Banche dati biologiche

(1)

BIOINFORMATICA

La

Bioinformatica

nasce come “disciplina” agli inizi degli anni ‘80 con

l’applicazione dei metodi di

sequenziamento

rapido degli acidi nucleici.

Apparve subito evidente l’indispensabilità dell’utilizzo degli s

Apparve subito evidente l’indispensabilità dell’utilizzo degli strumenti

trumenti

informatici per l’immagazzinamento e alla caratterizzazione di

(2)

Strumenti

Bioinformatici

Banche Dati

Programmi di Analisi

• Primarie

• Specializzate

• Genomiche

• Acidi Nucleici

• Proteine

(3)

Una quantità enorme di strumenti Bioinformatici sulle

biosequenze (acidi nucleici e proteine) sono attualmente

disponibili ai ricercatori come risorse telematiche.

Individuare il programma o la risorsa giusta per l’analisi delle

sequenze e poi interpretarne il risultato può essere alquanto

frustrante.

Risorse

(4)

Toxicology Physiology Sequencing Information Genetics Structural Biology Gene Expression Medicine Molecular Biology

La Giungla dei Dati

(5)

Se i programmi di analisi rappresentano i

Se i programmi di analisi rappresentano i metodi sperimentali

metodi sperimentali

della

bioinformatica le banche dati rappresentano il

bioinformatica le banche dati rappresentano il materiale sperimentale.

materiale sperimentale.

•

• Banche Dati di biosequenze

Banche Dati di biosequenze

•

• Banche Dati genomiche

Banche Dati genomiche

•

• Banche dati di espressione genica

Banche dati di espressione genica

•

• Banche dati di proteomica

Banche dati di proteomica

Banche Dati Biologiche

Le banche dati possono essere classificate in quattro grosse

categorie :

(6)

Le banche dati sono distribuite un po’ in tutto il mondo ma

ci sono due

repository

particolarmente importanti:

•

• EBI (Europa)

EBI (Europa)

•

• NCBI (USA)

NCBI (USA)

Banche Dati Biologiche

Le banche dati sono il punto di partenza per la creazione

di interfacce utente che permettono un accesso personale

senza alcun specifico training informatico.

In altre parole le interfacce utente rendono invisibili

all’utente finale le operazioni, talvolta complesse, necessarie

ad esempio a scrivere una

(7)

Banche Dati Biologiche

Sebbene l’uso delle interfacce utente semplifichi la vita

dell’utente di base hanno di conseguenza delle funzionalità

limitate.

Per tale motivo qualora si sia interessati ad analizzare

un singolo gene con una moltitudine di approcci, le interfacce

permettono, con un numero limitato di “click”, di spaziare

attraverso le informazioni associate al gene in esame.

Il problema sorge quando invece si intende fare “data mining”

di alcune centinaia di geni contemporaneamente.

Per tale motivo la possibilità di lavorare sui

dataset

di partenza

permette una maggiore flessibilità d’uso anche se a scapito

di una maggiore difficoltà di utilizzo.

(8)

Banche Dati Biologiche

Sia l’EBI che NCBI oltre a fornire una serie di servizi alla

comunità biologica sono tra i principali depositari dei dati di

partenza di svariati database.

Nelle prossime diapositive analizzeremo a grandi linee

alcuni tra i database particolarmente utili per estrarre

informazione funzionale

(9)

(10)

La ricerca in banca dati può essere attuata mediante due modalit

à:

Utilizzo di parole chiavi con la ricerca in una banca dati infor

mativa

.

Gli strumenti bioinformatici attualmente disponibili sono:

Utilizzo di sequenze con la ricerca in una banca dati di sequenza

Gli strumenti bioinformatici sono i programmi di Database

searching:

searching

:

•

• SRS :

SRS :

Sequence Retrieval

System

•

• Entrez

Entrez

•

• DBGET

DBGET

I tre sistemi differiscono tra di loro, per il numero e il tipo

I tre sistemi differiscono tra di loro, per il numero e il tipo di banche

di banche

dati e

dati e links

links

ad altre sorgenti informative.

•

• blast

blast

•

• fasta

fasta

Sistemi di Interrogazione

Banche Dati

(11)

SRS :

Sequence Retrieval

System

SRS è una interfaccia omogenea che copre molte banche dati biolo

giche

e distribuito dalla LION

Bioscience

, AG -

, AG

-

UK .

