Embed Size (px)
Citation preview
Uso de ferramentas de acesso geral ou de ferramentas à medida em Bioinformática
António Cardoso CostaDepartamento de Eng.ª InformáticaInstituto Superior de Engenharia do Porto
Palestra sobre Bioinformática
2
Agenda● O que é a Bioinformática● História da Bioinformática● A Bioinformática atual● Ferramentas de uso geral na Bioinformática● Utilizações da Bioinformática● Ferramentas à medida na Bioinformática● Ferramentas para entrar na Bioinformática● Conclusão
3
O que é a Bioinformática
• A Bioinformática– É uma área interdisciplinar que desenvolve métodos
para armazenamento, acesso, organização e análise de dados biológicos detalhados e numa escala baixa
– Lida com dados biológicos elementares (ADN, etc.)
– Usa computadores para compreender a biologia
– Desenvolve ferramentas de software que lidam com informação biológica numa perspetiva utilitária
– Recorre à informática, matemática, engenharia, etc.
– É muito diferente da Biologia Computacional
4
ADN e Proteínas Célula
Núcleo Cromossoma
ADN
Proteínas doVírus Ébola
Código do ADN [4]a c g t
Código proteico [20]A R N D C E Q G H IL K M F P S T W Y V
Figuras: Wikimedia
5
História da Bioinformática
• Primeiras aplicações da Bioinformática– 1950: comparação computacional de sequências
proteicas e criação de repositórios de dados biológicos
– 1960: métodos de alinhamento de sequências
– 1970: análise automatizada de sequências biológicas
– 1980: análise de genomas e criação de grandes repositórios de dados de acesso geral (GenBank)
– 1990 em diante: desenvolvimento generalizado de novas ferramentas bioinformáticas visando dados biológicos – nucleótidos, aminoácidos, proteínas, etc.
6
A Bioinformática atual
• Objetivos– Analizar e interpretar vários tipos de dados biológicos
– Vertentes principais da Bioinformática• Desenvolvimento e implementação de software que use
eficientemente os vários tipos de dados biológicos
• Desenvolvimento de algoritmos/heurísticas e medidas estatísticas para avaliar relações entre dados de repositórios
– A Bioinformática recorre a métodos computacionais• Reconhecimento de padrões, exploração de dados,
aprendizagem automática, visualização de informação, simulação de processos, computação avançada, etc.
7
A Bioinformática atual
• Atividades comuns e áreas de aplicação– Mapear e analizar ADN e sequências proteicas
– Alinhar sequências com vista a compará-las
– Criar, visualizar e explorar modelos 3D de proteínas
– Extrair resultados de grandes repositórios de dados
– Anotar sequências, genomas, mutações, etc.
– Desenvolver ontologias para explorar dados biológicos
– Ajudar na análise da expressão/regulação de ADN, etc.
– Fornecer métodos e técnicas para fins forenses
8
Ferramentas de acesso geral na Bioinformática
• Repositórios ou bases de dados– São essenciais para efeitos de aplicação e investigação
– Há grande diversidade e interligação de repositórios
– Os repositórios de dados são de vários tipos• Dados resultantes de métodos empíricos
• Dados resultantes de métodos preditivos
• Dados empíricos e preditivos
• Meta-dados que relacionam vários repositórios de dados
– Alguns casos notáveis• Nucleótidos: GenBank (EUA), EMBL (UE)
• Proteínas: UniProt (UE), PROSITE (UE), PDB (EUA)
9
Ferramentas de acesso geral na Bioinformática
• GenBank (repositório de dados do NCBI)– «GenBank ® is the NIH genetic sequence database, an
annotated collection of all publicly available DNA sequences (Nucleic Acids Research, 2013 Jan; 41(D1):D36-42). GenBank is part of the International Nucleotide Sequence Database Collaboration, which comprises the DNA DataBank of Japan (DDBJ), the European Molecular Biology Laboratory (EMBL), and GenBank at NCBI. These three organizations exchange data on a daily basis...»
