Koji se različiti alati i tehnike koriste u bioinformatici u znanosti o životu?

Bioinformatika se pojavila kao snažna disciplina na raskrižju biologije, računalnih znanosti i statistike. U području znanosti o životu igra ključnu ulogu u analizi i tumačenju bioloških podataka, pomažući istraživačima da shvate golemu količinu informacija generiranih modernim eksperimentalnim tehnikama. Kao dobavljač znanosti o životu, dobro smo upućeni u različite alate i tehnike bioinformatike koji mijenjaju krajolik bioloških istraživanja.

Alati za poravnanje sekvenci

Jedna od temeljnih zadaća u bioinformatici je usklađivanje sekvenci. Uključuje usporedbu sekvenci DNA, RNA ili proteina kako bi se identificirale sličnosti i razlike. To može pružiti uvid u evolucijske odnose, funkciju gena i identifikaciju mutacija povezanih s bolešću.

BLAST (Basic Local Alignment Search Tool) je možda najčešće korišteni alat za poravnanje sekvenci. Omogućuje istraživačima pretraživanje sekvence upita u velikoj bazi podataka sekvenci kako bi pronašli slične. BLAST može brzo identificirati homologne sekvence, a to su sekvence koje dijele zajedničko evolucijsko podrijetlo. Na primjer, u studiji novootkrivenog gena, BLAST se može koristiti za pronalaženje srodnih gena u drugim organizmima, dajući naznake o njegovoj mogućoj funkciji.

ClustalW je još jedan važan alat za višestruko usklađivanje sekvenci. Poravnava tri ili više sekvenci istovremeno, stvarajući matricu koja prikazuje očuvane regije među sekvencama. Ovo je osobito korisno u filogenetskoj analizi, gdje se odnosi između različitih vrsta ili sojeva mogu zaključiti iz sličnosti sekvenci. Izlaz ClustalW-a može se koristiti za konstruiranje filogenetskih stabala, koja vizualno predstavljaju evolucijsku povijest sekvenci.

Alati za sastavljanje genoma

Sastavljanje genoma je proces rekonstrukcije kompletne sekvence genoma iz velikog broja kratkih fragmenata DNK dobivenih tehnologijama sekvenciranja. Ovo je izazovan zadatak zbog prisutnosti ponavljajućih elemenata u genomu i pogrešaka unesenih tijekom sekvenciranja.

SOAPdenovo je popularan alat za sklapanje genoma. Koristi de Bruinov graf algoritam za sastavljanje kratkih čitanja u duže kontigove. Rastavljanjem očitanja na manje k-merove (pod-sekvence duljine k) i konstruiranjem grafikona na temelju njihovih preklapanja, SOAPdenovo može učinkovito rukovati podacima sekvenciranja velikih razmjera. Drugi alat, Velvet, također koristi pristup de Bruijn grafa, ali je optimiziran za sastavljanje genoma različitih veličina, uključujući one bakterija i eukariota.

Alati za predviđanje gena

Nakon što je genom sastavljen, sljedeći korak je identificiranje gena unutar njega. Alati za predviđanje gena koriste računalne algoritme za lociranje regija genoma koje kodiraju proteine ​​ili funkcionalne RNA molekule.

Glimmer je dobro poznati alat za predviđanje gena za prokariotske genome. Koristi se probabilističkim modelom temeljenim na statističkim svojstvima gena, kao što je upotreba kodona i prisutnost početnih i krajnjih kodona. Za eukariotske genome Augustus je moćan alat. Uzima u obzir složenu strukturu eukariotskih gena, uključujući introne i egzone, i koristi skriveni Markovljev model za predviđanje strukture gena.

Alati za predviđanje strukture proteina

Određivanje trodimenzionalne strukture proteina bitno je za razumijevanje njegove funkcije. Međutim, eksperimentalne metode za određivanje strukture proteina, kao što su X - kristalografija i NMR spektroskopija, dugotrajne su i skupe. Bioinformatički alati nude alternativni pristup za predviđanje strukture proteina.

Modeler je naširoko korišten alat za predviđanje strukture proteina temeljeno na homologiji. Koristi poznatu strukturu srodnog proteina (predložak) za izgradnju modela ciljanog proteina. Usklađivanjem ciljne sekvence s predloškom sekvence i prijenosom strukturnih informacija, Modeller može generirati trodimenzionalni model ciljnog proteina.

Rosetta je još jedan moćan alat koji može predvidjeti strukturu proteina od nule, bez oslanjanja na poznati predložak. Koristi kombinaciju minimizacije energije i Monte Carlo uzorkovanja za traženje najniže energetske konformacije proteina.

Alati za vizualizaciju podataka

U bioinformatici je često potrebno vizualizirati složene biološke podatke kako bi se bolje razumjeli rezultati. U tu svrhu dostupno je nekoliko alata.

Cytoscape je popularan alat za vizualizaciju mreže. Može se koristiti za predstavljanje bioloških mreža, kao što su mreže interakcije protein-protein, mreže regulacije gena i metaboličke mreže. Cytoscape omogućuje korisnicima da prilagode izgled mreže, dodaju bilješke i izvrše različite analize strukture mreže.

IGV (Integrative Genomics Viewer) je alat za vizualizaciju genomskih podataka. Može prikazati širok raspon tipova genomskih podataka, uključujući sekvence DNK, komentare gena i čitanja sekvenciranja. IGV pruža sučelje prilagođeno korisniku koje istraživačima omogućuje povećavanje i smanjivanje genoma, istovremeno gledanje više zapisa podataka i istraživanje odnosa između različitih genomskih značajki.

