Zastosowania sieci neuronowych w bioinformatyce

1
Zastosowania sieci neuronowych w bioinformatyce

• Autor Rafal Grodzicki

2
Zastosowania sieci neuronowych w bioinformatyce

• Predykcja struktury bialek
• Struktura 2 i 3 - rzedowa
• Mapy i wektory kontaktów
• Badanie ekspresji genów
• (mikromacierze DNA)

3
Predykcja struktury bialek podstawy biologiczne

• Struktura 1-rzedowa
• Sekwencja aminokwasów slowo nad
• 20-elementowym alfabetem A, C, D, E, F, G, H,
  I, K, L, M, N, P, Q, R, S, T, V, W, Y
• Typowa dlugosc 100 1500 aminokwasów
• AYIAKQRQISFVKSHFSRQLEERLGLIEV

4
Predykcja struktury bialek podstawy biologiczne

• Struktura 2-rzedowa
• Polipeptyd spontanicznie zwija sie
• w regularne struktury
• a helisa struktura ß

5
Predykcja struktury bialek podstawy biologiczne

• Struktura 3-rzedowa
• Wzajemne przestrzenne
• ulozenie struktur
• 2-rzedowych

6
Predykcja struktury bialek biologiczna
istotnosc problemu

• Struktura determinuje funkcje bialka
• Struktura 1-rzedowa gt
• gt Struktura 3-rzedowa gt Funkcja bialka
• Kilkadziesiat milionów znanych sekwencji DNA
• Kilkadziesiat tysiecy bialek o znanej strukturze
  3-rzedowej
• Duzy koszt eksperymentalnego okreslania struktury
  3-rzedowej

7
Predykcja struktury bialek dane

• PDB
• (Protein Data Bank http//www.pdb.org)
• szczególowe informacje na temat struktury
• 1 i 3-rzedowej ok. 37500 bialek
• (dane na styczen 2007)
• reprezentatywne podzbiory bialek z bazy PDB (tzw.
  pdb_select)

8
Predykcja struktury 2-rzedowej dane

• PDB nie zawiera jawnych danych na temat struktury
  2-rzedowej
• DSSP
• Wolfgang Kabsch, Chris Sander
• Uzyskiwanie informacji o strukturze
• 2-rzedowej na podstawie danych z PDB
• 7 klas H, G, I, E, B, T, S

7 klas H G I E B T S
3 klasy H H H E E L L
9
Predykcja struktury 2-rzedowej perceptron

• Wejscie
• Informacja na temat w sasiednich aminokwasów (w
  nieparzysta) tzw. okno wejsciowe
• Kodowanie ortogonalne aminokwasów
• wektor o wymiarze 20
• na jednej pozycji 1, a na pozostalych 0
• (20w) elementów wejsciowych

10
Predykcja struktury 2-rzedowej perceptron

• Wyjscie
• 3 neurony wyjsciowe odpowiadajace poszczególnym
  klasom struktury 2-rzedowej (wartosc rzeczywista
  z przedzialu 0,1)
• H a helisa
• E struktura ß
• L petla laczaca
• Wynik predykcji klasa odpowiadajaca neuronowi
  wyjsciowemu o maksymalnej wartosci
• Predykcja dla centralnego aminokwasu z okna
  wejsciowego

11
Predykcja struktury 2-rzedowej 2-poziomowa
siec neuronowa

• 1. poziom
• v sieci neuronowych (v nieparzysta) dla
  sasiednich okien wejsciowych architektura
  identyczna jak w poprzednim podejsciu
• AQSVPYGISQIKAP
• AQSVPYGISQIKAP
• AQSVPYGISQIKAP

12
Predykcja struktury 2-rzedowej 2-poziomowa
siec neuronowa

• 2. poziom
• Jednokierunkowa siec neuronowa o wejsciach
  bedacych wyjsciami sieci neuronowych z 1. poziomu
• Wyjscie identyczne jak w przypadku sieci
  neuronowych z 1. poziomu
• Predykcja dla centralnego aminokwasu z okna
  wejsciowego

13
Predykcja struktury 2-rzedowej informacja
ewolucyjna

• Pojedyncza sekwencja zastapiona uliniowieniem
  spokrewnionych (homologicznych) sekwencji
• Profil
• Wartosci binarne na wejsciu sieci zastapione
  wartosciami rzeczywistymi z przedzialu 0,1
• Poprawa jakosci predykcji (z 65 do gt70)

A C D
ACAA 0.75 0.25 0
DDCA 0.25 0.25 0.5
ACDA 0.5 0.25 0.25
DAAA 0.75 0 0.25
14
Predykcja struktury 2-rzedowej bi-rekurencyjna
siec neuronowa
15
Predykcja struktury 2-rzedowej bi-rekurencyjna
siec neuronowa

• Obliczenia bi-rekurencyjnej sieci neuronowej
• gdzie
• Ot wynik predykcji dla t-tego aminokwasu
• Ft lewy kontekst (forward)
• Bt prawy kontekst (backward)
• N dlugosc polipeptydu (liczba aminokwasów)

