Księgarnia PWN: Paul G. Higgs, Teresa K. Attwood - Bioinformatyka i ewolucja molekularna

Księgarnia PWN: Paul G. Higgs, Teresa K. Attwood - Bioinformatyka i ewolucja molekularna Przedmowa...................................................... 1 1. Rewolucja informatyczna w naukach biomedycznych........................... 5 1.1. Gwałtowny przyrost ilości danych................................... 5 1.2. Genomika i techniki wysokoprzepustowe............................... 10 1.3. Czym jest bioinformatyka?....................................... 13 1.4. Związki między genetyką populacyjną, ewolucją molekularną oraz bioinformatyką...... 13 1.4.1. Trochę historii............................................. 13 1.4.2. Ewolucyjne podstawy bioinformatyki............................. 15 Literatura.................................................... 19 Zadania..................................................... 19 2. Kwasy nukleinowe, białka i aminokwasy................................... 22 2.1. Struktura kwasów nukleinowych.................................... 22 2.2. Struktura białek.............................................. 24 2.3. Centralny dogmat biologii molekularnej................................ 28 2.3.1. Transkrypcja............................................ 28 2.3.2. Obróbka RNA........................................... 29 2.3.3. Kod genetyczny.......................................... 31 2.3.4. Translacja i synteza białka.................................... 32 2.3.5. Domknięcie cyklu replikacja DNA............................. 35 2.4. Właściwości fizykochemiczne aminokwasów i ich znaczenie w procesie zwijania białek... 37 2.5. Wizualizacja właściwości aminokwasów za pomocą metody analizy składowych głównych 40 2.6. Analiza skupisk aminokwasów na podstawie ich właściwości fizykochemicznych....... 45 2.6.1. Ręczna analiza skupisk..................................... 45 2.6.2. Metody hierarchicznej analizy skupisk............................. 46 2.6.3. Zmienność hierarchicznej analizy skupisk........................... 50 2.6.4. Metody niehierarchicznej analizy skupisk........................... 52 Literatura.................................................... 55 Test........................................................ 56 3. Ewolucja molekularna i genetyka populacyjna............................... 58 3.1. Czym jest ewolucja?........................................... 58 3.2. Mutacje................................................... 61 3.3. Zmienność sekwencji wewnątrz i pomiędzy gatunkami....................... 63

VI 3.4. Drzewa genealogiczne i koalescencja................................. 67 3.4.1. Adam i Ewa............................................ 67 3.4.2. Model procesu koalescencji................................... 69 3.5. Rozprzestrzenianie się nowych mutacji................................ 71 3.5.1. Utrwalanie się mutacji neutralnych............................... 71 3.5.2. Symulacja dryfu genetycznego i utrwalania mutacji..................... 72 3.5.3. Wprowadzenie selekcji...................................... 73 3.6. Ewolucja neutralna i dobór naturalny................................. 77 Literatura.................................................... 82 Zadania..................................................... 83 4. Modele ewolucji molekularnej........................................ 87 4.1. Modele ewolucji sekwencji kwasów nukleinowych......................... 87 4.1.1. Do czego są potrzebne modele ewolucji sekwencji?..................... 87 4.1.2. Model Jukesa Cantora...................................... 90 4.1.3. Bardziej złożone modele ewolucji sekwencji DNA...................... 93 4.1.4. Różne tempo podstawień na różnych pozycjach w sekwencji............... 96 4.2. Model PAM ewolucji sekwencji białek................................ 98 4.2.1. Zliczanie podstawień aminokwasowych............................ 98 4.2.2. Definiowanie modelu ewolucji sekwencji........................... 100 4.2.3. Ekstrapolacja modelu na większe odległości ewolucyjne.................. 104 4.3. Macierze punktacji różnicą logarytmiczną dla aminokwasów................... 107 4.3.1. Macierze PAM........................................... 107 4.3.2. Związek z fizykochemicznymi właściwościami aminokwasów............... 109 4.3.3. Macierze BLOSUM........................................ 111 Literatura.................................................... 116 Zadania..................................................... 117 Test........................................................ 118 5. Zasoby informacji o genach i białkach.................................... 121 5.1. Po co tworzyć bazy danych?....................................... 121 5.2. Struktura rekordów w bazach danych................................. 123 5.3. Bazy danych sekwencji nukleotydowych............................... 125 5.3.1. EMBL................................................ 125 5.3.2. Struktura rekordu w bazie danych EMBL........................... 127 5.3.3. GenBank.............................................. 