Softwarewerkzeuge der Bioinformatik

1
Softwarewerkzeuge der Bioinformatik
Inhalt dieser Veranstaltung Softwarewerkzeuge
für I Sequenzanalyse II Analyse von
Proteinstruktur und Ligandenbindung III Zell-
bzw. Netzwerksimulationen
www.cellzome.com
www.accelrys.com
2
Lernziele

• Lerne aktuelle und bewährte Programme und
  Datenbanken der Bioinformatik kennen und
  erfolgreich einzusetzen um
• Tools kennenzulernen, mit denen man
  bioinformatische Fragen
• bearbeiten kann
• zu wissen, was auf dem Markt ist (das Rad nicht
  zweimal erfinden)
• ein Gefühl dafür zu bekommen, wie erfolgreiche
  Softwareprodukte
• aussehen (sollen)
• 3 Mini-Forschungsprojekte zu bearbeiten
• Wir werden in der Vorlesung anhand von
  Case-studies typische Fragestellungen in
  Pharma- oder Biotech-Unternehmen behandeln.

Wie stellen Sie sich den Arbeitsalltag als
Bioinformatiker in einer Pharma-Firma vor?
3
Organisatorisches
Jede Woche zweistündige Vorlesung Freitag 9-11,
Hörsaal 1, Geb. 45 Dozent Prof. Helms Übungen
hands-on im CIP-Pool Bioinformatik Raum R 104
im Geb. 45 Freitag 11-13 Uhr. Betreuer der
Übungen Sequenz-Analyse Sam Ansari Proteinstruktu
r Dr. Michael Hutter Zellsimulationen Dr.
Tihamer Geyer
4
Welche Bioinformatik-Software gibt es?
5
(No Transcript)
6
(No Transcript)
7
(No Transcript)
8
(No Transcript)
9
(No Transcript)
10
(No Transcript)
11
Ein paar Produkte ...
http//www.stratagene.com/softwaresolutions/
12
Kommerzielle Software-Pakete sind bereits sehr
mächtig
Kommerzielle Software ist sehr teuer, aber sehr
mächtig, da integriert. Es ist fraglich, ob man
in einer universitären Umgebung (mit kostenloser
Software) bei Anwendungen im Bereich Drug
Development mit Firmen konkurrieren kann, die
solch mächtige Tools einsetzen.
http//www.lionbioscience.com/solutions
13
Einsatz von Bioinformatik in der Produkt-Pipeline
http//www.curagen.com/pipeline/approach.asp
14
Organisatorisches

• Jeder Teilnehmer an den Übungen benötigt einen
  Rechneraccount für den CIP-Pool. Diese Accounts
  werden von der Rechnerbetriebsgruppe des FB
  Informatik eingerichtet.
• Haben Sie bereits einen Account auf
  Uni-Rechnern? Dann muss dieser lediglich für den
  CIP-Pool freigeschaltet werden.
• Zugang zum CIP-Pool Für Bioinformatik-Studenten
  24/7,
• für alle anderen während der Übungsstunden.
• Bitte melden Sie sich nach dieser Stunde im
  Sekretariat
• des Zentrums für Bioinformatik bei Frau Alexandra
  Klasen an.
• Der Beginn der Übungen ist diese Woche.

15
Organisatorisches Scheinvergabe
Die Vorlesung zählt 2V 2P 9
Leistungspunkte. Sie kann nach der neuen
Prüfungsordnung für den Bachelor-Studiengang in
der Vertiefung Bioinformatics eingebracht
werden. Die Scheine werden benotet. 50 der
Benotung ergibt sich aus der mittleren Benotung
von drei praktischen Aufgaben, die während des
Semesters von jedem Studenten einzeln zu
bearbeiten sind. Die Aufgaben werden etwa alle 4
Wochen ausgegeben und sind innerhalb von 2 Wochen
zu bearbeiten und durch ein mindestens 5-seitiges
Protokoll zu dokumentieren. Jeder Student muss
mindestens zwei der drei praktischen Aufgaben mit
einer Note von 4 und besser bestehen. Am Ende
des Semesters wird eine 2-stündige Klausur über
die Inhalte der Vorlesung und der Übungen
geschrieben. Die Klausurnote geht ebenfalls mit
50 in die Scheinnote mit ein. Die Klausur muss
mit einer Note von 4 und besser bestanden werden.
16
Übersicht über Vorlesungsinhalt

