Bio-informatica
Bio-informatica is de wetenschap die tot doel heeft de biologische kennis te verrijken door kennis uit de informatica toe te passen op biologische data. De bio-informatica is dan ook meer een biologische discipline, dan een subdomein van de informatica. Dit wordt duidelijk gemaakt door de term "drybench". In een experimenteel laboratorium wordt data gegenereerd door het uitvoeren van een experimenteel onderzoek ("wetbench"). De moleculaire bioloog tracht zijn vragen te beantwoorden uit zijn laboratorium gegenereerde data. De bio-informaticus doet hetzelfde maar met gegevens die hij zelf niet heeft gegenereerd, maar wel heeft gekregen van een moleculaire bioloog ("droge kennis").
Deze biologische gegevens zijn onder andere:
- ruwe genomen van modelorganismen
- variatiegegevens (single nucleotide polymorphisms SNP's) van genen
- expressieprofielen (DNA- en eiwit-microarrays)
- merkers en transcriptomen (expressed sequence tags EST's en cDNA's)
- proteomen: functionele (netwerken) en structurele gegevens (eiwit-kristallografie)
- publicaties
Inhoud |
[bewerk] Software
[bewerk] Sequentie Software
Sequentie software wordt voornamelijk ingeschakeld wanneer bijvoorbeeld de functie / ligging van een onbekend stukje DNA wordt onderzocht. Iedere bioinformaticus zal voor deze vraag gebruikmaken van BLAST. Dit tooltje knipt de onbekende sequentie in kleinere stukjes, en gaat op zoek in een specifieke gen- of eiwitdatabank naar een zo lang mogelijk, overeenkomstig stuk. Dit principe ligt aan de basis van verscheidene andere sequentie-tools, waarbij iedere tool een specifieke doel heeft:
- Detecteren van nieuwe genen tussen junk-DNA en/of pseudo-genen.
- Opzoeken van homologieën in databanken.
- 'Vergelijken' van twee of meer sequenties.
- Opbouwen/Detecteren van fylogenetische stamboom (evolutie) van organismen en genen (bvb. genfamilies ontstaan na genduplicatie zoals Hemoglobines).
- Onbekende stukken sequentie (DNA, mRNA, eiwit-sequentie) functioneel classificeren. (Functionele eiwitgroepen bvb. DNA-bindende eiwitten).
[bewerk] Tools
- BLAST
- Blat
- ClustalW
- Artemis
[bewerk] Pathway Visualisatie Software
[bewerk] Tools
- GenMAPP
- GeneGO MetaCore
[bewerk] Programmeertalen
De meeste programmeertalen zijn generiek toepasbaar. In de bioinformatica worden de volgende programmeertalen vaak gebruikt:
[bewerk] Databanken
Op de dag van vandaag is er een grote hoeveelheid aan informatie over gen en eiwit-sequenties beschikbaar. Deze informatie groeide op een zeker moment exponentieel, waardoor besloten werd om alles op te slaan in specifieke databanken:
[bewerk] Gen-Databanken
Deze databanken bevatten voornamelijk informatie over bekende en onbekende DNA en mRNA sequenties. Tot op heden bestaan er drie grote databanken, ontwikkeld op verschillende continenten:
- Het Europese EBI ontwikkelde EMBL.
- Het Amerikaanse NCBI begon met GenBank.
- Japan kwam op de proppen met DDBJ.
Voordat een onderzoeker een nieuw gen kon publiceren, dienden ze de gevonden gensequentie publiek te maken door ze in één van bovenstaande datababanken te deponeren. Door de grote explosie aan nieuwe informatie werd het zeer moeilijk om alle informatie te controleren. Dit heeft geleid tot een 'vervuiling' van deze databanken (="database redundancy"): iedereen had de mogelijkheid om zijn eigen stukje sequentie toe te voegen. Echter, aan deze sequentie hing soms nog een stukje vectorieel cDNA (nodig voor amplificatie) of was de sequencing naar het einde van het gen toe van slechtere kwaliteit, waardoor de kwaliteit achteruitging.