Le banche dati rappresentate in questo sistema sono di varia nat

Le banche dati rappresentate in questo sistema sono di varia natura:

ura:

Sequenze nucleotidiche e proteiche

•

• Strutture proteiche

Strutture proteiche

•

• Mutazioni

Mutazioni

ed altre

(12)

(13)

http://

srs

.

ebi

.

ac

.

uk

/

Banca Dati Banca Dati

(14)

Ascorbate oxidase Ascorbate oxidase

(15)

Link

(16)

Link

(17)

(18)

Entrez

è un sistema di interrogazione che integra le banche dati dell’N

CBI

(

national Biotechnology

Information).

Le banche dati gestite ed integrate nel sistema sono:

•

• PubMed

PubMed

•

• Sequenze nucleotidiche

Sequenze nucleotidiche

•

• Sequenze proteiche

Sequenze proteiche

•

• Strutture macromolecolari

Strutture macromolecolari

•

• Genomi completi

Genomi completi

•

• Dati di popolazioni

Dati di popolazioni

•

• Malattie genetiche

Malattie genetiche

•

• Tassonomia

Tassonomia

•

• Espressione genica

Espressione genica

•

• Marcatori e STS

Marcatori e STS

•

• Polimorfismo

Polimorfismo

•

(19)

Entrez

-

PubMed

http://www.

ncbi

.

nlm

.

nih

.

gov

/

entrez

/

query

.

fcgi

?db=

PubMed

Collezione della letteratura biomedica

(20)

Entrez

Entrez -

-

Sequenze Nucleotidiche

http://www.

(21)

Entrez

Entrez -

-

Sequenze Nucleotidiche

Esempio di applicazione:

Molti batteri si sono evoluti acquisendo una resistenza agli ant

ibiotici. Un esempio

è il

Mycobacterium Tubercolosis

, agente responsabile della tubercolosi. La domanda

che ci si pone è:

Ci sono geni che presentano nel M.

Tubercolosis

un “

Penicillin

-

binding

” ?

Passi:

1. Cerchiamo nella banca dati nucleotidica tutte le sequenze per

“

Penicillin

-

binding

”

2. Cerchiamo solo le sequenze di M.

Tubercolosis

.

3. Combiniamo i due criteri di selezione.

(22)

Penicillin-binding Criterio di selezioneCriterio di selezione

Selezionare il termine Limits Selezionare il termine Limits

Numero sequenze

(23)

Ricerca limitata solo al campo:

Ricerca limitata solo al campo: OrganismOrganism

Mycobacterium Tuberculosis

Organismo da ricercare

(24)

Sequenze di M.

Tuberculosis

Numero di Sequenze Numero di Sequenze

Scegliere

Scegliere HistoryHistory per combinare i criteri

(25)

Unione dei due criteri di selezione

#2 and #1 #2 and #1

Sintassi di unione criteri

(26)

Risultato Finale

Numero di Sequenze totali

(27)

Entrez

-

Strutture macromolecolari

http://www.

http://www.ncbincbi..nlmnlm..nihnih..govgov//entrezentrez//queryquery..fcgifcgi?db=?db=StructureStructure

Aconitase Aconitase

Parola da cercare

(28)

Sequenze trovate

(29)

Entrez

-

Genomi Completi

Sono presenti più di 800 genomi, alcuni in fase di conclusione.

Sono presenti più di 800 genomi, alcuni in fase di conclusione. I genomi rappresentatiI genomi rappresentati nel sistema appartengono ai: Batteri,

nel sistema appartengono ai: Batteri, ArcheabatteriArcheabatteri, Eucarioti, Virus e , Eucarioti, Virus e OrganelliOrganelli

http://www.

(30)

Entrez

-

Dati di Popolazione

La collezione contiene un insieme di sequenze di DNA , utilizzat

e per studi

evolutivi di popolazione.

Esempio di Scheda

http://www.

(31)

Entrez

-

Malattie Genetiche

http://www.

http://www.ncbincbi..nlmnlm..nihnih..govgov//entrezentrez//queryquery..fcgifcgi?db=OMIM?db=OMIM

Catalogo di geni umani e disordini genetici

(32)

Esempio di Scheda

(33)

Entrez

-

Tassonomia

La collezione contiene i nomi di tutti gli organismi rappresenta

La collezione contiene i nomi di tutti gli organismi rappresentati nelle ti nelle banche dati di biosequenze con almeno una sequenza nucleotidica

banche dati di biosequenze con almeno una sequenza nucleotidica o proteica.o proteica.

http://www.

(34)

Entrez

-

Polimorfismo

SNP (Single of

Nucleotide Polymorphism

)

http://www.

