Introducci

1
Introducción a la Bioinformática ITomás
Arredondo Vidal13/10/2008
2
Introducción a la Bioinformática

• Esta charla trata de lo siguiente
• Introducción a aspectos de la bioinformática
• Discusión acerca de algunas bases de datos y
  herramientas utilizadas en la bioinformática
• Discusión sobre secuencias genéticas y
  algoritmos usados para su análisis

3
Introducción a la Bioinformática
Bioinformática Algunas áreas de Estudio

• Genómica Estudio, mapeo, y secuenciacion de
  genomas
• Microarreglos Arreglos experimentales para
  determinar el nivel de actividad o precencia de
  muchos genes en parallelo
• Proteomica Estudio, vusualizacion y
  quantificacion de las moleculas de proteinas
  presentes en tejidos u organismos
• Estructurales Simulacion y estudio de la
  estructura de proteinas

4
Introducción a la Bioinformática
Motivación para los estudios Bioinformáticos

• Medicina
• Nuevas drogas, nuevas vacunas de ADN, terapias
  genéticas
• Producción de medicinas usando bacterias y
  levaduras
• Genómica
• Fuente de información para medicina preventiva,
  terapéutica, diagnóstico
• Ingeniería de tejidos
• Métodos para generar piel, cartílago, huesos
• Biomateriales, Nanotecnologia, Applicaciones
  Industriales y Químicas
• De adonde partió el estudio de la Bioinformática?

5
Introducción a la Bioinformática
Motivación para los estudios Bioinformáticos
Diagnostico
Genome
Gene map
Gene sequence
Expression
Diseases
c
t
Alzheimers
Cancer
a
t
t
Arthritis
t
t
t
a
a
t
t
CV Disease
a
a
t
MS
t
a
t
t
a
Obesity
Vision
t
t
a
Arthritis
6
Introducción a la Bioinformática
Motivación para los estudios Bioinformáticos
Producción de Vacunas
7
Introducción a la Bioinformática
Virus amigos y enemigos
8
Introducción a la Bioinformática
Evolución Genetica

• Gregor Mendel
• En 1865 el sacerdote Agustino Gregor Mendel hizo
  experimentos sobre híbridos de plantas (arvejas)
  basados en el fenotipo observable de ellas
• Mendel, desarrolló los principios fundamentales
  de que hoy es la moderna ciencia de la genética
• A través de la estadística de los resultados de
  sus cruces Mendel demostró que las
  características heredables son llevadas en
  unidades discretas que se heredan por separado en
  cada generación
• Estas unidades discretas, que Mendel llamó
  elemente, se conocen hoy como genes

9
Introducción a la Bioinformática
Evolución Genetica

• Gregor Mendel hizo experimentos sobre híbridos de
  plantas (1866)
• Así, Mendel aisló 7 pares de caracteres que eran
  razas puras cada carácter estudiado se
  presentaba en dos variantes, tales como altura
  de la planta (alta o baja), superficie de la
  semilla (lisa o rugosa), forma de la vaina
  (inflada o contraída), forma de la vaina y
  otras
• En sus experimentos Mendel uso unas 28.000
  plantas de arvejas
• Las posibles codificaciones viables de ADN de un
  gen que ocupan una posición (locus) en el genoma
  de un organismo se denominan alelos

10
Introducción a la Bioinformática
Evolución Genetica

• Gregor Mendel hizo experimentos sobre híbridos de
  plantas (1866)...
• Los alelos de un gen son responsables de las
  diferentes expresiones de los genes (e.g. color
  de un pétalo) que es visto en el fenotipo del
  organismo
• En un organismo diploide hay dos copias de cada
  cromosoma en cada célula (e.g. humanos 1013
  celulas), por ende hay dos alelos para cada gen
• En organismos diploides las celulas sexuales
  (e.g. gametos) son haploides (e.g. tienen una
  copia de cada cromosoma) y se juntan para formar
  un cigoto (e.g. zygote) que es la celula que se
  divide repetidamente para formar el embrión