• I Sequenz
• Einführung
• Paarweises Sequenzalignment
• Multiples Sequenzalignment
• Datenbanken
• Genomweite Sequenzanalyse
• II Struktur
• Proteinstruktur
• Proteinstrukturvorhersage
• Liganden-Docking
• Protein-Protein-Docking

• III Zellsimulationen
• E-Cell
• Virtual Cell
• Microarrays
• Protein-Netzwerke

17
Was fange ich mit diesen Daten an?
Sequenz des menschlichen Genoms wurde 2001
entschlüsselt.
18
1 ? 2 Analyse einer unbekannten Sequenz
Input neue Proteinsequenz
Experimentelle Daten vorhanden?
Suche in Sequenzdatenbanken nach identischer
Sequenz bzw. ähnlichen Sequenzen
Multiples Sequenzalignment
Erkenne Domänen
Gibt es ähnliche Sequenz mit bekannter
3D-Struktur?
Vorhersage der Sekundärstruktur
Zuordnung eines Protein-Folds
Nein
Analyse dieses Folds, Nachbarn?
Ja
Ja
Fold erkannt?
Alignment der Sekundärstrukturen.
Nein
Modellierung der Proteinstruktur durch
Homologiemodellierung
Ab inito Vorhersage der Tertiärstruktur
Alignment der Sequenz mit einer Target-Struktur
3D-Proteinstruktur
Nach Rob Russell, http//speedy.embl-heidelberg.de
/ gtsp/flowchart2.html
Kann man Funktion zuordnen?
19
Sequenzanalyse
20
Ziele

• (0) Identifiziere alle menschlichen Proteine
  (ORFs) und ihre Funktion
• Sind dies alle Proteine?
• Nein post-translationelle Modifikationen
  möglich wie Methylierung, Phosphorylierung,
  Glykosilierung
• Identifiziere Gen-Netzwerke. Welche Proteine
  wechselwirken miteinander?
• (2) Identifiziere Module abgeschlossene
  Einheiten
• (3) Identifiziere Sequenz-Abschnitte, in denen
  Mutationen für Krankheiten codieren

21
Sequenzen sind verwandt

• Evolution findet auf vielen verschiedenen
  Ebenen statt
• Mutationen einzelner Aminosäuren,
  Domänen-Shuffling, Genduplikation,
• Genom-Rearrangement
• verwandte Moleküle besitzen in verschiedenen
  Organismen ähnliche Funktionen
• (Homologe)

Phylogenetischer Baum für ribosomale RNA Drei
Bereiche des Lebens
22
Sequenzen sind verwandt, II
Phylogenetischer Baum für Globin-Proteine des
Menschen
23
gewinne transferierbare Information aus
Sequenzvergleich

• Bestimme
• evolutionäre
• Beziehungen
• Vorhersage von Proteinfunktion und -struktur
  (Datenbanksuche).

Protein 1 bindet Sauerstoff
Sequenzähnlichkeit
Protein 2 bindet Sauerstoff ?
24
Sequenzalignment

• Der Zweck eines Sequenzalignments ist, all die
  Residuen einer beliebigen Anzahl von Sequenzen
  untereinander anzuordnen, die von der gleichen
  Residuenposition in einem Gen- oder
  Protein-Vorfahren abstammen.

25
Needleman-Wunsch Algorithmus

• allgemeiner Algorithmus für Sequenzvergleiche
• maximiert einen Ähnlichkeitsscore
• bester Match grösste Anzahl an Residuen einer
  Sequenz, die zu denen einer anderen Sequenz
  passen, wobei Deletionen erlaubt sind.
• Der Algorithmus findet durch dynamische
  Programmierung das bestmögliche GLOBALE Alignment
  zweier beliebiger Sequenzen
• NW beinhaltet eine iterative Matrizendarstellung
• alle möglichen Residuenpaare (Basen oder
  Aminosäuren) je eine von jeder Sequenz werden
  in einem zwei-dimensionalen Gitter dargestellt.
• alle möglichen Alignments werden durch Pfade
  durch dieses Gitter dargestellt.
• Der Algorithmus hat 3 Schritte 1 Initialisierung
  2 Auffüllen 3 Trace-back

26
Needleman-Wunsch Algorithm Initialisierung

• Aufgabe aligniere die Wörter COELACANTH und
  PELICAN der Länge m 10 und n 7. Konstruiere
  (m1) ? (n1) Matrix.
• Ordne den Elementen der ersten Zeile und Reihe
  die Werte m ? gap und n ? gap zu.
• Die Pointer dieser Felder zeigen zurück zum
  Ursprung.

