Sequenzmotife, Genomanalyse und Proteinfaltungsproblem

Page 1

PROSITE

enthält Motife und Muster von Proteinsequenzen

GENREGULATION

Regulierende Sequenzen im Genom: Regulatoren, Promotor (TATA+SDS)

MOTIFE

= kurze (wiederkehrende) Muster der DNA.

PROKARYOTEN

weniger Transkriptionsfaktoren, längere Motife, mehr codierende Sequenzen, nicht so ausgeklügelte Genregulation wie Eukaryoten

SEQUENZLOGO

stellt Wahrscheinlichkeit von Nukleotiden je nach Position dar, Maß der Konservierung

KONSENSUSSEQUENZ

"beste" Sequenz, kann aus I-Werten berechnet werden

KONSERVIERUNG

I = Maß der Konservierung

I = 2+Summe [f(Base b an Pos. i) log f (b,i)]

Perfekte Konservierung: I = 2 bits

2 Basen zu je 50 %: I = 1 bit

Alle Basen gleich wahrscheinlich: I = 0 bits

I (seq) = Maß der Konservierung einer gesamten Sequenz

KLEIN-SAMPLE-KORREKTUR

I (seq) ist nie Null, d.h. wenn man kleine Sequenzen vergleicht ist es unmöglich dass sie sich immer komplett unterscheiden!

HINTERGRUNDHÄUFIGKEITEN

Jeder Organismus hat unterschiedliche Basenhäufigkeiten.

Mensch: 41 % GC-Gehalt

E. coli: 51 % GC-Gehalt

S. cerevisiae: 38 % GC-Gehalt

WEBLOGO

erstellt Sequenzlogos

HIDDEN-MARKOV-MODELL

gibt an, welche Sequenz wie wahrscheinlich ist (zeigt also auch Präferenzen)

Score berechenbar: Alle Wahrscheinlichkeiten des Modells aufmultiplizieren

LOG-ODDS-SCORE

= HMM, aber angepasst an Sequenzlänge und Hintergrundhäufigkeit. Hoher log-odds-Score ist gut!

log-odds(Sequenz) = log[Wahrsch./0,25^L]

mit L = Längenparameter und 0,25=Durchschnittsvorkommen einer Base (variiert bei anderer Hintergrundhäufigkeit)

Was muss ich über Sequenzmotife wissen?

Was muss ich über die Genomanalyse wissen?

GENOM

komplette vererbliche Information eines Organismus, codiert in DNA (Viren: teils RNA)

Gene + nicht codierende Sequenzen

NUKLEARES GENOM

Genom ohne DNA aus Mitochondrien/ Plastiden (Mitochondrium: ca. 17 kb beim Menschen, Chloroplasten: ab 120 kb)

INHALTE DES MENSCHLICHEN NUKLEAREN GENOMS

Exons

Introns

Pseudogene

DNA Transposons

Mikrosatelliten

Retrotransposons (LINE, SINE, LTR Elemente)

#GENE

Bei Bakterien: ca. 1000 Gene pro MB

NCBI

= National Centre for Biotechnology Information

beinhaltet u.A. Genome verschiedener Organismen

bietet Zugang zu vielen Datenbanken

CDS

= Coding Sequence = übersetzte DNA (je nach Organismus unterschiedlich)

SHOTGUN SEQUENCING

Prinzip: Terminationsbasen werden bei der Replikation zufällig eingebaut, es werden Fragmente unterschiedlichster Länge produziert

Zusatz: Je nach Base VOR der Terminationsbase leuchtet das Fragment in eienr anderen Farbe --> Genomsequenzierung!

CLONE-BY-CLONE SHOTGUN SEQUENCING

Das zu sequenzierende Gen wird "gemappt", d.h. vor der Sequenzierung in Regionen unterteilt, welche wiederum jeweils kloniert werden. Es entstehen so mehrere Klonserien (Contigs), die einzeln sequenziert werden und am Ende (per Alignment) zusammengefügt werden.

WHOLE GENOME SHOTGUN SEQUENCING

Kein Mapping, d.h. die Gene werden (nach Replikation) sofort sequenziert, stattdessen helfen Markierungen beim Sortieren

LIBRARY

=komplettes Genom beim Shotgun Sequencing

SHOTGUN SEQUENCE ASSEMBLY

= automatisiertes Zusammenfügen der berechneten Sequenzen, dabei helfen Marker bei der Positionsbestimmung

HYBRID SHOTGUN SEQUENCING

= Kombination aus Whole genome und Clone-by-clone Sequencing

ESTs

= expressed sequence tags

= sequenzierte cDNA

beinhaltet also nicht Promotoren/ Introns/ ...

cDNA

DNA -> mRNA -> cDNA

= DNA-Version der mRNA (mit reverser Transkriptase), also nur die "transkribierte" DNA

GENANZAHL

Entscheidend ist nicht die zahl der Gene, sondern deren Komplexität! Reis hat mehr Gene als der Mensch, aber der mensch hat ein größeres Transkriptom

DAS EUKARYOTISCHE GENOM

26 % Introns

1,5 % proteincodierend

5 % Duplikationen

3 % Repeats

13 % SINEs, 20 % LINEs (short/ long interspersed nuclear elements)

Was muss ich über Proteinstrukturen wissen?

RMSD

= Root Mean Square Deviation

Maß für die Richtgkeit einer Strukturvorhersage, je kleiner desto besser; beruht auf Atompositionen

DOPPELT DYNAMISCHES PROGRAMMIEREN

= Alignen + Strukturüberlagerung

2 Level: Unteres und oberes Level, das optimale Alignment vom unteren Level wird im oberen Level weiter optimiert

Optimales Alignment wird in einer Zusammenfassungsmatrix dargestellt

DISTANZMATRIX

Dotplot, zeigt den Atomabstand an. Kleiner Abstand = Dot, Großer Abstand = kein Dot

Interagierende Atome bilden hier parallele Linien, die als Strukturen zu deuten sind (und immer eine Diagonale)

MIT DISTANZMATRITZEN VERGLEICHEN

Ähnliche Proteine haben ähnliche Doppellinien in ihrer Matrix, jedoch evtl. mit verschiedenen Abständen (da Insertionen).

Durch entfernen der Insertionen in der Distanzmatrix sind Homologien erkennbar!

Problem der fehlerhaften Strukturüberlagerung wird entfernt!

Was muss ich über Proteinfaltungen und Strukturvorhersagen wissen?

ANFINSONS PARADOGMA

Die komplette Information der 3D-Struktur ist schon inder Primärstruktur festgelegt

LEVINTHALS PARADOXON

Die optimale Proteinstruktur zu berechnen ist (noch) unmöglich, da zu zeitaufwendig

Es hilft aber, die Proteinumgebung zu kennen (z.B. wässrige Umgebung bei hydrophoben AS -> hydrophober Kollaps)

VARIABLEN

1. Bindungsbegriff (Valenzbindungen)

2. Dehnungsbegriff (flexible Moleküle)

3. Nichtbindungsbegriff (andere Interaktionen wie VDW)

POTENTIALENERGIEOBERFLÄCHE

Struktur-Energie-Beziehung

lokale, möglichste globale Tiefpunkte werden gesucht da stabil (aber: Multiminimumsproblem

Molekularmechanik mit Monte-Carlo-Simulation (von verschiedenen Punkten starten) und Simulated Annealing (Optimieren)

Neue Seite