Microsoft PowerPoint - BI_okuno_

Size: px

Start display at page:

Download "Microsoft PowerPoint - BI_okuno_"

かねろうよせ
5 years ago
Views:

1 バイオインフォマティクス ( 配列検索 ) & ケモインフォマティクス ( 構造検索 ) 統合薬学教育開発分野奥野恭史

2 創薬におけるインフォマティクスゲノム情報ゲノム基盤ターゲット研究探索ターゲットバリデーション創薬リード探索創薬リード最適化前臨床研究臨床研究創薬ゲノム情報 (~2 万 2 千遺伝子 ) 化合物ライブラリー (10^60 化合物 ) バイオインフォマティクスケモインフォマティクス疾患の原因遺伝子の同定薬の種リード化合物の選択医薬品最適化 & 臨床試験

3 バイオインフォマティクス配列解析 Sequences information Similarity matrix Fasta format Alignment (ex. Blast ) Classification

4 ケモインフォマティクス構造解析 Structure OC(=O)C(N)CC1=CC=C(O)C=C V C C O O N M END Distance matrix Classification Structure comparison OH O O O NH NH O O NH 2 OH

5 配列解析とは遺伝子 A DNA 転写 RNA 翻訳タンパク質アミノ酸配列フォールディング翻訳後修飾複合体形成機能 A 遺伝子 A DNA RNA タンパク質アミノ酸配列機能 A ゲノム遺伝子 Z DNA RNA タンパク質アミノ酸配列機能 Z 遺伝子予測遺伝子はどこの部分なのか? 機能推定遺伝子はどう働いているか? 相同性検索対象の遺伝子タンパク質と似ている配列はあるのか? 進化系統樹生命はどのように進化してきた? タンパク質構造予測どのような構造をしているか?

6 配列アライメント配列が類似しているかをみるためには並べて比較すれば良い配列中で同じ並び方をしている配列パターンを探すために配列を並べる操作をアライメントと呼ぶ 2 つの配列に対するアライメントはペアワイズアライメント 3 つ以上の場合マルチプルアライメントという文字の一致を最大限にするためにギャップ記号 ( 挿入欠失に対応 ) を挿入する G L G F G S L Y G G L G G V S V G G L G F G - S L Y G G L G - G V S V - G

7 最適アライメントを求める ( 最も類似していると思われる配列の並べ方 ) スコア : 同じ文字は 1 点異なる文字は -3 点ギャップは -2 点最適アライメント AGCT- AG-CT A-GCT -AGC--T ACGCT ACGCT ACGCT AC--GCT アライメント : 並べ方つまり類似性スコアの選択と並べる手順 ( 方法 ) によって最適アライメントは影響を受ける

8 アライメントの方法 ( アルゴリズム ) 2 つの考え方グローバルアライメント配列全体の類似性を調べたいのか? ローカルアライメント局所的に類似性の高い部分を調べたいのか? * 例えば顔が似ている体格が似ているどっちが似ているの? 有名なアルゴリズムドットマトリックス法 ( グローバル & ローカル ) 動的計画法 - Needleman Wunschアルゴリズム ( グローバル ) Smith Watermanアルゴリズム (ssearch)( ローカル ) 近似的な方法 - Blast( ローカル ) Fasta( ローカル ) * 計算時間がかかっても厳密にアライメントをしたいか? 多少厳密で無くても速く結果を手にしたいか? でアルゴリズムが選択される

9 スコア行列 ( アミノ酸配列 ) PAM 行列 : 先祖の共通タンパク質ファミリから多数のタンパク質を集め置換の頻度を調べて分子進化学的に求めたもの BLOSUM 行列 : 配列の一致度が高いところでマルチプルアライメントをとり特に保存性の高いところでのアミノ酸の変異を解析して求めたもの A R N D C Q E G H I L K M F P S T W Y V A R N D C Q E G H I L K M F P S T W Y V PAM250 A R N D C Q E G H I L K M F P S T W Y V A R N D C Q E G H I L K M F P S T W Y V BLOSUM50

10 動的計画法によるグローバルアライメント Needleman-Wunsch アルゴリズム F(0,0) =0 G F(0,1) =-d F G F(1,0) =-d F(i-1, j-1) K s(k,f) F(2,0) =-2d F(i, j-1) -d スコア値の計算式 F (0, j) = - jd, F ( i,0) = - id F ( i- 1, j- 1) + s( xi, y j) F ( i, j) = max F ( i- 1, j) - d F ( i, j- 1) - d s(x i,y j ) : 置換行列の要素 d : ギャップペナルティ (>0) F(0,2) =-2d -d F(i-1, j) F(i, j) 行列からの経路の復元は F(m,n) から max で = となっている F(i,j) を逆にたどることに行う ( トレースバック ) F(i-1, j-1), F(i, j-1), F(i-1, j) の 3 つが決まれば F(I, j) が決まる

