Bioinformática en la era post-genómica

Cátedra Scientiae. Facultad de Ciencias Universidad Industrial de Santander Bucaramanga-Colombia. 2011

Ascanio Rojas A.

Bioinformática en la era post-genómica

Ascanio Rojas A.

Centro Nacional de Cálculo Científico, ULA. CPTM.

[email protected]


Ascanio Rojas A.

En esta Charla:

• Introducción a la Bioinformática

• Genómica

• Uso de la información genética y

Bases de datos

• El futuro de la genómica


Ascanio Rojas A.

Un poco de historia

- 1866 Gregor Mendel describe los mecanismos de la herencia

- 1868 Friedrich Miescher descubre el ADN en el núcleo

- 1909 El término ‘gen’ se usa por primera vez - 1944 se identifica el ADN como el material de la

herencia - 1953 F. Crick J. Watson resuelven la estructura

del ADN - 1955 S. Ochoa y A. Körnberg descifran el

código genético - 1956 Identificados 23 pares de cromosomas

humanos - 1969 Se aísla el primer gen, en una bacteria. - 1972 Stanley Cohen desarrolla la tecnología

recombinante. - 1977 F. Sanger, A. Maxam y W. Gilbert,

desarrollan el método de secuenciación del ADN.

- 1982 el NIH y Los Alamos National Laboratory establecen la base de datos GenBank, dando inicio a la bioinformática.

- 1984 Se crean las primeras plantas transgénicas y se discute por primera vez el genoma humano

- 1985 Un año después se inventa la técnica de la PCR - 1986 Se prueba la vacuna de Hepatitis B (Ing.

Genética). Se inventa la primer equipo automático de secuenciación

- 1989 Se identifican los Sequence-tagged sites (STS) - 1990 Inicia El Proyecto del Genoma Humano. - 1996 Secuenciado el genoma de la levadura de la

cerveza. Nace en Escocia Dolly, el primer mamífero clonado. El único cordero resultante de 277 fusiones de óvulos. Es sacrificada el 14 de febrero de 2003.

- 2003 Se publica la versión completa del genoma Humano.

…continuará.


Ascanio Rojas A.

El ADN

• El cuerpo humano tiene 100 trillones de células.

• En el núcleo hay ~2 m de ADN enrollados en una estructura

de unos 0,0001 cm, ordenados en 46 crosomomas.

• Todo el ADN de estas células podría estirarse e ir y volver

hasta el sol 600 veces (la secuencia llenaría 200 guías

telefónicas de 500 páginas)


Ascanio Rojas A.


Ascanio Rojas A.

Que es la bioinformática?

National Center for Biotechnology Information (NCBI, 2001):

“Bioinformática es un campo de la ciencia en el cual confluyen varias disciplinas tales

como: biología, computación y tecnología de la información. El fin último de este campo

es facilitar el descubrimiento de nuevas ideas biológicas así como crear perspectivas

globales a partir de las cuales se puedan discernir principios unificadores en biología. Al

comienzo de la "revolución genómica", el concepto de bioinformática se refería sólo a la

creación y mantenimiento de base de datos donde se almacena información biológica,

tales como secuencias de nucleótidos y aminoácidos. ….

Harvey y Mc. Meekin, 2002

Bioinformática es la aplicación del desarrollo de la computación y las matemáticas que

permite la administración, análisis y comprensión de datos para resolver preguntas

biológicas. (con conexiones a medi-, quimio-, neuro-, etc. informática). Modificado de:

Center for Research on Innovation and Competition


Ascanio Rojas A.

Informática

World Wide Web (Web o www.) o Red Global

Mundial es un sistema de documentos de hipertexto

o hipermedios enlazados y accesibles a través de

Internet. Con un navegador Web se visualiza

contenido en texto, imágenes, vídeos u otros

contenidos multimedia, y navegar a través de ellas

usando hiperenlaces. Creada en 1990 Tim Berners-

Lee y Robert Cailliau en el CERN (Ginebra, Suiza)

Una dirección IP es un número que identifica de

manera lógica y jerárquica a una interfaz de un

dispositivo (habitualmente una computadora)

dentro de una red.