11
Introducción a la Bioinformática
Evolución Genetica

• Conclusiones o Leyes de Mendel (1866)
• Ley de uniformidad El tipo hereditario de la
  prole no es intermedio entre los tipos de los
  padres, sino que en él predomina el de uno u
  otro. Si se cruzan dos variedades bien definidas
  de una misma especie, el descendiente híbrido
  mostrará las características distintivas de uno
  de los progenitores (característica dominante)
• Ley de la segregación de los genes antagónicos
  La característica del otro progenitor (recesiva)
  es latente y se manifestará en la siguiente
  generación resultante de cruzar a los híbridos
  entre sí. Tres cuartos muestran la característica
  dominante y un cuarto la recesiva
• Ley de la recombinación de los genes Cada una
  de las características puras de cada variedad
  (color, rugosidad de la piel, etc.) se transmiten
  a la siguiente generación de forma independiente
  entre sí, siguiendo las dos primeras leyes

12
Introducción a la Bioinformática
Evolución Genetica

• Conclusiones o Leyes de Mendel (1866)
• En 1905 Bateson, Saunders y Punnett descubrieron
  la conexión genética a través de las cromosomas
• Ellos determinaron que genes están localizados
  en cromosomas y que cada cromosoma es una unidad
  que se reproduce intactamente
• Los genes ocupan posiciones (e.g. locus) en
  macromoléculas llamadas cromosomas
• Esta idea fue modificada posteriormente por
  Thomas Hunt Morgan
• Esto nos lleva al estudio de la células y la
  Genética...

13
Introducción a la Bioinformática
Células

• Función
• Las funciones biológicas de los organismos
  dependen de las células para la producción y
  regulación de compuestos necesarios para su
  funcionamiento
• Los organismos se clasifican de acuerdo a sus
  características celulares
• Eukariotes (hongos, animales, plantas, humanos)
• Prokariotes (bacterias)
• Virus
• Archaea (organismos similares a las bacteria que
  viven en ambientes extremos)

14
Introducción a la Bioinformática
15
Introducción a la Bioinformática
ADN

• Watson y Crick
• En 1953, James Watson y Francis Crick,
  descubrieron la estructura tridimensional del
  ácido desoxirribonucleico (ADN) al encontrar un
  modelo que explicaba todos los datos obtenidos
  hasta el momento
• El ADN es un polímero (gr. poly - muchas, meros
  - partes) o sea una macro molecula de muchas
  componentes individuales
• Es una cadena doble compuesta por fosfatos
  (PO4), azucar (desoxiribosa) y una base
  nitrogenada

 PO-4    Azúcar - Base     PO-4   
Azúcar - Base     PO-4
16
Introducción a la Bioinformática
ADN

• En el modelo de Watson y Crick, el ADN es una
  doble hélice, con las bases dirigidas hacia el
  centro, perpendiculares al eje de la molécula y
  un esqueleto de azúcar-fosfato a lo largo de los
  lados de la hélice (que protege las bases del
  ambiente)
• Las hebras que la conforman son complementarias
  y antiparalelas. Las bases de cada cadena se
  aparean de forma complementaria Adenina con
  Timina (A-T) y Guanina con Citosina (C-G)
• Cada base tiene puentes de hidrógeno con su
  complementaria, uniendo así las dos cadenas

17
Introducción a la Bioinformática
ADN y ARN

• Estructura
• Los ácidos nucleicos que se conocen son el ácido
  desoxirribonucleico (ADN) y el ácido ribonucleico
  (ARNA)
• Ambos están compuestos por nucleótidos en formas
  monocatenarias (ARN) o de doble cadena (DNA)
• Las bases nitrogenadas que componen los ácidos
  nucleicos son los compuestos que codifican la
  información genética en la molécula (el código
  genético A, T, C, G)
• Las bases nitrogenadas se clasifican en dos
  grandes familias púricas y pirimidínicas

