<4D F736F F F696E74202D2090B696BD979D8D488A778EC08CB F31947A957A8E9197BF205B8CDD8AB B83685D>

Size: px

Start display at page:

Download "<4D F736F F F696E74202D2090B696BD979D8D488A778EC08CB F31947A957A8E9197BF205B8CDD8AB B83685D>"

れいなのしろ
7 years ago
Views:

1 平成 23 年度生命理工学実験法講義予定 10 月 7 日櫻井配列アラインメントの解析法 14 日櫻井タンパク質の立体構造予測法 18 日立花ゲノム解析実験法 28 日立花細胞生物学発生学のためのゲノム情報活用法 11 月 4 日太田遺伝子発現の網羅的解析を利用した植物科学研究法 11 日太田共発現データベースを利用した遺伝子機能解析法 18 日相澤 PCR を通してゲノムバイオインフォの基礎を学ぶ (DNA 編 ) 25 日相澤 PCR を通してゲノムバイオインフォの基礎を学ぶ (mrna 編 ) 12 月 2 日廣田動物実験関連法規及び倫理 9 日廣田遺伝子組換え動物を用いた動物実験における注意点 16 日予備日 1 月 6 日増田カルタヘナ法に基づく遺伝子組換実験法 20 日増田カルタヘナ法に基づく組換生物利用法 ( 組換え作物を例に ) 27 日実吉放射線の基礎知識 1 2 月 3 日実吉放射線の基礎知識 2

2 バイオインフォマティクスの概要タンパク 3000 蛋白質配列情報解析多型情報解析医薬品の開発ゲノムデータベースコンピュータ解析構造情報解析発現情報解析オーダーメイド医療遺伝子治療細胞シミュレーション進化

3 数理的側面からの内容分類配列アラインメントペアワイズアラインメントローカルアラインメントマルチプルアラインメントント配列解析配列モチーフ探索系統樹推定有根系統樹と無根系統樹高次構造解析 RNA2 次構造タンパク質高次構造ネットワーク解析遺伝子ネットワーク解析タンパク質相互作用解析アルゴリズムの開発とコンピュータプログラミング様々なツールの利用アルゴリズムとは? 定式化された問題を解くために従うべき指示の列問題は入力と出力によって定義されアルゴリズムはその入力からどのようにして出力をつくるかの手順

4 データベースのいろいろデータの種類データベース名管理運営組織 DNA/RNA 塩基配列 GenBank National Center for Biotechnology Information ( 米国 ) DNA/RNA 塩基配列 EMBL European Bioinformatics Institute ( 英国 ) DNA/RNA 塩基配列 DDBJ 国立遺伝学研究所タンパク質アミノ酸配列 PIR Georgetown University ( 米国 ) タンパク質アミノ酸配列 Swiss-Prot Swiss Institute of Bioinformatics ( スイス ) タンパク質立体構造 PDB Research Collaboratory for Structural Bioinformatics ( 英国 ) タンパク質立体構造分類 SCOP Medical Research Council ( 英国 ) 酵素活性部位 CSA European Bioinformatics Institute ( 英国 ) タンパク質配列モチーフ PROSITE University of Geneva ( スイス ) タンパク質マルチプルアラインメントデータ Pfam Sanger Institute ( 英国 ) 生命システム情報統合 KEGG 京都大学化学研究所

5 世界の主要なバイオインフォマティクスサーバーバ主要検索機関アドレス主要データベースシステムゲノムネット ( 京都大学化学研究所 ) DBGET KEGG NCBI( 米国バイオテクノロジー情報センター ) EBI( 欧州バイオインフォマティクス研究所 ) SIB( スイスバイオインフォマティクス研究所 ) Entrez, BLAST SRS PubMed, GenBank EMBL, SWISS- PROT SRS SWISS-PROT DBGET/LinkDB 統合データベース検索システム世界中の主要な分子生物学関連データベースの統合検索を行う DBGET システムと検索されたデータから出発して関連するさまざまな情報をさらに検索するための LinkDB システムが一体化されたものいずれも京都大学化学研究所で開発された

6 バイオインフォマティクスの基本的情報処理技術塩基配列比較相同性データベース ORF アミノ酸配列比較相同性タンパク質構造タンパク質機能 2 つまたはそれ以上の文字列を比較して共通性類縁関係を見出す技術

7 創薬とバイオインフォマティクス新種のウィルス出現 AIDS SARS ゲノム配列決定配列情報比較 :ORF の決定タンパク質のアミノ酸配列比較 : 系統樹作成タンパク質の立体構造予測タンパク質の立体構造決定リード化合物探索最適化リード化合物評価臨床試験

8 代表的配列解析ツール機能ツール名アミノ酸塩基配列相同性検索同上マルチプルアラインメント FASTA BLAST, PSI-BLAST ClustalW モチーフ検索 InterPro 系統樹作成 ORF 予測 PHYLIP ORF Finder