128 5.3.4. Struktura rekordu w bazie danych GenBank.......................... 129 5.3.5. dbest................................................ 131 5.3.6. DDBJ................................................ 132 5.3.7. INSD................................................ 133 5.4. Bazy danych sekwencji białek..................................... 134 5.4.1. Historia............................................... 134 5.4.2. PIR.................................................. 135 5.4.3. MIPS................................................ 136 5.4.4. Swiss-Prot............................................. 136 5.4.5. Struktura rekordu w bazie danych Swiss-Prot......................... 137 5.4.6. TrEMBL.............................................. 140 5.4.7. PIR-NRL3D............................................ 141 5.4.8. UniProt............................................... 143 5.5. Bazy danych rodzin białek........................................ 143 5.5.1. Rola baz danych rodzin białek.................................. 143

VII 5.5.2. PROSITE.............................................. 145 5.5.3. PRINTS............................................... 147 5.5.4. Struktura rekordu w bazie danych PRINTS.......................... 149 5.5.5. Blocks................................................ 153 5.5.6. PRINTS w reprezentacji blokowej............................... 155 5.5.7. Profile................................................ 156 5.5.8. Pfam................................................. 158 5.5.9. emotif............................................... 161 5.6. Złożone bazy danych wzorców sekwencji białek........................... 162 5.6.1. InterPro............................................... 162 5.6.2. Struktura rekordu w bazie danych InterPro.......................... 164 5.7. Bazy danych struktur białek....................................... 166 5.7.1. PDB................................................. 166 5.7.2. SCOP................................................ 167 5.7.3. CATH................................................ 168 5.7.4. PDBsum.............................................. 169 5.8. Inne biologiczne bazy danych...................................... 170 Literatura.................................................... 172 6. Algorytmy wyznaczania dopasowań sekwencji............................... 176 6.1. Co to jest algorytm?........................................... 176 6.2. Dopasowanie pary sekwencji zarys problemu........................... 180 6.3. Dopasowanie pary sekwencji metody programowania dynamicznego............. 183 6.3.1. Algorytm 1 dopasowanie globalne z liniową funkcją kary za przerwy......... 183 6.3.2. Algorytm 2 dopasowanie lokalne z liniową funkcją kary za przerwy......... 186 6.3.3. Algorytm 3 uogólniona postać funkcji kary za przerwy................. 187 6.3.4. Algorytm 4 afiniczna funkcja kary za przerwy........................ 188 6.4. Wpływ systemu punktacji na dopasowanie.............................. 190 6.5. Dopasowanie wielosekwencyjne.................................... 193 6.5.1. Progresywne dopasowanie wielosekwencyjne........................ 193 6.5.2. Ulepszenia algorytmu wyznaczania progresywnych dopasowań wielosekwencyjnych 199 6.5.3. Najnowsze osiągnięcia w metodach wyznaczania dopasowań wielosekwencyjnych.. 201 Literatura.................................................... 204 Zadania..................................................... 205 7. Przeszukiwanie baz danych sekwencji.................................... 207 7.1. Metody wyszukiwania podobnych sekwencji............................. 207 7.1.1. Metoda Smitha Watermana................................... 207 7.1.2. Heurystyczne metody wyznaczania dopasowań lokalnych FASTA i BLAST..... 212 7.1.3. PSI-BLAST............................................ 215 7.1.4. Porównanie metod przeszukiwania............................... 216 7.2. Statystyka dopasowań (w teorii).................................... 220 7.2.1. Dlaczego zawracać sobie głowę statystyką?.......................... 220 7.2.2. Prosty przypadek dopasowania pary sekwencji........................ 221 7.2.3. Prosty przypadek przeszukiwania bazy sekwencji...................... 222 7.2.4. Przykładowe dopasowanie słów................................. 226 7.3. Statystyka dopasowań (w praktyce).................................. 229 Literatura.................................................... 233 Zadania..................................................... 234 Test........................................................ 234