11 Needleman-Wunsch アルゴリズムによる計算例 HEA と PAW をアライメントする場合 H E A P A W F (0, j) = F (, i j) = スコア値の計算式 - jd, F (,0) i = -id F ( i- 1, j- 1) + s( xi, y j) -2+(-1) max F ( i- 1, j) - d -9+(-8) F (, i j- 1) - d -10+(-8) s(x i,y j ) : 置換行列の要素 E/A: -1 d : ギャップペナルティ (>0) 8 置換行列 : BLOSUM50 リニアスコアギャップ :d = 8

12 スコア行列 :BLOSUM50 A R N D C Q E G H I L K M F P S T W Y V A R N D C Q E G H I L K M F P S T W Y V

13 Needleman-Wunsch アルゴリズムによる計算例置換行列 : BLOSUM50 リニアスコアギャップ :d = -8 H E A G A W G H E E P A W H E A E 得られる結果 H E A G A W G H E - E - - P - A W - H E A E

14 進化系統樹異なる生物種に由来する遺伝子タンパク質の配列が類似しているそれらの遺伝子タンパク質が共通祖先を持つ可能性が高い配列相同性と進化的距離の関連がある有根系統樹 A 無根系統樹 C ROOT branch B C A D node D B time E Brach の長さ = 進化的距離 E

15 進化系統樹の作成方法距離行列法最大節約法最尤法配列配列 A 配列 B 配列 C 配列 D :ACGCGTTGGGCGATGGCAAC :ACGCGTTGGGCGACGGTAAT :ACGCATTGAATGATGATAAT :ACACATTGAGTGATAATAAT 配列間の距離 ( 置換数 ) A B C D A B C D 系統樹 A D B 1 1 C

16 ホモロジーサーチ ( 相同性検索 ) 相同性検索は対象となる配列と類似の配列が配列データベースに存在するかどうかを検索する手法である検索する配列 ( クエリー配列 ) とデータベース中の配列の間でアライメントを作成しその中からよく類似した配列を選び出すクエリー配列配列データベース高い類似度スコアを示す配列を探してくれる

17 ホモロジーサーチに用いられるに用いられるプログラムスコアを最大にする最適なアライメントは動的計画法 (ssearch) により計算できるがデータベースの配列全てに対して 1 つ 1 つこの手法を適用すると膨大な時間がかかる実際には近似手法が用いられている BLAST FASTA といったホモロジー検索プログラムが用いられている

18 Blast のアルゴリズム

19 実際に Blast 検索する (1) 京大化学研究所バイオインフォマティクスセンター米国 The National Center for Biotechnology Information (NCBI)

20 実際に Blast 検索する (2) プログラム結果出力クエリー配列配列データベースクエリー配列を用意する : FASTA 形式の配列 >hsa:5566 PRKACA; protein kinase, camp-dependent, catalytic, alpha [EC: ] (A) MGNAAAAKKGSEQESVKEFLAKAKEDFLKKWESPAQNTAHLDQFERIKTLGTGSFGRVML VKHKETGNHYAMKILDKQKVVKLKQIEHTLNEKRILQAVNFPFLVKLEFSFKDNSNLYMV MEYVPGGEMFSHLRRIGRFSEPHARFYAAQIVLTFEYLHSLDLIYRDLKPENLLIDQQGY IQVTDFGFAKRVKGRTWTLCGTPEYLAPEIILSKGYNKAVDWWALGVLIYEMAAGYPPFF ADQPIQIYEKIVSGKVRFPSHFSSDLKDLLRNLLQVDLTKRFGNLKNGVNDIKNHKWFAT TDWIAIYQRKVEAPFIPKFKGPGDTSNFDDYEEEEIRVSINEKCGKEFSEF

21 実際に Blast 検索する (3) クエリー配列を入力プログラムの種類検索対象 : データベースの種類スコア行列の選択

22 実際に Blast 検索する (4) 出力結果遺伝子スコア

23 実際に Blast 検索する (5) 出力結果アライメント

24 遺伝子情報実際に Blast 検索する (7)

25 実際に系統樹を作成する (1) 京大化学研究所バイオインフォマティクスセンター

実際に系統樹を作成する (2) >INS_HUMAN MALWMRLLPLLALLALWGPDPAAAFVNQHLCGSHLVEALYLVCGERGFFYT PKTRREAED LQVGQVELGGGPGAGSLQPLALEGSLQKRGIVEQCCTSICSLYQLENYCN >INS_BOVIN

