Банки информации

Пример информации
последовательность ДНК
gatcaacactacttgacttcaagacttaccataaagaaaactatagtgtggtattggcaa
aagacaagacaaatagatcaacataacaaaataaagggccatgaaatagacccatatagt
caattgatttttgacaaagaaggattggcaatagaatggggtaaagatagtcttctcaac
aaacggtaccagaatgactgaatacccacatgcaaaaagaaaaagaaatgaacctagaca
cagatcttatacagttcacaaaaatgtaactcaaaatgaatcatagacctaaatataata
ttcaagactataaaaccctaaaatataacataggggaaaatctaaacaatcttgagtttg
ttaatgactttttagatacaataccaaaggcaggatccaggaaagaatcgataagctggg
cttcattaaaattaaaatatttctgctctatgaagccactgtcaagagaaggaaaaggca
agccatagactgggagaaaatatttacaaaagacatacatgataaaggactattatccaa
aatgtacaaagaactctaaaaaacttaacaataagaaaacaaacccaactaaaaactggg
ccaaagatcttaacagatatattaccaaagaagatacacagatggcaaataagcataaaa
agattaaccacatcatacgtcattaagaaattgcaaattaaaacaacaatgagacaccat
tatacacctagtagaatgacccaaatccagattactgacataatcaaatgctgacaagga
tgtggagaaacaggaactgccattcttgggttgtgggaatgccaaatggtatgcctgctt
tggaagacagcttggtggtttcttacaacactaagcatactcttaccaaaagatcgagca

Вообще-то ДНК — это молекула...
Примеры молекул:
Сульфат
Фенол
Фосфат тиамина
(атомы водорода не показаны)

Молекула ДНК
A C G T
C N O P

Одну нить ДНК можно условно обозначить последовательностью букв
CGCCATAAATCAC

Детали строения молекул в микроскоп не видны!
~ 0,00001 мм
Существуют сложные и дорогие методы
расшифровки структуры молекул

В конце 1970-х годов был открыт относительно
быстрый и дешёвый метод расшифровки
последовательности оснований в ДНК
Организм
ДНК «в пробирке»
Последовательность
выделение
секвенирование
...CGCCATAAATCAC...

Последовательность ДНК (пример)
gatcaacactacttgacttcaagacttaccataaagaaaactatagtgtggtattggcaa
aagacaagacaaatagatcaacataacaaaataaagggccatgaaatagacccatatagt
caattgatttttgacaaagaaggattggcaatagaatggggtaaagatagtcttctcaac
aaacggtaccagaatgactgaatacccacatgcaaaaagaaaaagaaatgaacctagaca
cagatcttatacagttcacaaaaatgtaactcaaaatgaatcatagacctaaatataata
ttcaagactataaaaccctaaaatataacataggggaaaatctaaacaatcttgagtttg
ttaatgactttttagatacaataccaaaggcaggatccaggaaagaatcgataagctggg
cttcattaaaattaaaatatttctgctctatgaagccactgtcaagagaaggaaaaggca
agccatagactgggagaaaatatttacaaaagacatacatgataaaggactattatccaa
aatgtacaaagaactctaaaaaacttaacaataagaaaacaaacccaactaaaaactggg
ccaaagatcttaacagatatattaccaaagaagatacacagatggcaaataagcataaaa
agattaaccacatcatacgtcattaagaaattgcaaattaaaacaacaatgagacaccat
tatacacctagtagaatgacccaaatccagattactgacataatcaaatgctgacaagga
tgtggagaaacaggaactgccattcttgggttgtgggaatgccaaatggtatgcctgctt
tggaagacagcttggtggtttcttacaacactaagcatactcttaccaaaagatcgagca

Для хранения все возрастающей информации о последовательностях ДНК в 1982 году был основан GenBank
GenBank — хранилище последовательностей нуклеиновых кислот в виде компьютерных файлов
Объем GenBank’а:
1982: 680 338 букв в 606 последовательностях
1992: 101 008 486 букв в 78 608 последовательностях
2002: 28 507 990 166 букв в 22 318 883 последовательностях
2004: 44 575 745 176 букв в 40 604 319 последовательностях
2005: 56 037 734 462 букв в 52 016 762 последовательностях (из ~165 000 организмов)
Размер файлов — 196 Gb

International Nucleotide Sequence Database Collaboration
GenBank
(США)
EMBL
(Европа)
DDBJ
(Япония)
Ежедневный обмен
данными

Структура документа GenBank’а
Описание
Последовательность

GenBank — архивная база данных
Один эксперимент — один документ
Зачем в документе GenBank’а описательная часть?
Ответы: 1) чтобы пользователь банка мог найти интересующую
его последовательность;
2) для хранения дополнительной информации
(откуда ДНК, кто проводил эксперимент по секвенированию,
биологическая роль данной последовательности и т.д.)

Основная проблема больших банков данных — быстрый поиск нужной информации
Для удобства пользования описательная часть документа GenBank
разбита на так называемые поля (“fields”)
Общий принцип: любая база данных состоит, с одной стороны, из
записей (или «документов»), а с другой стороны, из полей. Каждая
запись есть наполнение содержанием нескольких (или всех) полей.

Основная проблема больших банков данных — быстрый поиск нужной информации
Как найти интересующую нас последовательность в GenBank’е?
Существуют специальные компьютерные программы (например, SRS
или Entrez), предназначенные для поиска по ключевым словам в банках
последовательностей.
Пользователь указывает программе, по каким полям нужно искать и
какое слово (или слова). Программа выдаёт список записей банка,
в которых указанные слова встретились в указанных полях.

Примеры задания на поиск
“gene” в поле DEFINITION
“yeast” в поле ORGANISM
“Ivanov” в поле AUTHORS
“yeast” в поле ORGANISM
И “tRNA” в поле DEFINITION
“mouse” ИЛИ “rat” в поле ORGANISM

Как искать?
Перебрать все 52 млн. записей, и в каждой посмотреть, есть ли в соответствующем поле заданное слово.
Заранее создать индексную таблицу каждого из полей и при каждом запросе обращаться к ней
Это долго даже современному компьютеру!

Мораль: при создании программ для работы
с биологическими базами данных
необходимо использовать достижения
теории алгоритмов

Что такое биоинформатика?
Исследование информационных процессов в биологических системах (клетках, органах, организме, популяции).
Изучение и внедрение в компьютерную науку «биологических» методов анализа информации (нейросетей, генетических алгоритмов, нечеткой логики и др.).
Применение компьютерных методов для решения биологических задач.
Телепатия, парапсихология, информационные поля и т.п.
?

Что такое биоинформатика?
Исследование информационных процессов в биологических системах (клетках, органах, организме, популяции).
Изучение и внедрение в компьютерную науку «биологических» методов анализа информации (нейросетей, генетических алгоритмов, нечеткой логики и др.).
Применение компьютерных методов для решения биологических задач.
Телепатия, парапсихология, информационные поля и т.п.

Биоинформатика
и её связи с другими дисциплинами
Биоинформатика
(компьютерная молекулярная биология)
Молекулярная биология
Информатика
(в том числе теория алгоритмов)
Теория вероятностей
и математическая статистика

Основные объекты современной биоинформатики
Последовательности нуклеиновых кислот
Последовательности белков
Пространственные структуры макромолекул (белков, ДНК и РНК) и их комплексов (друг с другом и с малыми молекулами)

Что такое белок
Пространственная структура
RRNFSKQASE ILNEYFYSHL
SNPYPSEEAK EELARKCGIT
VSQVSNWFGN KRIRYKKNI
Последовательность