De laatste jaren werd veel aandacht besteed aan de compatibiliteit tussen deze databanken, waarbij de focus werd gelegd op het gebruik van databank-referenties. Dit betekent dat bij het zoeken van een gen in databank X er referenties zullen staan naar hetzelfde gen in de overige gendatabanken (indien bekend).
[bewerk] Eiwit-Databanken
Naast de opkomst van DNA sequencing technieken, liep de eiwitsequencing niet ver achter. Ook hier was een geschikte databank voor nodig. Deze publieke databank eiste wel dat alle informatie eerst werd gecontroleerd en geverifieerd door experts (="curators") voordat een nieuw eiwit kon worden toegevoegd en/of aangepast.
Ook hier werden twee initiatieven gestart:
-
- Het Europese EBI hield zich bezig met de ontwikkeling van:
-
- Swiss-Prot
- - Bevat AMINOZUUR sequentie.
- - Nieuwe informatie wordt eerst streng gecontroleerd door experts.
- - Kwalitatief beste eiwit-databank.
- - Bevat alle mogelijke informatie dat tot op heden bekend is over een specifiek eiwit.
- - Ieder eiwit wordt gekoppeld aan hun oorspronkelijke literatuurreferenties.
- - Referenties naar vele andere databanken aanwezig.
- - Oorspronkelijk ontwikkeld door een Zwiterse Bioinformaticagroep ("Swiss")
- TrEMBL
-
- Translated EMBL:
- - Alle DNA-sequenties aanwezig in EMBL worden 'vertaald' naar aminozuursequenties.
- - TrEMBL bestaat dus voornamelijk uit hypothetische eiwitten.
- SPTrEMBL
-
- SwissProt Translated EMBL:
- - Bevat eiwitten uit TrEMBL waar experimenteel werd aangetoond dat ze bestaan.
- - Deze informatie zal door aangewezen experts grondig worden nagekeken voordat het in een volgende versie van Swiss-Prot wordt toegevoegd.
- Het Amerikaanse NCBI ontwikkelde:
-
- PDB
-
- Protein DataBase
- - Bevat alle structurele informatie over een eiwit.
- PIR
-
- Protein Information Resource
- - Zelfde doelen als Swiss-Prot.
Deze eiwitdatabanken groeiden uit tot een belangrijke informatiebron voor moleculaire biologen. Beide initiatieven zagen dit op tijd in en sloegen in 2003 de handen in elkaar. Het UniProt consortium werd gevormd, en niet veel later ontstond hieruit Uni-Prot. Het doel van deze samenwerking was het optimaal aanbieden van een eiwit databank waarin alle gekende informatie over eiwitten gecombineerd werd tot een rijkelijk geheel aan annotaties en databank-referenties.
Met het begrip annotatie wordt naast de kerngegevens (sequentie, literatuurreferentie en taxonomische oorsprong) ook de overige gegevens verzameld:
- Functie van het eiwit.
- Post-translationele modificaties (glycosylatie, fosforylatie, acetylatie, GPI-anker, ...).
- Domeininformatie (Ca-bindend domein, ATP-bindend, Zn-vingers, homeobox, kringle, ...).
- Secundaire/quaternaire structuur (homodimeer, heterotrimeer, ...).
- Gelijkenissen met andere eiwitten.
- Ziektebeelden gekoppeld aan een specifiek eiwit.
- Varianten.
[bewerk] Overige
[bewerk] Bio-informatica studeren
Bij de meeste academische opleidingen in de biologie en levenswetenschappen, is het tegenwoordig mogelijk een specificatie bio-informatica te kiezen. De opleidingen specifiek in de bio-informatica in Nederland zijn:
Bachelor of Applied Science in Bioinformatics
Master of Science in Bioinformatics
[bewerk] Interfaces
Hoewel veel databanken in essentie dezelfde informatie bevatten, zijn er toch verschillende interfaces ontwikkeld die de gebruiker in staat stelt om informatie uit zo veel mogelijk databanken te extraheren:
