PDF de programación - Introducción a la Bioinformática

Introducción a la Bioinformática
Introducción a la Bioinformática

Centro de Bioinformática
Centro de Bioinformática
Instituto de Biotecnología
Instituto de Biotecnología

Universidad Nacional de Colombia
Universidad Nacional de Colombia

Andrés M. Pinzón
Andrés M. Pinzón

cPhD - Universidad de los Andes
cPhD - Universidad de los Andes





7'000.000 de

habitantes

Capital Mundial del

Libro 2007

2600m sobre el nivel

del mar













““Actualmente en Biología el número de datos es
Actualmente en Biología el número de datos es

mucho mayor a la capacidad de análisis del
mucho mayor a la capacidad de análisis del

investigador”.
investigador”.

1958 Primera secuencia de una proteína
(insulina. Sanger, Premio Nobel)1

1975 Primera secuencia de ADN (fago
PHI-X174 Sanger, Nobel 1980 )

1986 desarrollo de PCR

... inicio de la era genómica!!
inicio de la era genómica!!
...



1
http://www.genetics.org/cgi/content/full/162/2/527



BD para las ciencias de la vida
BD para las ciencias de la vida

● DNADNA
Proteínas
● Proteínas
Genómicas
● Genómicas
Dominios/familias protéicas
● Dominios/familias protéicas
Mutación/polimorfismo
● Mutación/polimorfismo
Proteómica (2D gel, MS)
● Proteómica (2D gel, MS)
3D estructura
● 3D estructura
Metabolismo
● Metabolismo
Bibliografía
● Bibliografía
SNPs, ESTs, Microsatélites, etc..
● SNPs, ESTs, Microsatélites, etc..

●





Algunas estadísticas
Algunas estadísticas

● Más de 1000 bases de datos
● Generalmente accesibles vía WEB

● Biohunt: http://www.expasy.org/BioHunt/
● Amos’ links: www.expasy.ch/alinks.html

● Tamaño variable: 100Kb a 100Gb

● DNA (EMBL): > 68 Gb (comprimida!)
● 80,591,891 entradas.
● 146,595,277,574 nucleótidos.





Crecimiento de la base datos EMBL en gigabases.





Crecimiento de la base datos EMBL en millones

de entradas.





Sin embargo...

Tenemos las secuencias pero...

¿Como podemos saber qué partes de ese DNA
controlan los diversos procesos químicos de la
vida?

Conocemos la función y estructura de
algunas proteínas pero...

Cómo determinamos nuevas funciones?
Como predecir la conformación espacial de una
proteína, basados únicamente en su secuencia?

Entendemos el código genético pero...

Como encontrar nuevas palabras significativas que
podamos añadir al diccionario del DNA?





BIOINFORMÁTICA
BIOINFORMÁTICA

Biología Computacional
Aplicación de técnicas analíticas y cuantitativas para el
modelamiento de sistemas biológicos.

"La bioinformática comprende los métodos matemáticos,
estadísticos y computacionales que pretenden solucionar
problemas biológicos usando secuencias de ADN y aminoácidos e
información relacionada".
Fredj Tekaia - Instituto Pasteur

“La bioinformática es el estudio de la información biológica desde
su almacenamiento en el genoma hasta la obtención de los
productos génicos en la célula” esto involucra la creación y
desarrollo de tecnologías informáticas y computacionales para la
resolución de problemas en biología molecular”.

Stanford Center for Profesional Development,
2002





Nuestra definición...
Nuestra definición...

Uso de técnicas computacionales,
Uso de técnicas computacionales,
matemáticas y estadísticas para el
matemáticas y estadísticas para el

análisis, interpretación y
análisis, interpretación y

generación de datos biológicos.
de datos biológicos.
generación

CARACTERISTICAS:

● INTERDISCIPLINA Y COLABORACIÓN

ENTRE GRUPOS.

● INTEROPERATIVIDAD E

INTERDEPENDENCIA DE LOS DATOS.

● FORMACIÓN DE REDES.





● Quienes?
Quienes?
● Para qué?
Para qué?
● Qué?Qué?
● Cómo?
Cómo?





¿Qué personas pueden hacer Bioinformática?
¿Qué personas pueden hacer Bioinformática?

Necesario:
Conocimiento y entendimiento del Dogma Central de la Biología
molecular.
Conocimiento en Biología Molecular (bioquímica, biología molecular,
biofísica molecular).

Muuuuuuuuuuy recomendado:
Conocimiento en el manejo de sistemas de cómputo.

Recomendado:
Manejo básico de linea de comandos en ambientes UNIX
(GNU/Linux).

Muy deseable:
Experiencia con algún lenguaje de programación.





¿Qué se busca con el uso de
¿Qué se busca con el uso de

la Bioinformática?
la Bioinformática?

“Profundizar en nuestro

entendimiento acerca de los

organismos vivos y sus

relaciones, partiendo desde el

genoma que les codifica”.





Los análisis potenciales en el campo de la
Los análisis potenciales en el campo de la
Biología molecular son tan diversos como la
Biología molecular son tan diversos como la

vida misma.
vida misma.