18
Introducción a la Bioinformática
ADN y ARN

• Estructura
• Bases púricas Adenina,Guanina
• Bases pirimidínicas Citosina, Timina, Uracilo
• El ADN contiene adenina-guanina-citosina y
  timina que se emparejan en una doble hélice A-T y
  G-C
• El ARN contiene Uracilo en vez de Timina
• El ARN tiene diferentes nombres dependiendo de
  su funcion (e.g. ARNm ARN mensajero, ARNt ARN
  de transferencia, ... hay mas tipos de ARN)
• El DNA y todas las formas bicatenarias (duplex)
  de los ácidos nucleícos se unen entre sí gracias
  a los enlaces de hidrógeno que se establecen
  entre sus bases
• La Timina enlaza con la Adenina con dos enlaces
  y la Guanina y la citosina se unen entre sí por
  tres enlaces de hidrógeno

19
Introducción a la Bioinformática
ADN y ARN
Bases Enlaces
20
Introducción a la Bioinformática
ADN

• Estructura
• En el ADN las azucares sucesivas se conectan a
  través del fosfato y una hebra tiene la
  orientación de 5' a 3' y la otra hebra
  (complementaria) de 3' a 5' (dado que la molécula
  de azúcar esta rotada)
• PO-4 PO-4
• 5' Azucar - C G - Azucar 3'
• 3' 5'
• PO-4 PO-4
• 5' Azucar - C G - Azucar 3'
• 3'
  5'
• PO-4 PO-4

21
Introducción a la Bioinformática
ADN de Células

• Prokariotas
• Organismos microscópicos
• Su genoma es una molécula circular de ADN
• Genoma es del orden de 0.6-8 Mpb (millones de
  pares de bases)
• Densidad de genes es de aproximadamente un gen
  1000 pares de bases
• Sus genes no son sobrepuestos (no overlap)
• Sus genes son transcritos (copiados a ARNm)
  inmediatamente después de una región llamada
  promotor
• Son continuamente codificantes (sin intrones)

22
Introducción a la Bioinformática
ADN de Células

• Eukariotes
• Organismos variados (plantas, animales,
  hongos,...)
• Genoma consiste de múltiples pedazos contiguos
  de ADN típicamente denominados cromosomas
• Genoma es del orden de 10-3000 Mpb (millones de
  pares de bases)
• Densidad de genes es de aproximadamente un gen
  100000 pares bases
• Genoma incluye muchas áreas no codificartes
• Sus genes son transcritos (copiados a ARNm)
  después de una región llamada promotor pero
  elementos en la secuencia a gran distancia pueden
  tener gran efecto en el proceso
• Genes pueden derivar en múltiples formas de ARNm
  y proteínas
• Mas complejas!

23
Introducción a la Bioinformática
24
Introducción a la Bioinformática
25
Introducción a la Bioinformática

• Dogma Central (Watson Crick)
• Transferencia general de la información
• De ADN a ARN, de ARN a Proteína

26
Introducción a la Bioinformática

• Dogma Central (Watson Crick)
• Transferencia general de la información
• De ADN a ARN, de ARN a Proteína

27
Introducción a la Bioinformática
Dogma Central (Watson Crick)
28
Introducción a la Bioinformática
ADN

• Codigo Genetico
• Las funciones biológicas de los organismos
  dependen de las células para la producción y
  regulación de compuestos necesarios para su
  funcionamiento
• Codones tripletes de bases codificantes en
  aminoacidos
• Comienzo ATG (Met)
• Termino TAA, TAG, TGA
• Exones secciones codificantes (con genes)
• Intrones secciones entre medio de exones no
  codificantes
• Sequencias Codificantes
• ORF Open Reading Frame (de codon de comienzo a
  término)
• CDS Coding Sequence

29
Introducción a la Bioinformática
ADN

• Codigo Genetico
• La secuencia genética del ADN esta codificada en
  secuencias de nucleotidos (Adenosina, Timina,
  Citosina, Guanina)
• El ARN substituye Timina (T) por Uracilo (U)
• El ADN actúa como un molde en la replicación
  celular para producir mas ADN (mitosis)
• El ADN también transmite la información
  necesaria para la reproducción celular (meiosis)
• Los genes se organizan en cromosomas para la
  reproducción durante meiosis
• En el caso de meiosis se intercambia material
  genético entre cromosomas homologas
• La unidad de intercambio genético es el gen

