009/sww-bioinformatik 1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 7 Übersicht über Vorlesungsinhalt I Sequenz II Proteinstruktur 1 Einführung, Datenbanken 5. Proteinstruktur; Sekundärstruktur 2 Paarweises Sequenzalignment 6. Homologie-Modellierung 3 Multiples Sequenzalignments; 7. Genexpression - Microarrays Phylogenie 8. Systembiologie: metabolische Pfade; 4 Genvorhersage, Motivsuche 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 8 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 9 Die vier Nukleotidbasen Zvelebil (2008) 1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 10 Codonsonne Zvelebil (2008) 1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 11 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 12 Einleitung: Aminosäuren Aminosäuren sind die Bausteine von Proteinen: Aminogruppe H N H O H Carboxylsäure R OH Aminosäuren unterscheiden sich hinsichtlich ihrer - Größe - elektrischen Ladung - Polarität - Form und Steifigkeit 1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 13 Einleitung: hydrophobe Aminosäuren Proteine sind aus 20 verschiedenen natürlichen Aminosäuren aufgebaut H H H N 5 sind hydrophob. Sie sind vor allem Im Proteininneren. N O OH H H N O H OH HC CH3 CH 3 OH CH 3 Alanine Valine H H N H O H H Glycine O H N O CH OH H H CH 2 CH3 OH H3C CH3 Leucine 1. Vorlesung WS 2009/10 H H Software-Werkzeuge der Bioinformatik CH 2 CH3 Isoleucine 14 Einleitung: aromatische Aminosäuren Es gibt drei voluminöse aromatische Aminosäuren. Tyrosin und Tryptophan liegen bei Membranproteinen vor allem in der Interface-region. H H H N N O OH N CH 2 CH 2 OH O 1. Vorlesung WS 2009/10 O H N Phenylalanin H O H H CH 2 H H H Tyrosin Software-Werkzeuge der Bioinformatik OH CH H Tryptophan 15 Einleitung: Aminosäuren Es gibt 2 Schwefel enthaltende Aminosäuren und das ungewöhnliche Prolin. Cysteine können Disulfidbrücken bilden. Prolin ist ein “Helixbrecher”. H H H N H H OH CH2 N H CH2 CH2 H Methionin Prolin N O O H H CH 2 S H OH CH 2 O OH CH 2 S CH 3 Cystein 1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 16 Einleitung: Aminosäuren Es gibt zwei Aminosäuren mit terminalen polaren Hydroxlgruppen: H H H N O H CH 2 CH2 O Serin 1. Vorlesung WS 2009/10 N O H H H OH OH CH 2 HC CH3 O H Threonin Software-Werkzeuge der Bioinformatik 17 Einleitung: Aminosäuren 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 Proteinoberflächen. H H H N H H N O CH 2 OH 1. Vorlesung WS 2009/10 OH H CH 2 + N H + Lysin CH 2 OH CH2 CH2 NH3 O H CH 2 CH2 CH 2 N O H H H H N N H H NH2 + NH2 Arginin Software-Werkzeuge der Bioinformatik Histidin 18 Einleitung: Aminosäuren 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 H H N N O OH CH 2 - O N OH CH 2 CH2 OH O Asparagin OH CH 2 CH2 NH 2 - Software-Werkzeuge der Bioinformatik N H CH 2 O H O H O O Asparaginsäure Glutaminsäure 1. Vorlesung WS 2009/10 H H O H H O H H O NH2 Glutamin 19 Buchstaben-Code der Aminosäuren • Ein- und Drei-Buchstaben-Codes der Aminosäuren G A L M F W K Q E S Glycin Alanin Leucin Methionin Phenylalanin Tryptophan Lysin Glutamin Glutaminsäure Serin Gly Ala Leu Met Phe Trp Lys Gln Glu Ser Zusätzliche Codes B Asn/Asp Z Gln/Glu P V I C Y H R N D T Prolin Pro Valin Val Isoleucin Ile Cystein Cys Tyrosin Tyr Histidin His Arginin Arg Asparagin Asn Asparaginsäure Threonin Thr Asp X Irgendeine Aminosäure Die Kenntnis dieser Abkürzungen ist essentiell für Sequenzalignments und für Proteinstrukturanalyse! 1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 20 Datenbanktypen primär sekundär DNA-/ NukleotidSequenzen Protein-/ AminosäureSequenzen Protein-, DNAStrukturen Protein-/ AminosäureSequenzen ProteinStrukturen GenBank NCBI Swiss Protein Prot Database (Uniprot) PDB PROSITE SCOP CATH - Sequenzinformationen - zugehörige Annotationen Kreuzreferenzen zu anderen Datenbanken - 1. Vorlesung WS 2009/10 Prints Pfam Analysen auf Basis der primären Datenbanken - Klassifizierungen nach Ähnlichkeit - Software-Werkzeuge der Bioinformatik 21 Sequenzdaten • ~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) • Einträge sind teilweise redundant, d.h. es gibt mehrere Versionen derselben Sequenz/Struktur 1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 22 NCBI DNA-Datenbank 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 1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 23 NCBI Protein-Datenbank 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 1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 24 UniProtKB/Swiss-Prot (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 1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 25 Webinterface: Entrez Datenbank wählen 1. Vorlesung WS 2009/10 Stichwort, hier Name des Proteins Software-Werkzeuge der Bioinformatik 26 Detaillierte Suche bei Entrez Suche nach dem Protein Melibiase in genau diesem Organismus 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 1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 27 Eintrag bei NCBI Protein Database 1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 28 Fasta-Format Umstellung der Anzeige, Beschränkung auf bestimmten Abschnitt der Sequenz, ... >DNA-Sequenz-Bezeichnung ACGT .... >Protein-Sequenz-Bezeichnung ACDEFGHIKLMNPQRSTVWY .... 1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 29 PRINTS (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 •keine 1. Vorlesung WS 2009/10 für individuelle Proteine Zusammenfassung zu gemeinsamem Motiv Software-Werkzeuge der Bioinformatik 30 Finger-PRINTS 1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 31 Pfam – Protein-Famiiien-Datenbank (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 1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 32 Biologie-Übung - Vorbereitung Vorstellung Barbara Hutter – Tutor für den Teil Sequenzanalyse Unterschrift unter die Nutzerbedingungen der Informatik für die Benutzung der CIPPools. 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. 1. Vorlesung WS 2009/10 Software-Werkzeuge der Bioinformatik 33