C O E L A C A N T H
0 -1 -2 -3 -4 -5 -6 -7 -8 -9 -10
P -1
E -2
L -3
I -4
C -5
A -6
N -7
27
Needleman-Wunsch Algorithm Auffüllen

• Fülle alle Matrizenfelder mit Werten und Zeigern
  gemäss von simplen Operationen, die die Werte der
  diagonalen, vertikal, und horizontalen
  Nachbarzellen einschliessen. Berechne
• match score Wert der Diagonalzelle links oben
  Wert des Alignments (1 oder -1)
• horizontal gap score Wert der linken Zelle
  gap score (-1)
• vertical gap score Wert der oberen Zelle gap
  score (-1)
• ordne der Zelle das Maximum dieser 3 Werte zu.
  Der Pointer zeigt in Richtung des maximalen
  Scores.
• max(-1, -2, -2) -1
• max(-2, -2, -3) -2
• (Pointer soll bei gleichen Werte immer in eine
  bestimmte Richtung zeigen, z.B.
• entlang der Diagonalen.

C O E L A C A N T H
0 -1 -2 -3 -4 -5 -6 -7 -8 -9 -10
P -1 -1 -2
28
Needleman-Wunsch Algorithmus Trace-back

• Trace-back ergibt das Alignment aus der Matrix.
• Starte in Ecke rechts unten und folge den Pfeilen
  bis in die Ecke links oben.
• COELACANTH
• -PELICAN--

C O E L A C A N T H
0 -1 -2 -3 -4 -5 -6 -7 -8 -9 -10
P -1 -1 -2 -3 -4 -5 -6 -7 -8 -9 -10
E -2 -2 -2 -1 -2 -3 -4 -5 -6 -7 -8
L -3 -3 -3 -2 0 -1 -2 -3 -4 -5 -6
I -4 -4 -4 -3 -1 -1 -2 -3 -4 -5 -6
C -5 -3 -4 -4 -2 -2 0 -1 -2 -3 -4
A -6 -4 -4 -5 -3 -1 -1 1 0 -1 -2
N -7 -5 -5 -5 -4 -2 -2 0 2 1 0
29
Smith-Waterman-Algorithmus

• Smith-Waterman ist ein lokaler Alignment-Algorithm
  us. SW ist eine sehr einfache Modifikation von
  Needleman-Wunsch. Lediglich 3 Änderungen
• die Matrixränder werden auf 0 statt auf
  ansteigende Gap-Penalties gesetzt.
• der maximale Wert sinkt nie unter 0. Pointer
  werden nur für Werte grösser als 0 eingezeichnet.
• Trace-back beginnt am grösseten Wert der Matrix
  und endet bei dem Wert 0.
• ELACAN
• ELICAN

C O E L A C A N T H
0 0 0 0 0 0 0 0 0 0 0
P 0 0 0 0 0 0 0 0 0 0 0
E 0 0 0 1 0 0 0 0 0 0 0
L 0 0 0 0 2 1 0 0 0 0 0
I 0 0 0 0 1 1 0 0 0 0 0
C 0 1 0 0 0 0 2 0 0 0 0
A 0 0 0 0 0 1 0 3 2 1 0
N 0 0 0 0 0 0 0 1 4 3 2
30
Sequenzvergleiche PAM250 Matrix
Für Sequenzvergleiche werden Scoring-Matrizen für
den Austausch von Aminosäuren verwendet.
31
Proteinstruktur ? Sequenz

• Was hat nun Sequenz-Konservierung mit
  Proteinstrukturen zu tun?
• sehr viel!
• Die Twilight zone kennzeichnet das Mass an
  Sequenzidentität, bis zu der zwei
  Proteinstrukturen mit hoher Wkt. die gleiche
  Struktur besitzen.
• Richtlinien von Doolittle
• Sequenzen mit gt 150 Residuen und ? 25
  Sequenzidentität sind wahrscheinlich verwandt
• mit 15-20 Sequenzidentität können sie verwandt
  sein
• bei lt15 Sequenzidentität ist es schwierig zu
  sagen ob sie verwandt sind oder nicht ohne
  weitere strukturelle oder funktionelle Hinweise