30

Introducción a la Bioinformática

31
Introducción a la Bioinformática
ADN

• Mitosis
• Watson y Crick formularon la hipótesis
  semiconservativa que fue posteriormente
  demostrada por Meselson y Stahl en 1957
• Según esta hipótesis, la nuevas moléculas de DNA
  duplexo contienen una hebra de material original
  y otra nueva

32
Introducción a la Bioinformática
ADN

• Meiosis
• Thomas Hunt Morgan en 1910 estudio en detalle la
  conexión genética con moscas de la fruta
• El determino que los genes en los cromosomas
  tienen conexión parcial (partial linkage) al
  estudiar Meiosis
• Esto ocurre porque las cromosomas homologas
  pueden intercambiar ADN durante la fase Prophase
  I
• La frecuencia con la cual los genes son
  separados por cruces es directamente proporcional
  con su distancia en su cromosoma

33
Introducción a la Bioinformática
Genes Partial Linkage
34
Introducción a la Bioinformática
Genomica

• Vías Metabólicas
• Vías metabólicas reacciones elementales
  celulares que producen compuestos centrales para
  la sobrevivencia de la célula
• Con el metabolismo se describen los mecanismos
  de las células para extraer y convertir la
  energía de los compuestos químicos y para
  construir las moléculas necesarias para la
  síntesis y regulación de los ácidos nucleicos,
  proteínas, membranas, y polisacáridos
• El metabolismo es una red compleja de reacciones
  químicas dentro de los confines de la célula, y
  que puede ser analizado como conjuntos separados
  conocidos como vías metabólicas

35
Introducción a la Bioinformática
Genomica

• Fundamentos de las Vías Metabólicas
• Reacciones químicas
• Balance energético y termodinámica
• La Integración celular (las células deben gastar
  mucha de su energía transportando substrato a
  través de las membranas biológicas)
• Mecanismos regulatorios de las vías. Las vías
  pueden ser activadas o desactivadas. Modulación
  de la actividad enzimática (proteica), y
  disponibilidad de la enzima (expresión genética,
  control de translación)

36
Introducción a la Bioinformática
Genomica

• Vías Metabólicas
• Hay dos áreas principales en la bioquímica del
  metabolismo
• Catabolismo la degradación oxidativa de
  moléculas
• Anabolismo la síntesis reductiva de moléculas
• Las vías, ya sean catabólicas o anabólicas, son
  interdependientes, controladas por las
  necesidades energéticas y las demandas
  estructurales del organismo
• La célula controla cuales vías están activas y
  por cuanto tiempo

37
Introducción a la Bioinformática
38
Introducción a la Bioinformática

• Esta charla trata de lo siguiente
• Introducción a aspectos de la bioinformática
• Discusión acerca de algunas bases de datos y
  herramientas utilizadas en la bioinformática
• Discusión sobre secuencias genéticas y
  algoritmos usados para su análisis

39
Introducción a la Bioinformática
Genomica

• Bases de datos de nucleótidos
• La bioinformática requiere encontrar e
  interpretar datos biológicos.
• De nuestro interés son las bases de datos para
  nucleótidos, proteínas y vías metabólicas
• Algunas bases de datos de nucleótidos incluyen
  Genbank, NCBI LocusLink, TIGR, Ensembl
• Genbank es la base de datos principal de
  nucleótidos y mantiene un registro histórico
  (primario) de todos las secuencias de nucleótidos
  que se han introducido en el
• Se utiliza el Gene ID (e.g. X01714) para iniciar
  búsquedas en Genbank

40
Introducción a la Bioinformática
Genomica

• Bases de datos de proteínas
• La principal base de datos de proteínas por la
  calidad de sus datos anotados es SWISS-PROT
• Se utiliza el Primary Accession Number para
  identificar una secuencia que se quiere encontrar
  (e.g. P32861)
• SWISS-PROT es un recurso de datos derivado
  (secundario) de la literatura y manualmente
  verificados
• TrEMBL es una base de datos automáticamente
  anotada