9 SARS ウィルスメインプロテアーゼ問い合わせ配列 BLAST 検索結果 AVLQSGFRKMAFPSGKVEGCMVQVTCGTTTLNGLWLDDTVYCPRHVICTAEDMLNP NYEDLLIRKSNHSFLVQAGNVQLRVIGHSMQNCLLRLKVDTSNPKTPKYKFVRIQPGQ TFSVLACYNGSPSGVYQCAMRPNHTIKGSFLNGSCGSVGFNIDYDCVSFCYMHHMELP TGVHAGTDLEGKFYGPFVDRQTAQAAGTDTTITLNVLAWLYAAVINGDRWFLNRFTTT LNDFNLVAMKYNYEPLTQDHVDILGPLSAQTGIAVLDMCAALKELLQNGMNGRTILGS TILEDEFTPFDVVRQCSGVTFQGKFK score E value sp:r1ab_cvhsa [P59641] Replicase polyprotein 1ab (pp1ab) (ORF1AB sp:rrpa_cvmjh [P19751] RNA-directed RNA polymerase (ORF1A) (EC e-84 sp:r1ab_cvh22 [Q05002] Replicase polyprotein 1ab (pp1ab) (ORF1AB e-62 sp:vgf1_ibvb [P27920] F1 protein e-61 sp:ynk6_yeast [P50942] Hypothetical kda protein in CYB5-LE sp:mcrd_ecoli [P27301] McrD protein E 002 おそらく相同 002<E 1 相同性がないと言い切ることができない E 0.02 : おそらく相同 0.02 < E 1: 相同性がないと言い切ることができない E>1: 偶然の一致

10 問い合わせ配列 (Query) と 2 番目にヒットした配列 (Sbjct) のペアワイズアラインメント >sp:rrpa_cvmjh [P19751] RNA-directed RNA polymerase (ORF1A) (EC ). 7 Length = 4488 Score = 311 bits (797), Expect = 1e-84 Identities = 157/310 (50%), Positives = 201/310 (64%), Gaps = 3/310 (0%) Query: LQSGFRKMAFPSGKVEGCMVQVTCGTTTLNGLWLDDTVYCPR Q y Q Q LQSG KM P+ KVE C+V VT G TLNGLWLDD VYCPR Sbjct: LQSGIVKMVSPTSKVEPCVVSVTYGNMTLNGLWLDDKVYCPR

11 アラインメント解析 ( 配列比較 ) 2 つの文字列の比較 : 置換挿入欠失の考慮が必要 SEIMEIRIKO SEIMEIRIKO SEIMEIRIKO SEIMAIRIKO SEINMEIRIKO SEIMEIIKO 置換挿入欠失長さを揃えて文字の一致数が最大になる並べ方を探す例ギャップ - を挿入 SEI ME IRIKO I S E I N M E I R I K O 長さM,Nの配列のアラインメントの組み合わせはいくつあるか? (r: 文字一致の要素数 ) min( N r, M ) ( M N r)! 0 ( M r)!( N r)!

12 ペアワイズアラインメントの仕組み入力配列 1 入力配列 2 アラインメント A A C G T A C T C T A A A C G T A C T C T A スコア S(1,2) w( A, ) w( A, A) w( C, C) w(, T ) w ( G, C ) w ( T, T ) w (, A ) スコアが最大になる並べ方を探す

13 アラインメントとドットプロットッ Charles Robert Darwin C H C H A R L E S R O B E R T D A R W I N C H A A A R R R R R L L E E E S S D D A A A R R R R R W I N W I N

14 繰り返し配列回文配列 A T A G C A T A G C A A A A A T T T A A A A A G G G C C C A A A A T T T A A A A G G G C C C A T A G C C G A T A A A A A A T T T A A A A A G G G C C C C C C G G G A A A A A T T T A A A A A

15 SARS タンパクと 229E または TGEV タンパクとの間のドットプロット P. A. Rota et al., Science, 300, 1394 (2003).

16 ドットプロットと配列アラインメント C H C H A R L E S R O B E R T D A R W I N C H A A A R R R R R L L E E E S D S A A A R R R R R W I N D W I N CHARLESROBERTDARWIN CHARLES DARWIN

17 ダイナミックプログラミング法による A B C D 配列アラインメント A D ( i 1), j 1) D( i, j 1) s( i, j) d C D( i 1, j) d D ( i, j) ) E D D( i, j) D ( i 1), j 1) s( i, j) max D( i 1, j) d D( i, j 1) d ABC--D A--CED s( i, j) 20 種類のアミノ酸残基間の置換頻度に基づくスコア値

