Post on 05-Jan-2016
description
ulaientífica
Genís Parra
Predicción de genes
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 2Genís Parra
Contenido de la presentación
• ¿Es realmente necesario ?• Introducción biológica• Predicción “in silico” , principales problemas• ¿De qué información disponemos?• Medidas de fiabilidad• Fiabilidad actual: GASP1
ulaientífica
Genís Parra
1. ¿Es realmente necesario ?
Anotación del genoma humano.
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 4Genís Parra
Numero de genes en el chromosoma 22
• initial annotation 545 Dunham et al., 1999
• genscan+RT-PCR 590 Das et al., 2001
• genscan+microarrays 730 Shoemaker et al., 2001
• reviewed annotation 726 chr22 team, sanger, 2001
• mouse shotgun data +20 (our data)
• geneid predictions 794
• genscan predictions 1128
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 5Genís Parra
Numero de genes del genoma humano
• Consortium 30.000-40.000 2001
• Celera 27.000-38.000 2001
• Consortium+Celera 50.000 Hogenesch et al. 2001
• DBsearches 65.000-75.000 Wrigth et al., 2001
• HumanGenomeSciences 90.000-120.000 Haseltine, 2001
ulaientífica
Genís Parra
2. Introducción biológica
Del DNA a las proteínas
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 7Genís Parra
Dogma central de la biología
• Transcripción. Las regiones promotoras contienen señales que son reconocidas por los factores de transcripción. Interacciones entre estos, activan la copia de una de las dos cadenas de DNA a RNA por una RNA polimerasa.
• Splicing. Los intrones, regiones no codificantes, son eliminados del tránscrito primario, produciendo una molécula mas corta de RNA, conocido como RNA mensajero (mRNA).
• Traducción. El ribosoma se une al codón inicial del mRNA, y recorre la secuencia sintetizando la cadena de aminoácidos especificada por codones consecutivos hasta que encuentra un codón de finalización.
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 8Genís Parra
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 9Genís Parra
Predicción de genes “in silico”
Deducir la secuencia de aminoácidos codificada en una cadena de DNA genómico, generando modelos computacionales para reproducir el mecanismo biológico que ocurre en la célula.
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 10Genís Parra
Predicción en genomas procariotas
La predicción de genes en los genomas procariotas es mas simple debido principalmente a :
• Ausencia de intrones en los genes.• Alta densidad de genes.
Estas propiedades implican que la mayoría de pautas de lectura abiertas(ORFs), mas largas de un razonable “cutoff”, corresponden a genes.
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 11Genís Parra
Predicción en genomas eucariotas
• Los genes están separados por largas regiones intergénicas.• Las regiones codificantes están divididas en un número
“usualmente grande” de “pequeños” fragmentos codificantes conocidos como exones, separados por “largas” regiones no codificantes conocidas como intrones.
• Las señales que existen no están 100% conservadas y en muchos casos no tenemos suficiente conocimiento del proceso biológico.
• En algunos genomas eucariotas existe una gran densidad de elementos repetitivos, que pueden contener regiones codificantes.
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 12Genís Parra
Diferencias entre genes de organismos procariotas y eucariotas.
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 13Genís Parra
ATATATATATGGCGGCATTATATTGTTGGTAACTAAAATCACTCAGCTCTTACATGGTAAACCAGGATCCAAACTAGGGTCTGTGAAGTTCTAAATCTCATGTTTTCAACACTGTTCAAACAAAGATTTTCAGCTTCTGAGAAGAACAGAGGTGGACGAATGCAGGTACTTGATAGAATTTGAATCTGAATTACAGTGCTACTGATAGGTCTGTTAATCACGCACGTGCACATGCCACGCAAAAGTCAAACGCAGGGACCTAAACACGCCTGTGGTGTGTTCTCAGCTGAGCTCCAAGGCCCTGATGAGTTGTAAATGTTTACAGACTCCTCAGCTGGGTGGTCCTGGAGGCAGCTTATCACATGCCCTGAGGCCCGAGTGGGTTAGGGGAGAGAGCACAAAACGTGACAGCTTTGCCCTCACAGTCTCAGCTACCCTGGGAAAGAGTTTGGCAGGGGAATCATCATGCAGGCTCCATTTTTATACCACTGCACTGAAGTATAAGTACATTTTTTGTCACACTCTGCTAACTGCCTGCTCATAGATATTCAAATTTAGTAGATGTAGACAGACTCCTAACTTCTCATGGTTTAAAATGTTTAAACAACTATATTTATTTTGTACTTGCCTAATCTTTTCTAGTCCCCCTGGATTGGTATATGTTTCACCTGCTTAAATGAGACTGTTCTCTGGCTTAAGATTTATTTAGGTAGTGAGGGCTACTTTTGGTTGAAAGCTAGAACAGGTTTTGCACTTTAATGAACCTAAAGCAGATCTATGCTGTTTACATTCAGGTAAGGGGACTTCTCCTTTATTATTTATTTTAGATAGAATATTTGCCAACTGAAGATGTGTGGCCCCTTCCCACCCCAAAGAAGACAGTACCCATGGTTGAATTCCCAGATGGAAATGATTTATGACTAGGGATCCCATAGCCTTGGTTCCCCTTGTCTGCTGCTTATGAAGCAAGATAAACATGCTGCCTCCTCCTGGTGCAGCTCTTGAAATGTTTTGACTTCCTGTCACTGGAGAGGTGTTGACATGCTCAGGGGAATGTTGGTGGAACTCACTCTGCATTCCAATGTGTCATGAATTTAAGGATTATGGTTAGACCACGTCGAAGTCATCACACAGTAGTTACAGCTAATGTCTAGTACTGGTTGGCCCTGGAAACAAAGAAGAGCTTGGAAAAAAAGCAGTTTACAATGCAGAAGGTAGACGGAGCTGTGCTTATTGGATTGGTGGGAAATCAAATGCAGGAAACATGGTGTATTACTTGTTTATTTGGTGTAATGAAGACTACAGTGTCAGCCTCTACAACTACAGTGTGATCTGCTTCAGGGCAGGGTGTGTCTTCATCACTTTCACCTGGCCCTGGGGAGGCACTCAATAAATATTTGGAGGTGAATGAATTAATTAGAGTGGGAGATCTACCACGCTTGTGTCTGGTTCCTTACAGGGTAAAGACCCTGAGTTAAAGGCCAATGAAGTGACTAAATAAAGAAGATGGTAATCCAGCAAGCAGATTCTAATGCAGCCTTTTACAATAAATAACACCCCCATGCAGCTTTTATATAGAGATATAGACAGCTATAGATGAAT
ulaientífica
Genís Parra
3. ¿De qué información disponemos ?
Modelizando la información biológica
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 15Genís Parra
Información utilizada para encontrar genes:
1. Búsqueda de señales. La maquinaria celular reconoce secuencias mas o menos conservadas en el DNA genómico.
2. Estadísticos codificantes. Las regiones codificantes tienen propiedades estadísticamente diferentes a las regiones no codificantes.
3. Uso de homología. La similaridad con secuencias conocidas es un indicativo de que esa región pueda contener un gen homólogo.
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 16Genís Parra
(I) Búsqueda de señales
Tipos de señales:
Les señales conocidas son alineadas y se generan patrones con las regiones conservadas.
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 17Genís Parra
Generando un modelo para donors sites
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 18Genís Parra
(II) Estadísticos codificantes
El DNA codificante tiene una composición de nucleótidos diferente al resto de DNA genómico, debido a que ha de codificar para proteínas (es menos aleatorio).
Estadístico codificante: es una función que dada una secuencia de DNA, nos devuelve un número relacionado con la probabilidad de que esa secuencia corresponda a una región codificante.
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 19Genís Parra
Ejemplo de estadístico codificante: “codon usage”
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 20Genís Parra
(III) Uso de homología
Algunos programas de predicción de genes permiten el uso de homologías con secuencias conocidas para mejorar las predicciones.
Estas homologías las podemos encontrar en:
• Proteínas de otras especies.
• Fragmentos genómicos que sabemos que se transcriben (ESTs o cDNAs)
• Comparación de genomas completos.
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 21Genís Parra
geneid como ejemplo de programa de predicción de genes.
Estructura jerárquica :
señales - exones - genes
Integrando la información
ulaientífica
Genís Parra
4. Medidas de fiabilidad
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 23Genís Parra
Fiabilidad de los programas de predicción de genes.
1. Necesitamos un conjunto de genes conocidos para validar las predicciones.
2. Conceptos básicos para medir la fiabilidad:• Sensibilidad: proporción de genes reales que han sido
predichos.
• Especificidad: proporción de predicciones que corresponden con la realidad.
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 24Genís Parra
Ejemplo de fiabilidad
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 25Genís Parra
5. Fiabilidad actual: GASP1
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 26Genís Parra
GASP1: genome annotation assessment project
• El objetivo de este proyecto era estudiar la eficiencia de los programas de predicción de genes en una región de 2.9 Mb del genoma de Droshophila Melanogaster.
• Las predicciones fueron comparadas en base a los resultados de un profundo estudio experimental (2 años recopilando cDNAs) que no fueron revelados hasta el final de la evaluación.
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 27Genís Parra
Resultados del GASP1
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 28Genís Parra
Resultados del GASP1
ulaientífica
Introducción a la BioinformáticaIntroducción a la Bioinformática 29Genís Parra
Conclusiones del GASP1
• Las predicciones cubren un 95% del proteoma.
• La predicción a nivel de nucleótido mejor que a nivel de exón.
• Muy baja proporción de genes correctamente predichos.
• Métodos optimizados para una especie funcionan mejor.
• Ningún programa es perfecto.