Банки информации в молекулярной биологии С.А.Спирин 11/III – 2006

Пример информации последовательность ДНК gatcaacactacttgacttcaagacttaccataaagaaaactatagtgtggtattggcaa aagacaagacaaatagatcaacataacaaaataaagggccatgaaatagacccatatagt caattgatttttgacaaagaaggattggcaatagaatggggtaaagatagtcttctcaac aaacggtaccagaatgactgaatacccacatgcaaaaagaaaaagaaatgaacctagaca cagatcttatacagttcacaaaaatgtaactcaaaatgaatcatagacctaaatataata ttcaagactataaaaccctaaaatataacataggggaaaatctaaacaatcttgagtttg ttaatgactttttagatacaataccaaaggcaggatccaggaaagaatcgataagctggg cttcattaaaattaaaatatttctgctctatgaagccactgtcaagagaaggaaaaggca agccatagactgggagaaaatatttacaaaagacatacatgataaaggactattatccaa aatgtacaaagaactctaaaaaacttaacaataagaaaacaaacccaactaaaaactggg ccaaagatcttaacagatatattaccaaagaagatacacagatggcaaataagcataaaa agattaaccacatcatacgtcattaagaaattgcaaattaaaacaacaatgagacaccat tatacacctagtagaatgacccaaatccagattactgacataatcaaatgctgacaagga tgtggagaaacaggaactgccattcttgggttgtgggaatgccaaatggtatgcctgctt tggaagacagcttggtggtttcttacaacactaagcatactcttaccaaaagatcgagca

Вообще-то ДНК это молекула... Примеры молекул: Сульфат Фенол Фосфат тиамина (атомы водорода не показаны)

Молекула ДНК A C G TA C G T C N O PC N O P

Одну нить ДНК можно условно обозначить последовательностью букв CGCCATAAATCAC

Детали строения молекул в микроскоп не видны! ~ 0,00001 мм Существуют сложные и дорогие методы расшифровки структуры молекул

В конце 1970-х годов был открыт относительно быстрый и дешёвый метод расшифровки последовательности оснований в ДНК Организм ДНК «в пробирке»Последовательность выделение секвенирование...CGCCATAAATCAC...

Последовательность ДНК (пример) gatcaacactacttgacttcaagacttaccataaagaaaactatagtgtggtattggcaa aagacaagacaaatagatcaacataacaaaataaagggccatgaaatagacccatatagt caattgatttttgacaaagaaggattggcaatagaatggggtaaagatagtcttctcaac aaacggtaccagaatgactgaatacccacatgcaaaaagaaaaagaaatgaacctagaca cagatcttatacagttcacaaaaatgtaactcaaaatgaatcatagacctaaatataata ttcaagactataaaaccctaaaatataacataggggaaaatctaaacaatcttgagtttg ttaatgactttttagatacaataccaaaggcaggatccaggaaagaatcgataagctggg cttcattaaaattaaaatatttctgctctatgaagccactgtcaagagaaggaaaaggca agccatagactgggagaaaatatttacaaaagacatacatgataaaggactattatccaa aatgtacaaagaactctaaaaaacttaacaataagaaaacaaacccaactaaaaactggg ccaaagatcttaacagatatattaccaaagaagatacacagatggcaaataagcataaaa agattaaccacatcatacgtcattaagaaattgcaaattaaaacaacaatgagacaccat tatacacctagtagaatgacccaaatccagattactgacataatcaaatgctgacaagga tgtggagaaacaggaactgccattcttgggttgtgggaatgccaaatggtatgcctgctt tggaagacagcttggtggtttcttacaacactaagcatactcttaccaaaagatcgagca

Для хранения все возрастающей информации о последовательностях ДНК в 1982 году был основан GenBank GenBank хранилище последовательностей нуклеиновых кислот в виде компьютерных файлов Объем GenBankа: 1982: букв в 606 последовательностях 1992: букв в последовательностях 2002: букв в последовательностях 2004: букв в последовательностях 2005: букв в последовательностях (из ~ организмов) Размер файлов 196 Gb

International Nucleotide Sequence Database Collaboration GenBank (США) EMBL (Европа) DDBJ (Япония) Ежедневный обмен данными

Структура документа GenBankа Описание Последовательность

GenBank архивная база данных Один эксперимент один документ Зачем в документе GenBankа описательная часть? Ответы: 1) чтобы пользователь банка мог найти интересующую его последовательность; 2) для хранения дополнительной информации (откуда ДНК, кто проводил эксперимент по секвенированию, биологическая роль данной последовательности и т.д.)

Основная проблема больших банков данных быстрый поиск нужной информации Для удобства пользования описательная часть документа GenBank разбита на так называемые поля (fields) Общий принцип: любая база данных состоит, с одной стороны, из записей (или «документов»), а с другой стороны, из полей. Каждая запись есть наполнение содержанием нескольких (или всех) полей. Пример базы данных телефонная книга. Записи соответствуют абонентам. Примеры полей: фамилия, инициалы, адрес, телефон.

Основная проблема больших банков данных быстрый поиск нужной информации Как найти интересующую нас последовательность в GenBankе? Существуют специальные компьютерные программы (например, SRS или Entrez), предназначенные для поиска по ключевым словам в банках последовательностей. Пользователь указывает программе, по каким полям нужно искать и какое слово (или слова). Программа выдаёт список записей банка, в которых указанные слова встретились в указанных полях.

Примеры задания на поиск gene в поле DEFINITION yeast в поле ORGANISM Ivanov в поле AUTHORS yeast в поле ORGANISM И tRNA в поле DEFINITION mouse ИЛИ rat в поле ORGANISM

Как искать? Перебрать все 52 млн. записей, и в каждой посмотреть, есть ли в соответствующем поле заданное слово. Заранее создать индексную таблицу каждого из полей и при каждом запросе обращаться к ней Это долго даже современному компьютеру!

Мораль: при создании программ для работы с биологическими базами данных необходимо использовать достижения теории алгоритмов

Что такое биоинформатика? Исследование информационных процессов в биологических системах (клетках, органах, организме, популяции). Изучение и внедрение в компьютерную науку «биологических» методов анализа информации (нейросетей, генетических алгоритмов, нечеткой логики и др.). Применение компьютерных методов для решения биологических задач. Телепатия, парапсихология, информационные поля и т.п. ?

Что такое биоинформатика? Исследование информационных процессов в биологических системах (клетках, органах, организме, популяции). Изучение и внедрение в компьютерную науку «биологических» методов анализа информации (нейросетей, генетических алгоритмов, нечеткой логики и др.). Применение компьютерных методов для решения биологических задач. Телепатия, парапсихология, информационные поля и т.п.

Биоинформатика и её связи с другими дисциплинами Биоинформатика (компьютерная молекулярная биология) Молекулярная биология Информатика (в том числе теория алгоритмов) Теория вероятностей и математическая статистика

Основные объекты современной биоинформатики Последовательности нуклеиновых кислот Последовательности белков Пространственные структуры макромолекул (белков, ДНК и РНК) и их комплексов (друг с другом и с малыми молекулами)

Что такое белок Пространственная структура RRNFSKQASE ILNEYFYSHL SNPYPSEEAK EELARKCGIT VSQVSNWFGN KRIRYKKNI Последовательность

Банки структурной биологической информации GenBank, EMBL, DDBJ RefSeq Архивные базы последовательностей нуклеиновых кислот Автоматическая база различных последовательностей НК SwissProt Курируемая база последовательностей белков TrEMBL Автоматическая база предсказаний последовательностей белков PDB Архивная база пространственных структур макромолекул И многие другие...