26 実際に系統樹を作成する (2) >INS_HUMAN MALWMRLLPLLALLALWGPDPAAAFVNQHLCGSHLVEALYLVCGERGFFYT PKTRREAED LQVGQVELGGGPGAGSLQPLALEGSLQKRGIVEQCCTSICSLYQLENYCN >INS_BOVIN MALWTRLRPLLALLALWPPPPARAFVNQHLCGSHLVEALYLVCGERGFFYTP KARREVEG PQVGALELAGGPGAGGLEGPPQKRGIVEQCCASVCSLYQLENYCN >INS_PIG MALWTRLLPLLALLALWAPAPAQAFVNQHLCGSHLVEALYLVCGERGFFYTP KARREAEN PQAGAVELGGGLGGLQALALEGPPQKRGIVEQCCTSICSLYQLENYCN >INS_CYPCA MAVWIQAGALLFLLAVSSVNANAGAPQHLCGSHLVDALYLVCGPTGFFYNPK RDVDPPLG >INS_CHICK MultiFASTA 形式 MALWIRSLPLLALLVFSGPGTSYAAANQHLCGSHLVEALYLVCGERGFFYSPK ARRDVEQ

27 実際に系統樹を作成する (3) マルチプルアライメント結果

ケモインフォマティクス構造解析 Structure OC(=O)C(N)CC1=CC=C(O)C=C1 Distance matrix 5 4 0 0 0 999 V2000-0.1276 0.2621 0.0000 C 0 0 0 0 0 0 0.5552-0.1862 0.0000 C 0 0 0 0 0 0-0.8552-0.1483 0.0000 O 0 0 0 0 0 0-0.

28 ケモインフォマティクス構造解析 Structure OC(=O)C(N)CC1=CC=C(O)C=C1 Distance matrix V C C O O N M END 化学物質 ( 分子 ) の情報学的表現分子比較化合物データベース Structure comparison Classification 分子の特徴抽出化学量定義 OH O O O NH NH O O NH 2 OH

29 化学物質 ( 分子 ) の情報学的表現 1. Line notation : represent structures as compact linear string of alphanumeric symbols SMILES (Simplified Molecular Input Line Entry System) : developed by Daylight OC(=O)C(N)CC1=CC=C(O)C=C1 O HO NH 2 C H C H 2 1 OH 2. Connection Table KCF (KEGG Chemical Format) ENTRY C00037 Compound NODE 5 1 C6a C C1b C O6a O O6a O N1a N EDGE /// Graph representation MDL CT format ISISHOST D V C C O O N M END

30 分子比較 ( 化合物類似性 ) Tanimoto coefficient B C A a: size of mol_a b: size of mol_b c: size of overlap Tanimoto coefficient = c / (a+b-c) structure fingerprint O NH O NH 2 O OH O NH O OH Mol A: Mol B: formylkynurenine formylanthranilate a=17 c=11 b=12 -> 11 / ( ) = 0.61 a=8 c=3 b=6 -> 3 / (8+6-3) = 0.27

31 構造検索 ( データベースサーチ ) 1. Full structure search 問い合わせ分子と全く同じ構造をもつ分子が DB 中にあるか? 2. Substructure search 問い合わせ構造を部分構造として含む分子が DB 中にあるか? 3. Superstructure search 問い合わせ分子中の部分構造と一致する分子が DB 中にあるか? 4. Similar structure search 問い合わせ分子と或る閾値以上の類似性を示す分子が DB 中にあるか? 類似度の定義が必要 5. Reaction search molecular alignment (atom-atom matching) Maximal common subgraph search 6. 3D substructure search

32 分子の特徴抽出化学量定義 Chemical descriptors Chemical property correlates with chemical strucutre Chemical property Molecular weight Number of rotatable bonds Number of potential hydrogen-bond donors/acceptors Solubility Acid dissociation constant Standard gibbs free energy Octanol-water distribution coefficient Can be estimated by Chemical descriptors

33 Public available Chemical database

A Constructive Approach to Gene Expression Dynamics

A Constructive Approach to Gene Expression Dynamics 配列アラインメント (I): 大域アラインメント http://www.lab.tohou.ac.jp/sci/is/nacher/eaching/bioinformatics/ week.pdf 08/4/0 08/4/0 基本的な考え方バイオインフォマティクスにはさまざまなアルゴリズムがありますがその多くにおいて基本的な考え方は配列が類似していれば機能も類似しているというものである例えば