Genómica comparativa.
Análisis de DNA (ORFs, Contenidos GC, etc).
Recuperación de secuencias.
Ensamblaje de secuencias.
Predicción de estructuras protéicas.
Visualización de estructuras protéicas.
Microarreglos.
PCR.
Filogenia.
Educación.

La bioinformática provee algoritmos, bases de
La bioinformática provee algoritmos, bases de

datos, interfaces y herramientas estadísticas para
datos, interfaces y herramientas estadísticas para

resolver nuestras preguntas!
resolver nuestras preguntas!





Bioinformática y “ómicas”
Bioinformática y “ómicas”

➢Genómica: Estudia el genoma de los organimos. Uso sistemático de la información
genómica y su asociación con otros datos.
➢Transcriptómica: transcriptoma es el conjunto de todos los mRNAs (o
transcriptos), dado un conjunto de condiciones externas. El genoma es fijo (ok, existe
polimorfismo genético!) el transcriptoma varia dependiendo del contexto.
➢Proteómica: es el estudio a gran escala de las proteínas, particularmente su
estructura y función.
➢Metabolómica: estudia el conjunto completo de metabolitos (intermediarios
metabólicos, hormonas, metabolitos secundarios etc.) encontrados en una muestra
biológica, por ejemplo un organismo.





Genómica comparativa
Genómica comparativa

Alineamiento de genes de diferentes especies buscando
Alineamiento de genes de diferentes especies buscando

secuencias en común.
secuencias en común.

➔Relaciones evolutivas.
➔Clasificación de familias de genes.
➔Tiempos de divergencia.





Genómica comparativa
Genómica comparativa





Genómica comparativa
Genómica comparativa

Alineamiento de genes de iguales especies
Alineamiento de genes de iguales especies

buscando regiones en común.
buscando regiones en común.

➔Identificación de polimorfismos.
➔Medicamentos personalizados (farmacogenética/farmacogenómica).
➔Tratamiento de enfermedades a nivel genético.



Mismas herramientas ... preguntas diferentes!







Genómica funcional
Genómica funcional

¿Qué genes se expresan, dónde, cuando,
¿Qué genes se expresan, dónde, cuando,

función?
función?

Microarreglos
Microarreglos





Alineamiento de secuencias
Alineamiento de secuencias





Recuperación de secuencias
Recuperación de secuencias







http://www.ncbi.nlm.nih.gov/
http://www.ncbi.nlm.nih.gov/



http://www.ebi.ac.uk/embl/
http://www.ebi.ac.uk/embl/







http://srs.ibun.unal.edu.co:8080/srs81/
http://srs.ibun.unal.edu.co:8080/srs81/



Visualización de estructuras protéicas
Visualización de estructuras protéicas

¿Visualización o predicción?
¿Visualización o predicción?





GARLI
GARLI
CC

¿Predicción o
¿Predicción o
determinación?
determinación?

MLDTNMKTQLKAYLEKLTKPVELIATLDDSAKSAEIKELL
TKPVELIATLDDSAEIKELLSAIAMLKSAEIKELLAEIKELL
LKAYLEKLTKPMLDTNMKTQLKKSAEIKELLKSAEIKELL

Cristalografía

de

Rayos X

Predicción

2D

● Modelamiento
homólogo (modelamiento
comparativo).
● Métodos Ab initio (ej.

campos de fuerza)



Análisis Filogenéticos
Análisis Filogenéticos

Evolución molecular de familias de proteínas

Creación de árboles taxonómicos

Reconstrucción evolutiva de rutas
metabólicas.

- QuickTree: Reconstrucción de
árboles filogenéticos.
- Phylip (Phylogenie Inference
Package).
-Mavric (Python): Manipulación y
visualización de árboles.
- PAUP.





Ensamblaje de Secuencias
Ensamblaje de Secuencias





Nuestra Bioinformática
Nuestra Bioinformática



http://bioinf.ibun.unal.edu.co
http://bioinf.ibun.unal.edu.co







Biodiversidad y Bioinformática
Biodiversidad y Bioinformática





Biodiversidad y Bioinformática
Biodiversidad y Bioinformática

33308 especies registradas.
413983 registros en Uniprot.
Corresponden a: 11779
(35.4%).

11212 registros en EMBL.









Algunos de nuestros proyectos...
Algunos de nuestros proyectos...

Microsatellites in Phytophtora ESTs: Survey, transferability and
Microsatellites in Phytophtora ESTs: Survey, transferability and

association with pathogenesis related genes
association with pathogenesis related genes

Búsqueda e identificación de nuevos candidatos a vacuna
Búsqueda e identificación de nuevos candidatos a vacuna
contra la Malaria producida por Plasmodium vivax
Plasmodium vivax..
contra la Malaria producida por

Búsqueda de dominios específicos para la clase Hexápoda
Búsqueda de dominios específicos para la clase Hexápoda

(Phylum Artrópoda).
(Phylum Artrópoda).

Modelo para la identificación de genes para Betalactamasas
Modelo para la identificación de genes para Betalactamasas

de espectro extendido.
de espectro extendido.

Sequence Retrieve System Federation.
Sequence Retrieve System Federation.









...Preguntas?
...Preguntas?