VIII 8. Metody filogenetyczne............................................. 236 8.1. Zrozumieć drzewa filogenetyczne................................... 236 8.2. Wybór sekwencji............................................. 241 8.3. Macierze odległości ewolucyjnych i metody analizy skupisk.................... 243 8.3.1. Wyznaczanie odległości ewolucyjnych............................. 243 8.3.2. Metoda średnich połączeń.................................... 244 8.3.3. Metoda przyłączania sąsiadów................................. 247 8.4. Metoda bootstrap............................................. 251 8.5. Metody optymalizacji drzew i metody poszukiwania drzew.................... 254 8.5.1. Kryteria oceny drzew....................................... 254 8.5.2. Poruszenie się w przestrzeni drzew............................... 255 8.6. Kryterium największej wiarygodności................................. 258 8.7. Kryterium parsymonii.......................................... 262 8.7.1. Parsymonia i cechy morfologiczne............................... 262 8.7.2. Parsymonia i dane molekularne................................. 264 8.7.3. Porównanie metody parsymonii i metody największej wiarygodności.......... 265 8.8. Inne metody związane z największą wiarygodnością........................ 267 8.8.1. Metoda układania czwórek.................................... 267 8.8.2. Bayesowskie metody filogenetyczne.............................. 268 8.8.3. Metoda Monte Carlo dla łańcuchów Markowa........................ 269 8.8.4. Przykład zastosowania metody MCMC............................ 272 Literatura.................................................... 276 Zadania..................................................... 277 Test........................................................ 283 9. Wzorce sekwencyjne w rodzinach białek.................................. 286 9.1. Przeszukiwanie baz danych sekwencji wykraczające poza analizę dopasowań par sekwencji 286 9.2. Wyrażenia regularne........................................... 289 9.2.1. Definicja wyrażeń regularnych................................. 289 9.2.2. Wyszukiwanie sekwencji na podstawie zadanego wyrażenia regularnego........ 291 9.2.3. Reguły................................................ 292 9.2.4. Liberalne wyrażenia regularne.................................. 293 9.3. Ślady sekwencyjne............................................ 295 9.3.1. Definiowanie śladów....................................... 295 9.3.2. Rola macierzy podstawień w definiowaniu śladu....................... 297 9.3.3. Wyszukiwanie sekwencji odpowiadających zadanemu śladowi rodziny białek..... 299 9.4. Profile i pozycyjnie zróżnicowane macierze punktacji....................... 301 9.4.1. Bloki................................................. 301 9.4.2. Wyszukiwanie sekwencji odpowiadających zadanemu blokowi.............. 303 9.4.3. Profile................................................ 304 9.5. Przykład receptory sprzężone z białkami G (GPCR)....................... 306 9.5.1. Co to są receptory sprzężone z białkami G?.......................... 306 9.5.2. Skąd wzięły się GPCR?..................................... 306 9.5.3. Ortologi i paralogi GPCR.................................... 308 9.5.4. Dlaczego GPCR są interesujące? Rola bioinformatyków w badaniach GPCR...... 309 9.5.5. Wykrywanie podobieństwa sekwencji............................. 310 9.5.6. Wykrywanie przynależności do rodziny............................ 311 9.5.7. Analiza GPCR........................................... 313 9.5.8. Funkcjonalne znaczenie zestawów cech rozpoznawczych.................. 316 Literatura.................................................... 320 Zadania..................................................... 322 Test........................................................ 331

IX 10. Metody probabilistyczne i nauczanie maszynowe............................. 333 10.1. Zastosowania nauczania maszynowego do rozpoznawania wzorców w bioinformatyce... 333 10.2. Probabilistyczne modele sekwencji pojęcia podstawowe................... 336 10.2.1. Ilorazy wiarygodności..................................... 336 10.2.2. Prawdopodobieństwa a priori oraz a posteriori....................... 337 10.2.3. Dobór parametrów modelu.................................. 339 10.3. Wprowadzenie do ukrytych modeli Markowa (HMM)....................... 344 10.3.1. Modele Markowa i korelacje w sekwencjach........................ 344 10.3.2. Prosty model HMM z dwoma stanami ukrytymi...................... 345 10.3.3. Dobór parametrów w modelu HMM............................. 347 10.3.4. Przykłady............................................. 350 10.4. Profilowe ukryte modele Markowa.................................. 355 10.5. Sieci neuronowe............................................. 359 10.5.1. Idea sieci neuronowych.................................... 359 10.5.2. Kodowanie danych wejściowych............................... 361 10.5.3. Pojedynczy neuron....................................... 362 10.5.4. Perceptron............................................ 363 10.5.5. Sieci wielowarstwowe..................................... 366 10.5.6. Wymagana liczba neuronów.................................. 367 10.6. Sieci neuronowe i przewidywanie struktury drugorzędowej białek............... 370 Literatura.................................................... 375 Zadania..................................................... 376 11. Wybrane zagadnienia ewolucji molekularnej i analizy filogenetycznej.................. 