(35)

Entrez

-

Domini Conservati

La collezione contiene domini funzionali depositati dai ricercat

ori,come

risultato di un multiallineamento.

http://www.

http://www.ncbincbi..nlmnlm..nihnih..govgov//entrezentrez//queryquery..fcgifcgi?db=?db=cddcdd

Visualizzazione Struttura

Multiallineamento

(36)

DBGET

Integrated

Integrated database

database retrieval

retrieval

system

http://www.

genome

.ad.

jp

/

dbget

/

dbget

.

html

Elenco delle banche disponibile

(37)

Human Genome Sequencing Centers

http://www-shgc.stanford.edu/

http://www.sanger.ac.uk/

http://www.hgsc.bcm.tmc.edu/

http://www.jgi.doe.gov/

http://www.tigr.org/

(38)

I dati ottenuti mediante il processo di annotazione genomica, so

no a loro volta

organizzati e messi a disposizione della comunità scientifica me

diante i sistemi

chiamati "

Genome

Browser

" . I Portali Web più organizzati sui dati genomici sono:

National

Center

Biotechnology

Information

-

MapViewer

http://www.

ncbi

.

nlm

.

nih

.

gov

/

genome

/guide/human

University of California, Santa

Cruz

http://

genome

.

ucsc

.

edu

/

Ensembl

System

-

EBI

-

Sanger

Center (UK)

http://www.ensemble.

org

/

Genome

(39)

Map

Viewer

-

NCBI

Numero di geni sul

Numero di geni sul Ch Ch 1313 Cromosomi

Cromosomi

Sistema interattivo per la

Sistema interattivo per la visualizazzione visualizazzione delle mappe genomiche, sequenze e geni.delle mappe genomiche, sequenze e geni. http://www.

http://www.ncbincbi..nlmnlm..nihnih..govgov//genomegenome/guide/human/guide/human

Mostra la posizione del gene nel

contesto del contig genomico con

la sequenza nucleotidica e proteica

Visualizza la struttura del gene

(40)

University of California, Santa

University of California, Santa CruzCruz http://

http://genomegenome..ucscucsc..eduedu//

Genome

(41)

Visualizzazione del contesto

genomico del ADM2 mRNA

Regione cromosomica Regione cromosomica

(42)

Genome

Browser

Ensembl

Ensembl System System http://www.

(43)

DNA Sequence

DNA Genomic

Protein Sequence

Structure

RNA Structure Comparion

RNA Structure

_{Motif Search}

Databank Search

Multiple Sequence

alignment

Evolutionary Analysis

Gene Prediction

Structural Similarity

Search

Including Known

Motifs

Structural prediction

Bioinformatica

Analisi delle Biosequenze

(44)

(45)

(46)

http://

(47)

Esempio esecuzione programma

Sequenza d’analizzare

(48)

(49)

Allineamento

-

Multiallineamento

L’allineamento delle sequenze è una procedura di confronto a cop

L’allineamento delle sequenze è una procedura di confronto a coppie o con più sequenze.pie o con più sequenze. Le finalità di queste procedure sono la ricerca di caratteri ind

Le finalità di queste procedure sono la ricerca di caratteri individuali o patterns, ividuali o patterns, nello stesso ordine tra le sequenze. Le procedure di allineament

nello stesso ordine tra le sequenze. Le procedure di allineamento sono importanti per o sono importanti per l’individuazione di informazioni funzionali, strutturali ed evol

l’individuazione di informazioni funzionali, strutturali ed evolutive tra le sequenze.utive tra le sequenze.

Ci sono due tipi di allineamento di sequenze : Globale e Locale

LGPSSKQTGKGS LGPSSKQTGKGS--SRIWDNSRIWDN | | |||| | | | | |||| | | LN LN--ITKSAGKGAIMRLGDAITKSAGKGAIMRLGDA Allineamento Globale Allineamento Globale ---TGKGTGKG--- ---|||| |||| ---TGKGTGKG--- ---Allineamento Locale Allineamento Locale

(50)

Prima Sequenza

Seconda Sequenza

Esempio di Programma di allineamento

(51)

(52)

LALIGN/PLALIGN

-

Allineamento Locale

http://fasta.

(53)

LALIGN/PLALIGN

(54)

Multiallineamento

-

Clustalw

http://www.

http://www.ebiebi..acac..ukuk//clustalwclustalw//indexindex..htmlhtml

Sequenze

Parametri

(55)

Multiallineamento

-

Clustalw

Output

(56)

RICERCA PER SIMILARITA’ IN BANCA DATI

I sistemi di ricerca per similarità in banca dati sono diventati

I sistemi di ricerca per similarità in banca dati sono diventati gli strumenti più gli strumenti più utilizzati in bioinformatica.