Đang tải... (xem toàn văn)
1 TIN SINH H Ọ C ĐẠ I C ƯƠ NG (Introduction to Bioinformatics) PGS.TS. Tr ầ n V ă n L ă ng Email: langtvvast.vn Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY TÀI LI Ệ U H Ọ C T Ậ P • Tr ầ n V ă n L ă ng , Ứ ng d ụ ng Tin h ọ c trong vi ệ c gi ả i quy ế t m ộ t s ố bài toán c ủ a Sinh h ọ c phân t ử . Nxb. Giáo d ụ c, 2008, 230tr. Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 2 TÌM KI Ế M TRÌNH T Ự T ƯƠ NG ĐỒ NG TRÊN NGÂN HÀNG D Ữ LI Ệ U Ch ươ ng 2 : Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 3 N Ộ I DUNG • M ộ t s ố ngân hàng d ữ li ệ u trình t ự • C ơ s ở d ữ li ệ u c ấ u trúc PDB • BLAST trong vi ệ c tìm ki ế m t ươ ng đồ ng Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 4
TÀI LIỆU HỌC TẬP TIN SINH HỌC ĐẠI CƯƠNG (Introduction to Bioinformatics) • Trần Văn Lăng, Ứng dụng Tin học việc giải số toán Sinh học phân tử Nxb Giáo dục, 2008, 230tr PGS.TS Trần Văn Lăng Email: langtv@vast.vn Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY NỘI DUNG • Một số ngân hàng liệu trình tự • Cơ sở liệu cấu trúc PDB • BLAST việc tìm kiếm tương đồng Chương 2: TÌM KIẾM TRÌNH TỰ TƯƠNG ĐỒNG TRÊN NGÂN HÀNG DỮ LIỆU Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 1 Một số ngân hàng liệu MỘT SỐ NGÂN HÀNG DỮ LIỆU TRÌNH TỰ GENE • GenBank • EMBL • DDBJ Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY GenBank • 20/9/2012: có 126.551.501.141 bases, từ 135.440.924 sequences • 15/8/2013: có 154.192.921.011 bases, từ 167.295.840 sequences • 15/8/2014: có 165.722.980.375 bases, từ 174.108.750 sequences • 15/8/2015: có 199.823.644.287 bases, từ 187.066.846 sequences (Xem ftp://ftp.ncbi.nih.gov/genbank/gbrel.txt) • GenBank sở liệu trình tự gen NIH (National Institutes of Health) • Nhằm tập hợp trình tự DNA công bố kèm theo lời thích • http://www.ncbi.nlm.nih.gov/genbank/ Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY • Ví dụ, cần tìm giống lúa Việt Nam – Vào trang http:// www.ncbi.nlm.nih.gov – Nhập vào dòng tìm kiếm tương ứng, chẳng hạn “Vietnam Rice” Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 10 • Kết đưa danh sách liên quan đến “Vietnam Rice” • Chọn “Southern rice black-streaked dwarf virus isolate Son La major capsid protein gene, complete cds”, liên quan đến virus lúa Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 11 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 12 • Để nhận kết quả, chọn nút “Send” góc bên phải • Chẳng hạn, chọn hình bên để ghi file với đầy đủ thông tin theo GenBank • Khi đó, default download folder có tập tin sequence.gb Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 13 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 14 • Ban đầu GenBank xây dựng Phòng thí nghiệm quốc gia Los Alamos, Hoa Kỳ (LANL Los Alamos National Laboratory) • Sau đó, vào năm 1990, đưa Trung tâm quốc gia Thông tin Công nghệ sinh học (NCBI National Center for Biotechnology Information) • Để cung cấp nguồn tài nguyên thông tin sinh học phân tử • Thông qua GenBank, NCBI hỗ trợ phân phối nhiều sở liệu thông tin sinh học khác cho cộng đồng Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 15 16 • The International Nucleotic Sequence Databases Collaboration phát triển trì hợp tác DDBJ, EMBL GenBank 21 năm (2015) GenBank phận International Nucleotic Sequence Database Collaboration Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 17 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 18 Sự hợp tác ngân hàng • Người ta gửi trình tự sinh học lên GenBank nhờ công cụ: – Sequin (http://www.ncbi.nlm.nih.gov/projects/Sequin/) • Khi người dùng giải nhiều thông tin cho trình tự khám phá Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 19 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 20 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 21 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 22 EMBL (http://www.embl.de) http://www.ncbi.nlm.nih.gov/projects/Sequin/ • EMBL Phòng Thí nghiệm sinh học phân tử Châu Âu, European Molecular Biology Laboratory Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 23 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 24 http://www.embl.de • EMBL thành lập năm 7/1974 với tài trợ giúp đỡ 17 thành viên thuộc nước Châu Âu Israel • Cơ sở vật chất EMBL bao gồm phòng thí nghiệm Heidelberg (Đức), trạm Hamburg (Đức), Grenoble (Pháp) Hinxton (Anh), với chương trình nghiên cứu đặt Monterotondo (Ý) Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 25 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 26 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 28 • Trong EMBL có European Bioinformatics Institute (EBI) – viện nghiên cứu học thuật tin sinh học đặt Wellcome Trust Genome Campus Hinxton gần Cambridge, – thành lập năm 1994 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 27 • Ngân hàng EMBL chứa 247.335.689 trình tự bao gồm 429.512.389.024 nucleotide (20 Sep 2012) • Việc truy cập tiện lợi giống sử dụng GenBank NCBI • Chẳng hạn, Genome đầy đủ virus dày người C117 (Human enterovirus C117 strain LIT22) công bố ngày 14 Sep 2012 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 29 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 30 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 31 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 32 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 33 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 34 DDBJ (http://www.ddbj.nig.ac.jp) • DNA Data Bank of Japan bắt đầu hoạt động lưu trữ ngân hàng liệu DNA từ năm 1986 • Đặt Viện Di truyền quốc gia Nhật Bản - NIG (National Institute of Genetics) Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 35 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 36 • Việc tìm kiếm DDBJ đơn giản tương tự EMBL hay GenBank • Chẳng hạn, có ID gen đầy đủ Human enterovirus C117 JX262382 • Việc tìm kiếm sau: Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 37 http://getentry.ddbj.nig.ac.jp/top-e.html Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 38 Kết tìm kiếm 39 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 40 10 • Cũng lấy toàn liệu từ ngân hàng cách dùng giao thức ftp để truyền tập tin • Cụ thể – ftp://ftp.ddbj.nig.ac.jp – ftp://ftp.ebi.ac.uk – ftp://ftp.ncbi.nih.gov Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 41 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 42 Cơ sở liệu PDB • PDB (Protein Data Bank) sở liệu sinh học phân tử giới thành lập trước sở liệu DNA • Kể từ cấu trúc protein công bố năm 1950 đến năm 1970 giới biến động đáng kể số lượng cấu trúc protein CƠ SỞ DỮ LIỆU CẤU TRÚC PDB Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 43 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 44 11 http://www.rcsb.org/pdb/home/home.do • Năm 1971, PDB thành lập Brookhaven National Laboratory • Từ 1998, PDB chuyển đến cho Research Collaboratory for Structural Bioinformatics (RCSB) Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 45 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 46 • Trong ngân hàng PDB, – có 84.645 liệu cấu trúc (20/9/2012) – 10/9/2013, có 93.788 cấu trúc – 23/9/2014, có 103.557 cấu trúc – 09/9/2015, có 111.956 cấu trúc • Chẳng hạn, tìm cấu trúc “Human Enterovirus” Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 47 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 48 12 Protein ID: 3N6L Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 49 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 50 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 52 • Để coi cấu trúc protein có PDB, sử dụng trực tiếp từ trang web PDB • Hoặc coi từ phần mềm khác Chẳng hạn, với Jmol viết Java Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 51 13 Mô hình CSDL Protein Ý nghĩa table • Table PROTEIN: Lưu trữ tên protein, bảng sở liệu protein • Table PRO_HEADER: Mỗi mẫu tin bảng liệu mẫu tin định nghĩa tập tin PDB thông qua khoá Mẫu tin cung cấp thông tin phân loại thực thể Cuối thông tin ngày mà lưu trữ PDB Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 53 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 54 • Table PRO_OBSLTE: Xuất cấu trúc protein bị loại • Table PRO_TITLE: Chứa tiêu đề mô tả nội dung cấu trúc thủ tục điều kiện để phân biệt cấu trúc với cấu trúc khác • Table PRO_CAVEAT: Cảnh báo lỗi phục vụ cấu trúc, mẫu tin xác định cấu trúc bị rút khỏi tập hợp cấu trúc công bố • Table PRO_COMPND: Mẫu tin compnd mô tả nội dung cấu trúc Mỗi đại phân tử tìm thấy cấu trúc mô tả tập hợp token: giá trị cặp tham chiếu đến thành phần mẫu tin compnd khác Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 55 56 14 • Table PRO_SOURCE: Mẫu tin định loại tài nguyên sinh học hoá học phần tử sinh học cấu trúc • Table PRO_KEYWDS: Lưu trữ tập hợp khoá thích hợp đến cấu trúc Các khoá bảng KEYWDS cung cấp ý nghĩa để phân loại cấu trúc Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY • Table PRO_EXPDTA: Đại diện thông tin thực nghiệm Mẫu tin bắt buộc xuất tất cấu trúc • Table PRO_AUTHOR: Lưu tên người tìm cấu trúc 57 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY • Table PRO_REVDAT: Lưu lại lịch sử sửa đổi cấu trúc từ công bố • Table PRO_SPRSDE: Chứa danh sách mã ID cấu trúc bị lạc hậu, bị rút khỏi tập liệu công bố • Table PRO_JRNL: Lưu trữ báo mô tả trình thực