– Registo GenBank; Nucleótidos; BLAST; Serviços
10
Ferramentas de acesso geral na Bioinformática
• EMBL (repositório de dados)– «EMBL is at the forefront of innovation in life sciences
research, technology development and transfer, and provides outstanding training and services to the scientific community in its member states. This publicly-funded non-profit institute is housed at five sites in Europe whose expertise covers the whole spectrum of molecular biology...»
– EMBL-UK; serviços (web)• «EMBL-EBI provides programmatic access to various data
resources and analysis tools via Web Services technologies»
11
Ferramentas de acesso geral na Bioinformática
• UniProt (repositório de dados de EBI/SIB/PIR)– «The mission of UniProt is to provide the scientific
community with a comprehensive, high-quality and freely accessible resource of protein sequence and functional information...»
– Vários repositórios de sequências proteicas e serviços• UniProtKB; UniRef; UniParc
• Proteomes – conjunto das proteínas expressas pelo genoma
• Serviços gerais (CGI Services) (Web Services)
• Serviços orientados ao ambiente JAVA (API)
12
Ferramentas de acesso geral na Bioinformática
• PDB (repositório de dados)– «The Worldwide Protein Data Bank (wwPDB) consists
of organizations that act as deposition, data processing and distribution centers for PDB data. Members are: RCSB PDB (USA), PDBe (Europe) and PDBj (Japan), and BMRB (USA). The wwPDB's mission is to maintain a single PDB archive of macromolecular structural data that is freely and publicly available to the global community...»
– PDBus / PDBe; Registo PDB; Serviço Web
13
Ferramentas de acesso geral na Bioinformática
• Modalidades– Através de serviços remotos Web ou FTP• http://www.uniprot.org/uniprot/P31946
• http://rest.ensembl.org/homology/symbol/human/ABAT?;type=orthologues;aligned=0• ftp://ftp.ncbi.nlm.nih.gov/blast/db/
– Através de software local que recorre a uma API• esearch -db protein -query ABAT | efetch -format fasta
– Através de software local previamente obtido• clustalo --auto --force --wrap=100000 -i fich1 -o fich2
– Alternativa: software desenvolvido à medida
14
Ferramentas de acesso geral na Bioinformática
• Ambientes de desenvolvimento de software– OBF (BioJava; BioPerl; BioPython; BioSQL); etc.• Usam ambientes de programação atuais complementados
com componentes funcionais específicos da Bioinformática
• É uma boa prática de desenvolvimento de software!
– Baseados em integração de funcionalidades/dados• geWorkbench; InterMine; BioGraph; PATRIC; Gaggle;
UGENE; etc.
– Baseados em fluxos de trabalho (workflow)• Armadillo; Anduril; BioUno; Galaxy; GenePattern;
Taverna Workbench; etc.
15
Ferramentas de acesso geral na Bioinformática
• Software para instalação local em computador– Listagem na Wikipedia (inclui as categorias abaixo)
– Código fechado/proprietário• Ver lista acima filtrada por “commercial”
• Dendroscope – View phylogenetic trees and rooted networks
– Código aberto/livre• PHYLIP – Package of programs for inferring phylogenies
• Clustal – Multiple alignment of DNA/protein sequences
• JalView – MSA editing, visualisation and analysis
• PyMol – Molecular visualization system
• HyPhy – Hypothesis testing using phylogenies
16
Utilizações da Bioinformática
• Como muitas pessoas usam a Bioinformática– 1. Procurar gene BRCA1 no UniProtKB• Selecionar 7 espécies e visualizar as sequências
• Descarregar as 7 sequências para ficheiro local
– 2. Visualizar as 7 sequências com o JalView• Antes de serem alinhadas com um software de MSA
• Depois de serem alinhadas (observar e analisar)
– 3. Escolher uma subsequência e pesquisar no BLAST• Verificar as sequências candidatas e analisar
– 4. Abrir sequência BRCA1_HUMAN no UniProtKB• Visualizar BRCA1 “1jnx” em 3D no software PyMol
17
Ferramentas à medida na Bioinformática
• Descrição do problema– Dada uma lista de mutações (exemplo R283Q) em
sequências proteicas de genes humanos,
– Pesquisar essas mutações nas sequências proteicas ortólogas de 39 mamíferos previamente definidos e
– Guardar todos os casos de mutações iguais às humanas, nos 39 mamíferos em causa, numa folha de cálculo
– Pressupostos• As sequências humanas são descritas pelo identificador
RefSeq (exemplo: NP_000005.2)
18
Ferramentas à medida na Bioinformática
• Análise do problema– O problema está claramente formulado? Sim/Não
– As fontes de informação estão definidas? Sim/Não
– O que está em falta para se poder resolver?