41
Introducción a la Bioinformática
Genomica

• Bases de datos de Vías Metabólicas
• Algunas recursos sobre vías metabólicas
  incluyen KEGG, BRENDA, IUBMB, ECOCYC
• KEGG (Kyoto Encyclopedia of Genes and Genomes)
  incluye una gran cantidad de vías metabólicas y
  es la mas importante a nivel mundial
• En KEGG típicamente se utiliza el numero de la
  enzima (E.C. para comenzar una búsqueda)
• BRENDA es un sistema de información enzimático
• IUBMB es el sitio oficial de la Unión de
  Bioquímica y Biología Molecular
• ECOCYC es la enciclopedia de genes y el
  metabolismo de E.Coli

42
Introducción a la Bioinformática
Genomica
Bases de datos de Vías Metabólicas KEGG
LinkDB KEGG ENTRY EC 2.7.1.2 NAME
Glucokinase CLASS Transferases Transferring
phosphorus-containing groups Phosphotransferases
with an alcohol group as acceptor SYSNAME
ATPD-glucose 6-phosphotransferase REACTION ATP
D-Glucose ADP D-Glucose 6-phosphate
SUBSTRATE ATP D-Glucose PRODUCT ADP D-Glucose
6-phosphate COMMENT A group of enzymes found in
invertebrates and microorganisms highly specific
for glucose. lt...gt
43
Introducción a la Bioinformática
Genomica

• Aplicaciones Para Comparar Secuencias
• BLAST (Basic Local Alignment Search Tool) es la
  principal aplicación para comparar secuencias
• Las principales versiones son BLASTP y TBLASTN
• BLASTP compara la secuencia de una proteína con
  una base de datos de proteínas
• TBLASTN comparar la secuencia de una proteína
  con una base de datos de nucleótidos

44
Introducción a la Bioinformática
Genomica

• Usos de BLAST
• Para encontrar algo acerca de la función de mi
  proteína usar BLASTP para comparar con otras
  proteínas en las bases de datos
• Para descubrir nuevos genes que codifican a
  alguna proteína (o enzima) usar TBLASTN para
  comparar la proteína con secuencias de ADN
  traducidas en todas sus posibles ORFs

45
Introducción a la Bioinformática
Genomica

• Resultados de BLAST
• Sequence Accesion Number
• Description
• Bit score estima el significado del
  alineamiento (mientras mayor mejor)
• E-value estima el numero de veces que se
  pudiera encontrar un alineamiento tan bueno
  aleatoriamente (mientras menor mejor)
• Alineamientos (identidad, largo)

46
Introducción a la Bioinformática
Genomica

• Aplicaciones Para Comparar Secuencias Múltiples
• También es deseable muchas veces hacer
  alineamientos múltiples. Hay muchas herramientas
  para esto. Entre ellas CLUSTALW, TCOFFEE
• Mas en el laboratorio!

47
Introducción a la Bioinformática
Genomica

• Evolución Genética
• Todos los genes están relacionados (Zuckerkandl,
  Pauling 1960s)
• Los genes a veces evolucionan independientemente
  del organismo (formulado por R. Dawkins 1976)
• Solamente unos pocos miles de familias de genes
  existen (C. Chothia, 1992, Nature 357)

48
Introducción a la Bioinformática
Genomica

• Análisis Filogenético Definiciones
• Genes Homólogos Genes con un ancestro común
• Genes Ortólogos Homólogos separados por
  especiacion en el cual un ancestro común genera
  dos subgrupos que lentamente se separan para
  convertirse en nuevas especies
• Genes Paralogs Homólogos separados por un
  evento de duplicación. Una de las copias
  típicamente mantiene su función mientras que la
  otra tiene otra función pero relacionada
• Genes Xenologs Xenologs ocurren por la
  transferencia horizontal de una especie a otra.
  No hay historia del nuevo gen en el genoma que
  fue insertado