Tehnike analize podataka visoke propusnosti

S pojavom tehnologija visoke propusnosti, kao što su sekvenciranje sljedeće generacije i mikronizovi, velike količine bioloških podataka generiraju se neviđenom brzinom. Za analizu ovih podataka bitne su bioinformatičke tehnike.

RNA - seq analiza uobičajena je primjena analize podataka visoke propusnosti. Uključuje kvantificiranje razina ekspresije gena u uzorku sekvenciranjem RNA molekula. Alati poput DESeq2 i edgeR koriste se za identifikaciju različito izraženih gena između različitih stanja, kao što su zdrava i bolesna tkiva. Ovi alati koriste statističke modele kako bi uzeli u obzir varijabilnost podataka i odredili koji su geni značajno pojačano ili smanjeno regulirani.

Analiza podataka mikromreža također zahtijeva bioinformatičke tehnike. Mikronizovi mogu mjeriti razine ekspresije tisuća gena istovremeno. Alati poput LIMMA (Linearni modeli za podatke mikronizova) koriste se za analizu podataka mikronizova, identifikaciju različito izraženih gena i izvođenje analize obogaćivanja skupa gena.

Kao dobavljač znanosti o životu, razumijemo važnost ovih bioinformatičkih alata i tehnika u suvremenom biološkom istraživanju. Nudimo širok raspon proizvoda i usluga koji podržavaju bioinformatička istraživanja. Na primjer, nudimo visokokvalitetne reagense za sekvenciranje koji su neophodni za generiranje neobrađenih podataka koji se koriste u bioinformatičkoj analizi. Također nudimo licence za bioinformatički softver i programe obuke kako bismo pomogli istraživačima da maksimalno iskoriste ove alate.

Ako ste zainteresirani za naše proizvode i usluge vezane uz bioinformatiku u znanosti o životu, pozivamo vas da istražite naš katalog proizvoda. Možete pronaći više informacija o nekim od naših specifičnih proizvoda slijedeći ove poveznice:CAS: 111470 - 99 - 6 Amlodipin besilatiProzirni tekući perfluroheksan sulfonil fluorid za površinski aktivne tvari CAS 423 - 50 - 7.

Posvećeni smo pružanju najboljih rješenja za vaše potrebe istraživanja bioinformatike. Bilo da ste mala istraživačka grupa ili velika farmaceutska tvrtka, mi imamo stručnost i resurse za podršku vašim projektima. Ako imate bilo kakvih pitanja ili želite razgovarati o svojim specifičnim zahtjevima, slobodno nas kontaktirajte radi pregovora o nabavi.

Reference

1. Altschul, SF, Gish, W., Miller, W., Myers, EW, i Lipman, DJ (1990.). Alat za osnovno pretraživanje lokalne trase. Časopis za molekularnu biologiju, 215(3), 403 - 410.
2. Thompson, JD, Higgins, DG i Gibson, TJ (1994). CLUSTAL W: poboljšanje osjetljivosti progresivnog višestrukog usklađivanja sekvenci putem ponderiranja sekvence, penaliteta praznina specifičnih za položaj i izbora matrice težine. Nucleic acids Research, 22(22), 4673 - 4680.
3. Li, R., Zhu, H., Ruan, J., Qian, W., Fang, X., Shi, Z., ... i Li, S. (2010.). De novo sklapanje ljudskih genoma s masivnim paralelnim sekvenciranjem kratkog čitanja. Istraživanje genoma, 20(2), 265 - 272.
4. Zerbino, DR, & Birney, E. (2008). Velvet: algoritmi za novo kratko čitanje sklopa pomoću de Bruinovih grafova. Istraživanje genoma, 18(5), 821 - 829.
5. Delcher, AL, Harmon, D., Kasif, S., White, O. i Salzberg, SL (1999). Poboljšana identifikacija gena mikroba uz GLIMMER. Nucleic acids Research, 27(23), 4636 - 4641.
6. Stanke, M. i Morgenstern, B. (2005). AUGUSTUS: web poslužitelj za predviđanje gena u eukariota. Istraživanje nukleinskih kiselina, 33(suppl_2), W465 - W467.
7. Eswar, N., Webb, B., Marti - Renom, MA, Madhusudhan, MS, Eramian, D., Shen, M., ... i Sali, A. (2006.). Komparativno modeliranje strukture proteina pomoću MODELLER-a. Aktualni protokoli u bioinformatici, 5(1), 5.6.1 - 5.6.37.
8. Das, R. i Baker, D. (2008). Makromolekulsko modeliranje s Rosettom. Annual Review of Biophysics, 37, 363 - 382.
9. Shannon, P., Markiel, A., Ozier, O., Baliga, NS, Wang, JT, Ramage, D., ... i Ideker, T. (2003.). Cytoscape: softversko okruženje za integrirane modele biomolekularnih interakcijskih mreža. Istraživanje genoma, 13(11), 2498 - 2504.
10. Robinson, MD, McCarthy, DJ i Smyth, GK (2010.). edgeR: paket Bioconductor za analizu diferencijalne ekspresije digitalnih podataka o ekspresiji gena. Bioinformatika, 26(1), 139-140.
11. Love, MI, Huber, W. i Anders, S. (2014.). Moderirana procjena promjene nabora i disperzije za RNA - seq podatke s DESeq2. Biologija genoma, 15(12), 550.
12. Smyth, GK (2004). Linearni modeli i empirijske Bayesove metode za procjenu diferencijalne ekspresije u eksperimentima s mikromrežama. Statističke primjene u genetici i molekularnoj biologiji, 3(1).