Bionformática 1º teste - Resumo Prof

Página 1

Sequências Biológicas

As sequências são representações incompletas do polímero biológico de tipo linear no qual se baseiam;

Um polímero é constituído por uma sucessão de resíduos que resultam da incorporação dos monómeros durante a reação de polimerização;

Os polímeros biológicos cujas sequências constituem substrato habitual da bioinformática são constituídos por nucleótidos ou aminoácidos;

Para registar uma sequência é necessário dispor de um conjunto de símbolos que representem os resíduos (Notação) e de uma forma convencionada para os arrumar (Formato);

O Formato incorpora quase sempre informação adicional sobre a sequência (Anotação);

Os formatos dividem-se entre os que se destinam a (listas de) sequências e os adequados para sequências alinhadas.

Bases de Dados

Uma estrutura de dados é o reflexo da realidade sobre as limitações técnicas do Sistema de Gestão (DBMS)cruzadas com as necessidades práticas de utilização dos dados;

RDBMS - Organização e distribuição de atributos por diferentes tabelas articuladas entre si por junções entre conjuntos de Chave Primária::Chave Alheia;

O tipo de estrutura empregue por um sistema de base de dados é o Paradigma e a informa:

Paradigma - algo que serve de exemplo geral ou de modelo;

Na atualidade subsistem 3 tipos de paradigmas de sistemas de base de dados:

Relacional - maioritário;

Multidimensional - extremamente minoritário;

Informado por Objetos - geralmente interno a programas;

Sistema relacional:

Sistema de Gestão - RDBMS:

Criação e manutenção da estrutura de dados;

Introdução, consulta (query) e gestão de dados;

SQL:

linguagem padrão para interagir com o RDBMS;

Tabela - conjunto de atributos e entradas;

Vista - resultado de uma consulta;

Representação da base de dados:

Dicionário de Dados;

Gráfico;

Projeção + Seleção estão geralmente envolvidos na consulta;

Junção, forma de evitar a duplicação no conjunto de dados armazenados

Análise Interna de Sequências

Algoritmo:

forma genérica de resolver um tipo de problema;

algoritmos relevantes para a análise interna de sequências:

soma global;

hashing;

conta corrente;

janela deslizante;

reconhecimento de padrões;

optimização sobre restrições;

Análise de vocábulos (n-tuples, hashing):

desvios relativamente ao acaso;

último recurso;

Gráficos de pontilhado (Dot-Plot):

janela deslizante (=média móvel);

análise quantitativa de semelhança entre sequências;

Restrição conceptual:

previsão de fragmentação após digestão;

confirmação da sequência.

Deteção de Regiões Expressas

Gene - regiões codificantes;

ORF - codões;

CDS - sequência traduzida (CDS - STOP);

EST:

marcador de genoma expresso;

evidência de transcrição;

Genomas:

Procariontes: unidades policistónicas, maior densidade de CDS;

Eucariontes: menor densidade de CDS, possibilidade de intrões, possibilidade de codificação concorrente nas 2 cadeias;

ORFing:

código genético;

a razão de ser a mais extensa;

Janela deslizante + Potencial de Codificação

GeneMark-P;

Uso da Heurística ou Auto-Treino:

usar na ausência de modelo de gene adequado;

Modelos Ocultos de Markov:

Modelo que pode incluir todos os elementos próximos de um gene;

Treino específico

Nível de probabilidade posterior (Teorema de Bayes);

Pipeline:

Conjugação de várias abordagens e filtros numa previsão única ou consolidada;

GFF3:

anotação genómica

Visualizadores/Editores: Apollo, Artemir;