IPv4

4.294.967.296 (232) direcciones de red diferentes

IPv6

340.282.366.920.938.463.463.374.607.431.768.211.456 (2128 ó 340 sextillones)


Ascanio Rojas A.

Bases de datos en Bioinformática

National Center for Biotechnology Information (NCBI)

Creada en 1979 en the LANL (Los Alamos, CA). Mantenida desde 1992

NCBI (Bethesda, MD, USA).

European Bioinformatics Institute (EBI)

Creada en 1980 en The European Molecular Biology Laboratory

in Heidelberg. Es mantenida por el EBI- Cambridge, desde 1994.

GenomeNet Inició 1984, en the National Institute of

Genetics (NIG) Mishima, Japón. Mantenida por Center for

Information Biology and DNA Data Bank of Japan.


Ascanio Rojas A.


Ascanio Rojas A.

Genoma La totalidad del ADN de un organismo Fago λ 5×104 pb Escherichia coli 4×106 pb Levadura 2×107 pb Caenorhabditis elegans 8×107 pb Drosophila melanogaster 2×108 pb Humano 3×109 pb Mitocondrial humano 1.6×104 pb

Genómica Conjunto de ciencias y técnicas dedicadas al estudio exhaustivo del funcionamiento, evolución y origen de los genomas.

Los estudios genómicos se caracterizan por su interdisciplinaridad

debido a que el gran número de datos generados que requiere de

conocimientos biológicos, estadísticos e informáticos.


Ascanio Rojas A.

Números del Genoma Humano

• Nuclear: 3.200 millones pb / Mitocondrial: 16.600 pb

• ~38.000 genes (el doble que la mosca del vinagre, un tercio

más que el gusano común y 5.000 genes más que la planta

Arabidopsis)

• 99,99% de código es compartido entre

humanos (difieren en 1.250 letras)

• 5 % del genoma codifica proteínas (se

estima que existen ~300.000 proteínas).

• 25 % de genoma no codifica nada o se desconoce su función


Ascanio Rojas A.

Secuenciación Es un conjunto de métodos y técnicas

bioquímicas cuya finalidad es la determinación

del orden de los nucleótidos (A, C, G y T) en un

oligonucleótido de ADN.

El método clásico de terminación de la cadena o método de Sanger. (Usando

didesoxinucleótidos trifosfato –ddNTPs- como terminadores de la cadena de

ADN). Se lee en ~700 pb en cada lectura, aunque no están agrupadas en

cromosomas…

Secuencia1 ACC AGA ATA CC

Secuencia 2 TC CAG AAT AA

Secuencia3 TA CCC GTG ATC CA

AGG CAT ACC AGA ATA CCC GTG ATC CAG AAT AAG C


Ascanio Rojas A.

• A diferencia del sistema de Sanger (67.000 bases/hora), el nuevo método 454

puede determinar 20 millones bases en 4,5 horas. En 5 días se secuencia y anota el

genoma de una bacteria completo

• El costo por genoma decae: 300 millones $ en 2003, 1 millón $ en 2007, 60.000 $

2009 y 5.000 dólares para mediados de año.

• El Premio Archon X ha ofrecido 10 millones $ al grupo que logre secuenciar 100

genomas humanos en 10 días por 10.000 dólares o menos.

PacBio (+1,000 bases)

espera comercializar en

2010 máquinas de segunda

generación que puede llevar

a cabo la secuenciación del

genoma por 1.000 dólares

en 2013.


Ascanio Rojas A.

Estado actual de los Proyectos genomas

• Grupos multidisciplinares

• Interacción entre centros de investigación

• Generación de una cantidad ingente de datos

• Análisis complejos y Fechas ajustadas

• Grandes presupuestos

• Genomas anotados: 1865

• Proyectos Genomas: 11148

• Microbios: 299

• Arqueas: 206

• Bacterias: 6730

• Eucariotas: 2007

Last Update: 2018-06 @www.genomesonline.org


Ascanio Rojas A.

