Softwarewerkzeuge der Bioinformatik

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
2 Einführung, Datenbanken
5. Proteinstruktur; Sekundärstruktur
3 Paarweises Sequenzalignment
6. Homologie-Modellierung
4 Multiples Sequenzalignments;
7. Genexpression - Microarrays
Phylogenie
8. Systembiologie: metabolische Pfade;
5 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
Carboxylsäure
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
5 sind hydrophob.
Sie sind vor allem
Im Proteininneren.
1. Vorlesung WS 2009/10
Software-Werkzeuge der Bioinformatik
14
Einleitung: aromatische Aminosäuren
Es gibt drei voluminöse aromatische Aminosäuren. Tyrosin und Tryptophan
liegen bei Membranproteinen vor allem in der Interface-region.
1. Vorlesung WS 2009/10
Software-Werkzeuge der Bioinformatik
15
Einleitung: Aminosäuren
Es gibt 2 Schwefel enthaltende Aminosäuren und das ungewöhnliche Prolin.
Cysteine können Disulfidbrücken bilden.
Prolin ist ein “Helixbrecher”.
1. Vorlesung WS 2009/10
Software-Werkzeuge der Bioinformatik
16
Einleitung: Aminosäuren
Es gibt zwei Aminosäuren mit terminalen polaren Hydroxlgruppen:
1. Vorlesung WS 2009/10
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.
1. Vorlesung WS 2009/10
Software-Werkzeuge der Bioinformatik
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.
1. Vorlesung WS 2009/10
Software-Werkzeuge der Bioinformatik
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
Prints
Pfam
- zugehörige Annotationen
auf Basis der
primären Datenbanken
- Kreuzreferenzen
- Klassifizierungen
Datenbanken
1. Vorlesung WS 2009/10
zu anderen
- Analysen
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