TWILIGHT ZONE
32
Proteinstruktur, Wechselwirkung mit Liganden
33
Einleitung Aminosäuren
Aminosäuren sind die Bausteine von Proteinen
Aminogruppe
Carboxylsäure
34
Buchstaben-Code der Aminosäuren

• Ein- und Drei-Buchstaben-Codes der Aminosäuren
• G Glycin Gly P Prolin Pro
• A Alanin Ala V Valin Val
• L Leucin Leu I Isoleucin Ile
• M Methionin Met C Cystein Cys
• F Phenylalanin Phe Y Tyrosin Tyr
• W Tryptophan Trp H Histidin His
• K Lysin Lys R Arginin Arg
• Q Glutamin Gln N Asparagin Asn
• E Glutaminsäure Glu D Asparaginsäure Asp
• S Serin Ser T Threonin Thr
• Zusätzliche Codes
• B Asn/Asp Z Gln/Glu X Irgendeine Aminosäure

35
Einleitung Peptidbindung
In Peptiden und Proteinen sind die Aminosäuren
miteinander als lange Ketten verknüpft. Ein Paar
ist jeweils über eine Peptidbindung
verknüpft. Die Aminosäuresequenz eines Proteins
bestimmt seinen genetischen code. Die Kenntnis
der Sequenz eines Proteins allein verrät noch
nicht viel über seine Funktion. Entscheidend ist
seine drei-dimensionale Struktur.
36
Grundlegende Definitionen

• Primärstruktur
• Die lineare Sequenz der Aminosäuren eines
  Proteins
• Sekundärstruktur
• Regionen lokaler Regelmässigkeit
• Z.B. ?-Helices, ?-Stränge, -Faltblätter
  -Schleifen

37
Definition Super-Sekundärstruktur

• Die Anordnung (packing) von Sekundärstrukturelemen
  te zu stabilen Einheiten
• wie b-barrels, bab Einheiten, Greek keys, usw.

38
Definition Tertiärstruktur

• Die gesamte Faltung einer Kette, die sich aus der
  Packung der Sekundärstrukturelemente ergibt.

Grün Fluoreszierendes Protein. Seine zylindrische
Architektur wird durch 11 ?-Stränge gebildet.
(1emb.pdb Brejc et al. 1997)
39
Einleitung Proteinstruktur
cAMP-abhängige Proteinkinase Ca2
Pumpe (katalytische Untereinheit) (TM
Protein)
40
Definition Quartäre Struktur

• Die Anordnung mehrerer Ketten eines Proteins, das
  mehrere Untereinheiten besitzt. Beispiel
  Hämoglobin

41
Bedeutung von Sequenzanalyse

• gt900,000 Sequenzen in öffentlichen Datenbanken
  zugänglich
• Millionen mehr in proprietären dbs
• Anstieg wird mit Sequenzierung von weiteren
  Genomen weitergehen
• Was tun?
• In den Sequenzen steckt eine grosse Menge an
  strukturellen, funktionellen und evolutionären
  Informationen
• Sie sind eine sehr wichtige Datenquelle
• Im Gegensatz dazu gibt es nur etwa 2000
  unabhängige Proteinstrukturen

42
Sequenz-Struktur Missverhältnis
800 700 600 500 400 300 200 100
1988

2002

• Anzahl an nicht-redundanten Sequenzen 1988-2002 (
  )
• Entsprechende Zunahme der Zahl an
  Proteinstrukturen ( ).

43
Der holy grail der strukturellen Bioinformatik
44
Eigenschaften der Aminosäuren
Aminosäuren unterscheiden sich in ihren
physikochemischen Eigenschaften.