Discussão/sugestões!
19
Ferramentas à medida na Bioinformática
• Análise do problema– O problema está claramente formulado? Sim
– As fontes de informação estão definidas? Não
– O que está em falta para se poder resolver?
• A lista que define os 39 mamíferos!
• Um repositório com sequências proteicas de mamíferos!
• Um algoritmo que descreva uma solução adequada!
• Uma solução implementada de modo correto e bem testada!
20
Ferramentas à medida na Bioinformática
• Preparação da solução– Fornecida a lista com os nomes dos 39 mamíferos
– Identificado um repositório de dados com sequências proteicas de mamíferos: Ensembl• «The Ensembl project produces genome databases for
vertebrates and other eukaryotic species, and makes this information freely available online...»
• Existe uma interface Web para aceder ao Ensembl e obter automaticamente sequências proteicas de mamíferos que sejam ortólogas de uma dada sequência proteica humana:http://rest.ensembl.org/homology/symbol/human/X?;type=orthologues;aligned=0
– Descarregadas todas as sequências necessárias
21
Ferramentas à medida na Bioinformática
• Definição da solução (algoritmo)– Solução incluirá ações (A), decisões (D) e ciclos (C)• Descrição simplificada da solução:
Esboço da solução?
Discussão/sugestões!
22
Ferramentas à medida na Bioinformática• Definição da solução (algoritmo)– Solução incluirá ações (A), decisões (D) e ciclos (C)• Descrição simplificada da solução:
A: Inicia a execuçãoA: Prepara os dados necessáriosC: Para cada sequência de gene humanoC: .Para cada mamíferoD: ..Se existe sequência do respetivo gene ortólogoA: ...Faz alinhamento das sequências humana+mamíferoC: ....Para cada mutação do gene humano em causaD: .....Se há mutação na sequência do mamíferoA: ......Guarda informação da mutação encontradaA: Armazena os resultados encontrados num ficheiroA: Termina a execução
23
Ferramentas à medida na Bioinformática
• Caraterísticas da solução encontrada– O tempo de execução (TE) será proporcional ao• Nº de genes humanos (N1)
• Nº de mamíferos (N2)
• Nº médio de mutações por gene humano (N3)
• TE ≈ N1 N2 N3
– A solução encontrada está próxima do ótimo
– Exemplo de resultadoABCB1 erinaceus_europaeus 472 V=>And...Vi.p.. NP_003733.2 homo_sapiensdn...Av.s.. ENSEEUP00000004710 erinaceus_europaeus
24
Ferramentas para entrar na Bioinformática
• Aprender Bioinformática– Plataforma de aprendizagem Rosalind• Python Village (aprender a linguagem Python)
• Bioinformatics Stronghold (descobrir algoritmos)
• Bioinformatics Armory (ferramentas prontas a usar)
• Bioinformatics Textbook Track (coleção de exercícios)
• Algorithmic Heights (exercícios sobre algoritmos)
– Cursos online na plataforma Coursera
– Leituras• Bioinformatics for Dummies (2ª edição, Ebook)
• Livros sobre Bioinformática na Amazon UK
25
Sequências de aminoácidos por alinhar e alinhadas
26
Sequências de ADN por alinhar e alinhadas
27
Visualização 3D de uma proteína (modo cartoon)
28
Visualização 3D de uma proteína (superfície)
Uso de ferramentas de acesso geral ou de ferramentas à medida em Bioinformática
António Cardoso CostaDepartamento de Eng.ª InformáticaInstituto Superior de Engenharia do Porto
Palestra sobre Bioinformática