380 11.1. Struktura i ewolucja RNA....................................... 380 11.1.1. Niezmienność drugorzędowej struktury RNA w czasie ewolucji............ 380 11.1.2. Podstawienia kompensacyjne i metoda porównawcza................... 382 11.1.3. Podstawowe informacje o strukturze drugorzędowej RNA................ 385 11.1.4. Maksymalizacja liczby sparowanych zasad......................... 386 11.1.5. Podejście bardziej realistyczne................................ 388 11.1.6. Wpływ termodynamiki na ewolucję sekwencji RNA................... 389 11.2. Dopasowywanie modeli ewolucyjnych do danych eksperymentalnych............. 393 11.2.1. Wybór modelu ilu parametrów rzeczywiście potrzebujemy?............. 393 11.2.2. Parametryzacja modeli podstawień aminokwasowych.................. 397 11.2.3. Podstawienia synonimiczne i niesynonimiczne....................... 399 11.3. Zastosowania analizy filogenetycznej................................ 400 11.3.1. Radiacja ssaków......................................... 400 11.3.2. Typ: wielokomórkowce.................................... 405 11.3.3. Ewolucja jądrowców...................................... 407 11.3.4. Inne przykłady.......................................... 408 Literatura.................................................... 410 12. Ewolucja genomu................................................ 414 12.1. Genomy bezjądrowców......................................... 414 12.1.1. Porównywanie genomów bezjądrowców.......................... 414 12.1.2. Utrata i rearanżacja genów.................................. 417 12.1.3. Duplikacja genów oraz poziomy transfer genów...................... 424 12.1.4. Wykrywanie i charakterystyka poziomego transferu genów............... 427 12.1.5. Skupiska grup ortologicznych................................. 429 12.1.6. Filogenezy wyznaczane na podstawie analizy sekwencji wspólnych genów...... 432

X 12.2 Genomy organelli............................................ 435 12.2.1. Pochodzenie mitochondriów i chloroplastów........................ 435 12.2.2. Ewolucja komórek jądrowców................................ 438 12.2.3. Transfer genów organelli do jądra.............................. 439 12.2.4. Mechanizmy rearanżacji genów............................... 442 12.2.5. Filogenezy wyznaczane na podstawie analizy kolejności genów............ 444 Literatura.................................................... 450 13. Mikromacierze DNA, omy i omiki....................................... 454 13.1. Omy i omiki............................................... 454 13.2. Technika badań mikromacierzowych................................. 455 13.3. Normalizacja danych z mikromacierzy................................ 459 13.4. Wzorce w danych mikromacierzowych............................... 464 13.4.1. Wykrywanie istotnych zmian w poziomach ekspresji................... 464 13.4.2. Analiza skupisk......................................... 465 13.4.3. Analiza składowych głównych i rozkład wartości osobliwych.............. 469 13.4.4. Techniki nauczania maszynowego.............................. 470 13.5. Proteomika................................................ 473 13.5.1. Rozdział i identyfikacja białek................................ 473 13.5.2. Kilka przykładów badań proteomicznych.......................... 475 13.5.3. Oddziaływania białko białko................................. 478 13.6. Zarządzanie danymi w omach..................................... 482 Literatura.................................................... 491 Test........................................................ 493 Dodatek matematyczny............................................... 497 M.1. Potęgi i logarytmy............................................ 497 M.2. Silnia.................................................... 498 M.3. Sumy.................................................... 499 M.4. Iloczyny.................................................. 500 M.5. Permutacje i kombinacje........................................ 500 M.6. Różniczkowanie............................................. 501 M.7. Całkowanie................................................ 503 M.8. Równania różniczkowe......................................... 504 M.9. Rozkład dwumianowy.......................................... 505 M.10. Rozkład normalny........................................... 506 M.11. Rozkład Poissona............................................ 508 M.12. Rozkład X 2............................................... 510 M.13. Funkcja gamma i rozkłady gamma................................. 512 Literatura.................................................... 513 Zadania..................................................... 513 Test........................................................ 514 Wykaz adresów internetowych........................................... 516 Słowniczek...................................................... 518 Wykaz skrótów.................................................... 526 Skorowidz...................................................... 527