Números

600 millones de pb/año se añaden a bases de datos, haciendo que se duplique tamaño de las BD cada 14 meses aproximadamente


Ascanio Rojas A.


Ascanio Rojas A.

Fernández X. 2009


Ascanio Rojas A.

Incidencia de la Bioinformática, la genómica y la filogenética


Ascanio Rojas A.


Ascanio Rojas A.


Ascanio Rojas A.

Science 2.0

“Collaborative Commons”

Open Notebook Science


Ascanio Rojas A.


Ascanio Rojas A.

YouTube-EDU

Más de 200 universidades


Ascanio Rojas A.


Ascanio Rojas A.

Nuevas tecnologías Nuevos retos


Ascanio Rojas A.

1000 Genomes

Producirá más de 20TB de datos en secuencia...

• Fase piloto. 60 muestras HapMap secuenciadas (low coverage)

• Segunda fase piloto. Dos tríos de europeos y africanos (high coverage)

• Tercera fase piloto. Secuenciando 1.000 genes en 1,000 individuos (high

coverage).


Ascanio Rojas A.

Personal Genomics


Ascanio Rojas A.

La era post genómica

Transcriptóma

Un transcrito es una copia de RNA de un gen. El

transcriptoma son todas las copias de RNA en una

célula, tejido o individuo

Proteómica

El proteoma son todas las proteínas de una

célula, tejido o individuo

Metabolómica

El metaboloma son todas las moléculas de

una célula, tejido o individuo que producen

las proteínas del proteoma.


Ascanio Rojas A.


Ascanio Rojas A.

Proteómica

• Proteómica es el estudio a gran escala de proteínas, en particular de su estructura y función. Es considerada el siguiente paso en el estudio de un sistema biológico, luego de la genómica.

• Es más complicada que la genómica debido a que el genoma es relativamente constante, el proteoma difiere de una célula a otra y de un momento a otro (más complejo en sistema eucariontes).

• Matrix assisted laser

desorption/ionization time-of-

flight mass spectrometry

(MALDI-TOF-MS)

• Electrospray fourier-transform

ion cyclotron mass

spectrometry (ESI-FTICR MS)

http://www.proteinatlas.org Cantidad de genes:


Ascanio Rojas A.

Medicina genómica

Uso rutinario de análisis genotípicos para mejorar el cuidado de la salud6

tiene sus pilares en la capacidad de conocer los SNPs de cada individuo y de

modificar el medio ambiente en que este se desarrolla.

• No es reactiva

• Predictiva y preventiva

• Proviene de la genómica y otras ‘-

ómicas’

• Se centra en individuos y

poblaciones

• Enfoque bioinformático apoyándose

en nuevas tecnologías analíticas.

Estudios de asociación genética (GWAS)

Los estudios de “asociación genética” buscan establecer la relación estadística entre

variables genéticas poblacionales y un fenotipo determinado (rasgo, riesgo de

enfermedad, etc.)


Ascanio Rojas A.

Farmacogenómica

Disciplina que estudia el efecto de la variabilidad genética de un

individuo en su respuesta a determinados fármacos.


Ascanio Rojas A.

Ejemplos

Cantidad de genes

El proteoma general es bien conservado

(mas de 6000 COGs compartidos)

Tc y Lm (intracelulares) comparten mas

genes

Tc y Tb comparten mas que Lm

La mayoría de los genes únicos son proteínas

de superficie

Parásito Total Analizado Único

T. brucei 9,068 8,082 26 %

T. cruzi 12,000 10,834 32 %

L. major 8,311 7,624 12 %


Ascanio Rojas A.

Distribución de dominios proteicos

1617 Dominios proteicos (Pfam& TIGRFAM)

• 73% presentes en otros eucariotas

• 10% de archeobacteria

• 17% de origen procariota

Pocos dominios propios de grupo

Menos de 5% únicos de una especie

• L.major PF01187

o Macrophage migration inhibitory factor

• T.brucei PF03238

o VSG expression site associated gene

• T.cruzi PF05577

o Serine carboxipeptidase S28


Ascanio Rojas A.


Ascanio Rojas A.

Gracias…

Documents

Bioinformática en la era post-genómica