18 ロイシン (L) とイソロイシン (I) は 2 で大きいグリシン (G) とトリプトファン (W) は -2 で小さい

19 スコア行列の作成法 100 アミノ酸につき 1 つの変異があるようなタンパク質の集合があるとする ( 例えばヒトとチンパンジー ) このような配列は 1PAM 単位の分化にあると定義され平均的なタンパク質のアミノ酸 1% が変異する時間の近似と考えることができる基準となるタンパク質の集合が与えられたとき f(i,j) はアミノ酸 i とアミノ酸 j がお互いに対応付けられた回数を対応付けられた位置の総数で割った値であるとするまた f(i) をデータセット中の全タンパク質にアミノ酸 iが出現する頻度 g(i,j) をf(i,j)/f(i) と定義するこのとき g(i,j) は 1PAM 単位の時間においてアミノ酸 i がアミノ酸 j に変異する確率を表す PAM1 行列の (i,j) 要素は log f ( i, j) f ( i) f ( j) g( i, j) log f ( j) ここで f(i,j) f(j) はアミノ酸 i とアミノ酸 j が偶然対応付けられる回数の期待値 PAMn 行列 :npam 単位の時間においてiからjに変異する確率この行列の要素は g(i,j) のつくる行列をn 回かけて得られる行列を使って次式のようにかける log g n i, j f ( j)

20 ペアワイズアラインメントの有意性の検定ペアワイズアラインメントの結果を検定するためにはまず母集団を選び類縁のない配列間に類似が生じる尤度を計算するこの結果とペアワイズアラインメントの結果を統計的に比較し検定する母集団の条件としてはアラインメントを行った配列に似た一般的な特徴をもちながら類縁配列はほとんど含んでないことが望まれるそこで通常は次のように母集団を選ぶまずアラインメントした2つの配列のうち一方を取り乱数を使ってランダムな配列のコピーを多数つくるついで各コピーと他方の配列とのアラインメントを行うのであるこうすると各スコアを要素とする大きな集合ができるもし検定対象のペアワイズアラインメントのスコアが母集団のそれからアが母集団のそれから突出していればそれは有意であるといえるより定量的に評価するためにはいくつかの統計的パラメータが利用されるその一つは Z スコアと呼ばれるもので次式で与えられるすなわち検定対象のスコアをS 母集団のスコアの平均および標準偏差をそれぞれμ σとすると Z S Z スコアが 0 のときは観察された類似性が母集団の平均と同程度であることを示しており偶然に生じた可能性が高い Z スコア値が高くなるほど観察されたアラインメントが偶然に生じた可能性は低くなる通常 Z スコアが 5 以上のとき有意とみなす

21 SARS コロナウィルスは新種か? 既知のクラスグループ1: HCoV-229E, TGEV グループ 2: BCov, MHV グループ 3: IBV マルチプルアラインメント解析

22 マルチプルアラインメント CLUSTALW 検索の結果 Sequence type explicitly set to Protein Sequence format is Pearson Sequence 1: SARS 314 aa Sequence 2: HCov aa Sequence 3: TGEV 309 aa Sequence 4: MHV 311 aa Sequence 5: BcoV 311 aa Sequence 6: IBV 315 aa Start of Pairwise alignments Aligning... HCov229 STLQAGLRKMAQPSGFVEKCVVRVCYGNTVLNGLWLGDIVYCPRHVIASNTTS-AIDYDH TGEV STLQSGLRKMAQPSGLVEPCIVRVSYGNNVLNGLWLGDEVICPRHVIASDTTR-VINYEN Q MHV SFLQSGIVKMVSPTSKVEPCVVSVTYGNMTLNGLWLDDKVYCPRHVICSSADMTDPDYPN BcoV SFLQSGIVKMVNPTSKVEPCIVSVTYGNMTLNGLWLDDKVYCPRHVICSASDMTNPDYTN SARS AVLQSGFRKMAFPSGKVEGCMVQVTCGTTTLNGLWLDDTVYCPRHVICTAEDMLNPNYED IBV SRLQSGFKKLVSPSSAVEKCIVSVSYRGNNLNGLWLGDTIYCPRHVLGKFSGD---QWND : **:*: *:. *:. ** *:* * ******.* : *****:. ::. * * 生物種間で完全に保存 : 性質が非常に近いアミノ酸残基間で変異. 性質が近いアミノ酸残基間で変異生物種間で変異

23 系統樹解析の結果 ( 無根系統樹 )

24 クラスタリングと系統樹 ATCC ATGC TTCG TCGG ATCC ATGC TTCG 0 2 TCGG 0 ATCC ATGC {ATCC,ATGC} ATGC} TTCG TCGG {ATCC,ATGC} 0 ½(2+3)=2.5 ½(4+3)=3.5 TTCG 0 2 TCGG 0 TTCG ACGG ATCC ATGC TTCG ACGG

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