45
Einleitung hydrophobe Aminosäuren
Proteine sind aus 20 verschiedenen
natürlichen Aminosäuren aufgebaut 5 sind
hydrophob. Sie sind vor allem Im Proteininneren.
46
Einleitung aromatische Aminosäuren
Es gibt drei voluminöse aromatische Aminosäuren.
Tyrosin und Tryptophan liegen bei
Membranproteinen vor allem in der
Interface-region.
47
Einleitung Aminosäuren
Es gibt 2 Schwefel enthaltende Aminosäuren und
das ungewöhnliche Prolin. Cysteine können
Disulfidbrücken bilden. Prolin ist ein
Helixbrecher.
48
Einleitung Aminosäuren
Es gibt zwei Aminosäuren mit terminalen polaren
Hydroxlgruppen
49
Einleitung Aminosäuren
Es gibt 3 positiv geladene Aminosäuren. Sie
liegen vor allem auf der Proteinoberflächen und
in aktiven Zentren. Thermophile Organismen
besitzen besonders viele Ionenpaare auf den
Protein-oberflächen.
50
Einleitung Aminosäuren
Es gibt 2 negativ geladene Aminosäuren und ihre
zwei neutralen Analoga. Asp und Glu haben pKa
Werte von 2.8. Das heisst, erst unterhalb von
pH2.8 werden ihre Carboxylgruppe protoniert.
51
Transmembrandomänen Hydrophobizitätsskalen
http//blanco.biomol.uci.edu/mpex/ Stephen White
group, UC Irvine
52
Helikale Räder
Helikale Räder dienen zur Darstellung von
Helices.
http//cti.itc.Virginia.EDU/cmg/Demo/wheel/wheelA
pp.html.
53
Analyse einer unbekannten Sequenz
Experimentelle Daten vorhanden?
Input neue Proteinsequenz
Suche in Sequenzdatenbanken nach identischer
Sequenz bzw. ähnlichen Sequenzen
Multiples Sequenzalignment
Erkenne Domänen
Gibt es ähnliche Sequenz mit bekannter
3D-Struktur?
Vorhersage der Sekundärstruktur
Zuordnung eines Protein-Folds
Nein
Analyse dieses Folds, Nachbarn?
Ja
Ja
Fold erkannt?
Alignment der Sekundärstrukturen.
Nein
Modellierung der Proteinstruktur durch
Homologiemodellierung
Vorhersage der Tertiärstruktur
Alignment der Sequenz mit einer Struktur.
3D-Proteinstruktur
Kann man Funktion transferieren?
Nach Rob Russell, http//speedy.embl-heidelberg.de
/ gtsp/flowchart2.html
54
Proteinstruktur ? Sequenz

• Konservierung von Residuen sind Indizien für den
  Verwandtschaftsgrad von Proteinen, für die
  Evolution und für die Verwandtschaft von
  Organismen
• Konservierung von Residuen im aktiven Zentrum
• Konservierung von Residuen, die die Architektur
  der Proteinstruktur stabilisieren
• Konservierung von Residuen, die während Faltung
  des Proteins wichtig sind
• Konservierung von Residuen an Bindungsschnittstel
  len für Liganden und andere Proteine

55
Netzwerke
56
metabolische NetzwerkeFormulierung von Biochemie
mit Linearer Algebra

57
Zellsimulationen
Ziel verstehe metabolische Abläufe in Zellen
http//ecell.sourceforge.net/index.html
58
E-cell
Anwendungen bisher - Energie-Metabolismus von
E.coli - e-Rice - Modell eines menschlichen
Erythrozyten - Zirkadiane Rhythmen -
e-Neuron - Signalübertragung in der bakteriellen
Chemotaxis
59
Virtual Cell
http//www.nrcam.uchc.edu/
60
Virtual Cell
Left overall mechanism of Ran-mediated
nucleocytoplasmic transport. The image Right
membrane transport components within the Virtual
Cell software.GTP-bound Ran shuttles between the
nuclear and cytoplasmic compartments and is
predominately nuclear at steady-state. The RanGTP
nuclear membrane gradient is essential and
required for RanGTP-dependent assembly and
dissociation of transport complexes within the
nucleus.
http//www.nrcam.uchc.edu/
61
Virtual Cell
Parameter
62
Virtual Cell
This set of images shows the spatiotemporal
pattern of nuclear accumulation of fluorescently
labeled Ran after microinjection into the cytosol
in a confocal experiment (grayscale panels) and a
Virtual Cell simulation (color scale panels).
http//www.nrcam.uchc.edu/
63
Virtual Cell
Calculated 3D distribution of 2 species in the
pathway that are not directly visible by
labeling. Injecting fluorescently labeled Ran
allows you to experimentally visualize all the
forms of Ran but not the individual bound and
free states. Simulations help dissect what is
happening to all the species.
http//www.nrcam.uchc.edu/
64
Software
In den Tutorials vorgestellte Software 0 Datenba
nkennavigation SRS I Sequenzanalyse (FASTA)
BLAST, PSI-BLAST, CLUSTALW II Proteinstruktur
VMD Ligandenbindung FlexX mit Andreas
Kämper III Zellsimulationen Virtual
Cell Datenbanken Sequenzdatenbanken Proteinstru
kturbanken Metabolische Datenbanken