16
Predykcja struktury 2-rzedowej bi-rekurencyjna
siec neuronowa

• 824 sekwencje (2/3 dane uczace, 1/3 testowe)
• Najlepszy wynik ok. 76

Predykcja H Predykcja E Predykcja L
H 80.03 2.88 17.09
E 4.68 62.01 33.31
L 10.60 9.62 79.78
17
Predykcja map i wektorów kontaktów

• Mapa kontaktów
• N liczba aminokwasów w polipeptydzie
• Macierz S o wymiarze N x N
• Si,j 1, jesli i-ty i j-ty aminokwas sa w
  kontakcie
• Si,j 0, w p.p.
• i-ty i j-ty aminokwas sa w kontakcie
• Odleglosc pomiedzy atomami wegla i-tego i j-tego
  aminokwasu mniejsza od ustalonej wartosci
• Minimalna odleglosc pomiedzy dwoma dowolnymi
  atomami
• i-tego i j-tego aminokwasu mniejsza od ustalonej
  wartosci

18
Predykcja map i wektorów kontaktów

• Wektor kontaktów
• N liczba aminokwasów w polipeptydzie
• Wektor V o wymiarze N
• Vi liczba aminokwasów, z którymi jest w
  kontakcie i-ty aminokwas
• Definicja na podstawie mapy kontaktów

19
Predykcja map i wektorów kontaktów

• Wektory kontaktów
• Metody analogiczne jak w przypadku predykcji
  struktury 2-rzedwej bialek
• Dla kazdego aminokwasu przewidywana jest liczba
  aminokwasów bedacych z nim w kontakcie
• Mapy kontaktów
• Rekurencyjne sieci neuronowe

20
Predykcja map kontaktów rekurencyjna siec
neuronowa

• Uogólnienie bi-rekurencyjnej sieci neuronowej na
  przypadek 2-wymiarowy
• Obliczenia rekurencyjnej sieci neuronowej

21
Predykcja struktury 3-rzedowej

• Problem otwarty (brak dobrych predyktorów
  struktury 3-rzedowej bialek)
• Mozliwe rozwiazanie
• 1. etap predykcja
• struktury 2-rzedowej
• map i wektorów kontaktów
• parametrów biochemicznych (np. hydrofobowosc)
• 2. etap predykcja struktury 3-rzedowej z
  wykorzystaniem wyników 1. etapu

22
Badanie ekspresji genów mikromacierze DNA

• Ekspresja genów
• W tkance zdrowej i chorej
• Zmiana w czasie
• Róznica miedzy gatunkami
• Mikromacierze DNA
• Pojedyncza mikromacierz pojedynczy pomiar
  ekspresji genów w okreslonych warunkach
• Dane z wielu mikromacierzy profil
• Wiersze geny
• Kolumny wartosci ekspresji dla róznych
  mikromacierzy

23
Badanie ekspresji genów przykladowy profil
24
Badanie ekspresji genów SOM

• Profile ekspresji genów
• duza ilosc danych
• Koniecznosc uporzadkowania, klasteryzacji
• Self Organizing Map (Kohonen, 1990)
• Zalety
• Podzial danych na klasy
• Tolerancja zaszumionych danych
• Wady
• Brak hierarchicznosci
• Stala liczba klas

25
Badanie ekspresji genów SOTA

• Self-Organizing Tree Algorithm (Dopazo, Carazo,
  1997)
• Samoorganizujaca siec neuronowa
• Struktura drzewiasta
• Dynamiczne generowanie struktury w procesie
  uczenia
• Dowolna liczba klas

26
Badanie ekspresji genów SOTA

• Wezly kolumny profilu ekspresji genów
• Uczenie
• Stan poczatkowy 2 liscie polaczone z wezlem
  wewnetrznym
• Dla kolejnych danych wejsciowych
• Wybór wezla zwycieskiego (sposród terminali)
• Modyfikacje sasiednich wezlów
• Dwa rodzaje sasiedztwa wezlów
• Lokalne obaj potomkowie rodzica sa liscmi
• Ograniczajace (restrictive)
• Podzial wezla
• Wygenerowanie dwóch identycznych kopii wezly
  potomne

27
Badanie ekspresji genów SOTA
28
Badanie ekspresji genów SOTA
29
Bibliografia

• Paolo Frasconi, Ron Shamir Artificial
  Intelligence and Heuristic Methods in
  Bioinformatics, NATO Science Series, 2003
• P. Baldi, S. Brunak Exploiting the past and
  the future in protein secondary structure
  prediction, Bioinformatics, 1999
• G. Pollastri, P. Baldi Prediction of contact
  maps by GIOHMMs and recurrent neural networks
  using lateral propagation from all four cardinal
  corners, Bioinformatics, 2002
• Javier Herrero, Alfonso Valencia, Joaquin Dopazo
  A hierarchical unsupervised growing neural
  network for clustering gene expression paterns,
  Bioinformatics, 2001
• A.D. Baxevanis, B.F.F. Quellette
• Bioinformatyka, PWN, 2004
• P.C. Turner, A.G. McLennan, A.D. Bates, M.R.H.
  White Biologia molekularna, PWN, 2005