49
Introducción a la Bioinformática
Búsqueda de secuencias/proteínas homologas
50
Introducción a la Bioinformática
Genomica
Análisis filogenético Ortólog y Paralog
A
Duplicación
A
B
Especiación
A1
B1
A2
B2
51
Introducción a la Bioinformática
Genomica
Análisis filogenético Globina y Myoglobina
globin mouse
Globin ancestor
globin
Ancestral globin gene
duplication
globin man
Myoglobin
Myoglobin mouse
Myoglobin man
52
Introducción a la Bioinformática
Genomica

• Análisis Filogenético Algunas herramientas
• ClustalW Herramienta de tipo caja negra para
  análisis filogenético
• Phylip Método mas sofisticado que permite
  controlar los parámetros necesarios en la
  reconstrucción

53
Introducción a la Bioinformática

• Esta charla trata de lo siguiente
• Introducción a aspectos de la bioinformática
• Discusión acerca de algunas bases de datos y
  herramientas utilizadas en la bioinformática
• Discusión sobre secuencias genéticas y
  algoritmos usados para su análisis

54
Introducción a la Bioinformática
Genomica Marcos de Lectura

• Dada parte de una secuencia de ADN y conociendo
  el código genético es posible traducirlo a una
  proteína al mirar codones sucesivos en una
  secuencia genética
• Hay secuencias en la cual hay soporte bioquímico
  y otras que simplemente se derivan de la
  secuencia conceptual sin validación experimental
• En una secuencia arbitraria de ADN no se sabe si
  es que la primera base indica el comienzo del de
  las CDS (Coding Sequences).
• Por eso se hace un traducción en seis marcos de
  lectura (six frames)
• Hay tres marcos hacia adelante, que se logran al
  traducir la primera, segunda y tercera base
  respectivamente
• Tres marcos adicionales se determinan al invertir
  la secuencia de ADN y hacer la traducción en las
  bases primera, segunda y tercera
• Solo uno de los marcos es correcto.

55
Introducción a la Bioinformática
56
Introducción a la Bioinformática
Genomica Marcos de Lectura (cont)

• Cual es el marco correcto?
• Típicamente el marco mas largo interrumpido por
  un stop codon (TGA, TAA or TAG)
• Este marco se conoce como un ORF
• Típicamente el codon de inicio es ATG
  (methionine) pero methionine es también un codon
  común en el CDS
• La presencia de ATG no es un indicador absoluto
  de inicio del ORF
• Indicadores de regiones codificantes
• Largo suficiente del ORF
• Reconocer secuencias especiales al inicio del CDS
  (e.g. Kozak sequences)
• Patrones estadísticos de uso de codones en
  regiones codificantes y no codificantes son
  diferentes (depende del organismo)

57
Introducción a la Bioinformática
Genomica Algoritmos

• Para poder utilizar y entender efectivamente los
  resultados de las búsquedas y alineamientos en
  las bases de datos tenemos que entender como es
  que se obtienen estos alineamientos son obtenidos
• Cuando se comparan secuencias es necesario
  obtener una indicación de cuan buenos son los
  posibles alineamientos
• Para eso se utiliza el concepto de score en el
  cual se introducen penalidades cuando las
  secuencias no están alineadas de la manera
  deseada
• En algunos casos encontrar el mejor alineamiento
  requiere la introducción de espacios (gaps)
• Métodos lograr scores de alineamientos incluyen
• Dayhoff Mutation Data Matrix
• BLOSUM Matrices
• Resultados Estadísticos (e.g. BLAST E-value)
• Dotplot
• Needleman Wunsch Algorithm

58
Introducción a la Bioinformática
SE ACABO?
59
Referencias

• Brown, T.A., Genomes, Wiley, 1999
• Claverie, J.M., Bioinformatics for Dumies, Wiley,
  2003
• Perkus, J. K., Mathematics of Genome Analysis,
  2002
• Gibas, C., Developing Bioinformatics Computer
  Skills, 2001
• http//www.biologia.edu.ar/index.html
• http//www.arrakis.es/7Elluengo/
• Link antiguo http//www.multisan2001.com