11
Marcos Catanho Curso de Introdução à Bioinformática Laboratório de Genômica Funcional e Bioinformática DBBM-IOC / Fiocruz Programa de Qualificação Docente da CAPES Convênio: UFPE - UFCG - Fiocruz Domínios, Motivos, Padrões e Perfis

Marcos Catanho Curso de Introdução à Bioinformática Laboratório de Genômica Funcional e Bioinformática DBBM-IOC / Fiocruz Programa de Qualificação Docente

Embed Size (px)

Citation preview

Page 1: Marcos Catanho Curso de Introdução à Bioinformática Laboratório de Genômica Funcional e Bioinformática DBBM-IOC / Fiocruz Programa de Qualificação Docente

Marcos Catanho

Curso de Introdução àBioinformática

Laboratório de Genômica Funcional e BioinformáticaDBBM-IOC / Fiocruz

Programa de Qualificação Docente da CAPESConvênio: UFPE - UFCG - Fiocruz

Domínios, Motivos, Padrões e Perfis

Page 2: Marcos Catanho Curso de Introdução à Bioinformática Laboratório de Genômica Funcional e Bioinformática DBBM-IOC / Fiocruz Programa de Qualificação Docente

Agenda

• Domínios• Motivos• Padrões• Perfis• Análises de perfis

Page 3: Marcos Catanho Curso de Introdução à Bioinformática Laboratório de Genômica Funcional e Bioinformática DBBM-IOC / Fiocruz Programa de Qualificação Docente

Domínios

• Módulos que constituem unidades distintas do ponto de vista evolutivo, funcional e estrutural.

Page 4: Marcos Catanho Curso de Introdução à Bioinformática Laboratório de Genômica Funcional e Bioinformática DBBM-IOC / Fiocruz Programa de Qualificação Docente

Motivos

• Elementos (porções) conservados de um alinhamento de seqüências protéicas, normalmente correlacionados com uma função em particular.

Page 5: Marcos Catanho Curso de Introdução à Bioinformática Laboratório de Genômica Funcional e Bioinformática DBBM-IOC / Fiocruz Programa de Qualificação Docente

Motivos

PE family (motivos de Pro-Glu)

Page 6: Marcos Catanho Curso de Introdução à Bioinformática Laboratório de Genômica Funcional e Bioinformática DBBM-IOC / Fiocruz Programa de Qualificação Docente

Padrões

• Representam características comuns de grupos de seqüências; fornecem apenas uma “abreviatura”, representando quais resíduos podem estar presentes em cada posição.

[IV] - G - x - G - T -[LIVMF] - x(2) - [GS]

Page 7: Marcos Catanho Curso de Introdução à Bioinformática Laboratório de Genômica Funcional e Bioinformática DBBM-IOC / Fiocruz Programa de Qualificação Docente

Perfis

• Também conhecidos como position-specific scoring matrices (PSSM).

• São matrizes que representam todas as possíveis trocas entre aminoácidos, incluindo penalidades para abertura de gaps, para cada posição de uma seqüência, nas quais um valor é atribuído a cada uma destas trocas.

Page 8: Marcos Catanho Curso de Introdução à Bioinformática Laboratório de Genômica Funcional e Bioinformática DBBM-IOC / Fiocruz Programa de Qualificação Docente

Perfis

• Esses valores são proporcionais à probabilidade de ocorrência de cada troca, tomando-se como base o alinhamento múltiplo de um grupo de seqüências cuja relação é conhecida (e.g uma família de proteínas).

• Posições altamente conservadas recebem altas pontuações e aquelas pouco conservadas recebem baixa pontuação.

Page 9: Marcos Catanho Curso de Introdução à Bioinformática Laboratório de Genômica Funcional e Bioinformática DBBM-IOC / Fiocruz Programa de Qualificação Docente

Perfis

Page 10: Marcos Catanho Curso de Introdução à Bioinformática Laboratório de Genômica Funcional e Bioinformática DBBM-IOC / Fiocruz Programa de Qualificação Docente

Análises de perfis

• Métodos que permitem a detecção de proteínas distantes (pouco similares), através da comparação de seqüências.

• A comparação é feita com base não somente nas matrizes de distância comumente usadas (PAM, BLOSUM) mas também com base em matrizes de pontuação posição-específica (PSSM).

Page 11: Marcos Catanho Curso de Introdução à Bioinformática Laboratório de Genômica Funcional e Bioinformática DBBM-IOC / Fiocruz Programa de Qualificação Docente

Análises de perfis

• A similaridade de qualquer outra seqüência com o grupo de seqüências alinhadas pode ser testada através da comparação desta seqüência-alvo com o perfil gerado (PSSM), usando algoritmos de programação dinâmica.

• Atualmente, diferentes métodos/algoritmos são empregados na construção das PSSMs e nas buscas por similaridades (psi-blast, HMMer etc.).