nghiệm tìm kết Một cấu trúc có tham chiếu JRNL • Table PRO_REMARK1: Lưu trữ chi tiết thực nghiệm, giải thích, ghi thông tin không nằm mẫu tin khác Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 59 58 60 15 TÌM KIẾM TƯƠNG ĐỒNG TRONG NGÂN HÀNG DỮ LIỆU • Có thể tìm tài liệu cấu trúc CSDL DNA Protein Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 61 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 62 BLAST • BLAST (Basic Local Alignment Search Tool) công cụ tìm vị trí tương đồng cục trình tự sinh học DNA Protein • Được phát triển NCBI Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 63 • BLAST tìm kiếm chuỗi truy vấn với chuỗi có CSDL bằng: – Phương pháp heurictic – Giải thuật Smith-Waterman Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 64 16 • Mặc dù không xác thuật giải SmithWaterman, phương pháp heurictic chọn lựa cho tốc độ tìm kiếm nhanh gấp nhiều lần phải truy vấn ngân hàng liệu lớn Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 65 • nucleotide blast: để tìm trình tự nulcleotide từ CSDL nucleotide • Thuật toán sử dụng: – blastn, megablast, discontiguous megablast Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY • Có chương trình BLAST chính: – nucleotide blast – protein blast – Blastx – tblastn – tblastx Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 66 • protein blast: tìm trình tự peptide, polypeptide từ CSDL protein • Thuật toán: – blastp, psi-blast, phi-blast, delta-blast 67 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 68 17 • blastx: tìm trình tự nucleotide biên dịch từ CSDL protein Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 69 • tblastn: tìm trình tự protein từ CSDL nucleotide biên dịch Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 70 BLAST (http://blast.ncbi.nlm.nih.gov) • tblastx: tìm trình tự nucleotide biên dịch từ CSDL nucleotide biên dịch Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 71 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 72 18 Ví dụ • Sau chuyển vào trang dùng Nucleotide BLAST • Tạo DNA ngẫu nhiên từ http://www.bioinformatics.org/sms2/random_ dna.html Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 73 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 74 • Kết tìm kiếm được: Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 75 19 [...]... table • Table PROTEIN: Lưu trữ tên protein, đây là bảng chính trong cơ sở dữ liệu protein • Table PRO_HEADER: Mỗi mẫu tin trong bảng dữ liệu là mẫu tin duy nhất định nghĩa một tập tin PDB thông qua khoá chính Mẫu tin này cung cấp thông tin phân loại thực thể Cuối cùng là thông tin về ngày mà nó được lưu trữ ở PDB Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 53 Assoc Prof... PRO_SOURCE: Mẫu tin chỉ định loại tài nguyên sinh học hoặc hoá học của mỗi phần tử sinh học trong cấu trúc • Table PRO_KEYWDS: Lưu trữ một tập hợp những khoá thích hợp đến cấu trúc Các khoá trong bảng KEYWDS cung cấp một ý nghĩa để phân loại cấu trúc Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY • Table PRO_EXPDTA: Đại diện thông tin về thực nghiệm Mẫu tin này bắt buộc... trúc này với cấu trúc khác • Table PRO_CAVEAT: Cảnh báo các lỗi phục vụ trong một cấu trúc, một mẫu tin sẽ xác định cấu trúc bị rút ra khỏi tập hợp cấu trúc công bố • Table PRO_COMPND: Mẫu tin compnd mô tả nội dung của cấu trúc Mỗi đại phân tử tìm thấy trong cấu trúc được mô tả trong một tập hợp token: giá trị cặp và được tham chiếu đến thành phần mẫu tin compnd khác Assoc Prof Tran Van Lang, PhD, VIETNAM... các cấu trúc bị lạc hậu, bị rút ra khỏi tập dữ liệu đã công bố • Table PRO_JRNL: Lưu trữ những bài báo mô tả quá trình thực nghiệm tìm ra kết quả Một cấu trúc có ít nhất một tham chiếu JRNL • Table PRO_REMARK1: Lưu trữ chi tiết thực nghiệm, giải thích, ghi chú và thông tin không nằm trong những mẫu tin khác Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY Assoc Prof Tran Van... bằng cách dùng giao thức ftp để truyền tập tin • Cụ thể – ftp://ftp.ddbj.nig.ac.jp – ftp://ftp.ebi.ac.uk – ftp://ftp.ncbi.nih.gov Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 41 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 42 2 Cơ sở dữ liệu PDB • PDB (Protein Data Bank) là một trong những cơ sở dữ liệu sinh học phân tử đầu tiên trên thế giới... TECHNOLOGY 61 Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 62 BLAST • BLAST (Basic Local Alignment Search Tool) là công cụ tìm các vị trí tương đồng cục bộ giữa các trình tự sinh học DNA và Protein • Được phát triển bởi NCBI Assoc Prof Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 63 • BLAST tìm kiếm giữa chuỗi truy vấn với chuỗi có trong CSDL bằng: – Phương