francesco piva istituto di biologia e genetica università politecnica delle marche introduzione...
TRANSCRIPT
Francesco PivaIstituto di Biologia e Genetica
Università Politecnica delle Marche
Introduzione alla bioinformatica
Novembre 2004
Obiettivi della bioinformatica
Banche dati: raccolta dati, ordinamento, correlare quelli che trattano i diversi aspetti di uno stesso tema, renderli fruibili in modo semplice, unificare le banche adti.
Ricerca dei geni in un genoma
Inferire la funzione delle proteine a partire dalla sequenza del gene, da qui la possibilità di creare nuove proteine con nuove funzioni
Prevedere lo splicing dell’mRNA a partire dalla sequenza del pre-mRNA, capire l’effetto delle mutazioni
Descrivere la rete genica di una cellula, chi attiva o reprime chi, da chi si fa attivare o reprimere. Prevedere al computer l’effetto di uno stimolo esogeno… sapere come compensarlo. Sapere che stimolo generare per produrre certi effetti
Capire l’evoluzione delle specie
Poter prevedere la ricombinazione nel DNA Francesco PivaIst Biologia e Genetica, Ancona
Metodi della bioinformatica
database
Risorse umane, formazione, mezzi
Teoria dell’informazione, studio dei linguaggi, ridondanza, entropia, correlazione…
Metodi statistici
Data mining
Reti neurali
Algoritmi matematici: FFT, Wavelet, ICA, PCA, teoria delle reti…
…Francesco PivaIst Biologia e Genetica, Ancona
Predizione teorica dei geni in un genoma
metodi
Analisi discriminante lineare e quadratica
Modelli di Markov a variabili nascoste
Metodo del perceptron
Stima degli esameri codificanti
Metodo della matrice di pesi e del vettore di pesi
Decomposizione secondo le direzioni di massima dipendenza
Alberi di decisione
Reti neurali artificiali
Francesco PivaIst Biologia e Genetica, Ancona
Analisi discriminante lineare e quadratica
L’obiettivo di questo metodo è:
Identificare le variabili e le relazioni tra di esse che permettono di differenziare due o più gruppi di dati
Classificare nuovi casi nei gruppi ricavati (predittività)
Concentrazione di A
Con
cent
raz i
o ne
di B
Es: distinguere gli individui sani e malati in base alla misura della concentrazione di due enzimi.Con il metodo dei minimi quadrati si minimizza l’errore di classificazione e si ottiene una relazione lineare tra le due variabili
Concentrazione di A
Con
cent
raz i
o ne
di B
Nel caso del riconoscimento degli esoni in una sequenza di pre-mRNA, come variabili si sceglie la frequenza di certe triplette nei siti di splicing in 5’ e in 3’.
linearequadratico
Francesco PivaIst Biologia e Genetica, Ancona
Modelli di Markov a variabili nascoste
Un sistema viene descritto da una successione di stati discreti e dalla probabilità di transizione da uno stato all’altro
AA
C C
G
T
G
T
0,32
0,31
0,31
0,18
0,36
0,37
0,35
0,26 0,20
0,15
0,20
0,17
0,16
0,18
0,15
0,36
AC GT A
Data una sequenza esonica:…catga…
Possiamo rappresentarla come la successione di stati di un sistema e ricavare un modello descrittivo che a partire da un certo stato indichi la probabilità di transizione verso un altro stato.La parola nascosti indica che uno stato non può essere osservato
Gli schemi di transizione sono caratteristici delle zone codificanti e non.
Francesco PivaIst Biologia e Genetica, Ancona
Date le cinque sequenze sotto, cerchiamo di ricavare un modello di Markov
Si ricava questo modello
E.g. P(ACACATC) = (0.8 * 1)*(0.8*1)*(0.8*0.6)*(0.4*0.6)*(1*1)*(0.8*1)*(0.8) A C A C A T C
(S = logP(sequenza) - lunghezza(sequenza)*log0.25 )
Inserzione di uno stato (regioni altamente variabili)
Stati principali
Francesco PivaIst Biologia e Genetica, Ancona
L’attuale modello di predizione di un gene
Stati principali
Inserzione di uno stato (regioni altamente variabili)
Stati particolari (es: n)
- si possono rappresentare regole semplici- non si considera la frequenza dei dinucleotidi- non si considera la dipendenza (correlazione) fra i nucleotidi- in realtà ci vorrebbe un modello di Markov per gli esoni, uno per gli introni, uno per le regioni non tradotte
Francesco PivaIst Biologia e Genetica, Ancona
Perceprton
w1
w2
w3
wn
x1
x2
x3
xn
b
biasweightsinputs
non linearfunction
)(1
bfyn
iii xw
assoni sinapsi
dendritiassone
corpo
E’ un algoritmo realizzato con una rete neurale artificiale che realizza l’analisi discriminante lineare, questo prova iterativamente vari piani di separazione cercando ad ogni passo di minimizzare l’errore di discriminazione.
Francesco PivaIst Biologia e Genetica, Ancona
Stima degli esameri
Le sequenze vengono trattate come successioni di parole. Ciascuna parola è un insieme di basi, ad esempio sei simboli formano un esameroLa distinzione tra sequenze codificanti e non, si basa sulla frequenza con cui si trovano certi esameri
Alcune parole sono caratteristiche delle sequenze codificantiEs: CAGCAGAltre sono caratteristiche di quelle non codificantiEs: TAATAADall’osservazione dei geni si ricava un punteggio che viene assegnato ad ogni esamero.Il punteggio può essere positivo o negativo a seconda che sia indizio di una sequenza codificante o meno.
In fase di analisi, data una sequenza che potrebbe rappresentare un potenziale gene, si estraggono tutti gli esameri e si ricava un punteggio totale.
Francesco PivaIst Biologia e Genetica, Ancona
Metodo della marice di pesi
Questo metodo è usato per assegnare un punteggio ad un sito di DNA o RNA per indicare quanto questo sia affine a legare una proteina o altro
Punto debole: non si tiene conto delle correlazioni tra basi in diversa posizioneEs:
Punteggio (gtcacgt) = -0.21 -0.5 +0.73 +1.32 +0.94 +0.99 +0.27 = 3,54
GTCACGT
GTCACTT
Questi siti di legame differiscono solo per la sesta posizione. Non è detto che il punteggio in posizione 4 (A) dipenda solo dal nucleotide che si trova in quella posizione: potrebbe dipendere da quali altri nucleotidi sono presenti nelle vicinanze. In altre parole, a volte non vale la semplice proprietà additiva per calcolare l’affinità di legame
Il metodo del vettore dim pesi associa un punteggio ad un’intera parola anziché ad una singola base
Decomposizione secondo la direzione di massima dipendenza
Francesco PivaIst Biologia e Genetica, Ancona
Reti neurali artificiali
Francesco PivaIst Biologia e Genetica, Ancona
Campus di PadricianoCampus di Basovizza
SISSA Scuola Internazionale Superiore di Studi Avanzati
the abdus salam international centre for theoretical physics
Osservatorio Astronomico di Trieste INAF
Laboratorio di biologia marina Istituto talassograficoIl castello di Miramare