Tin học đại cương - Chương 2 - Tìm kiếm trình tự tương đồng trên ngân hàng dữ liệu

Nội dung text: Tin học đại cương - Chương 2 - Tìm kiếm trình tự tương đồng trên ngân hàng dữ liệu

1. TÀI LIỆU HỌC TẬP TIN SINH HỌC ĐẠI CƯƠNG • Trần Văn Lăng, Ứng dụng (Introduction to Bioinformatics) Tin học trong việc giải quyết một số bài toán của Sinh học phân tử. Nxb. Giáo dục, 2008, 230tr. PGS.TS. Trần Văn Lăng Email: langtv@vast.vn Assoc. Prof. Tran Van Lang, PhD, Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 2 VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY NỘI DUNG • Một số ngân hàng dữ liệu trình tự • Cơ sở dữ liệu cấu trúc PDB Chương 2: • BLAST trong việc tìm kiếm tương đồng TÌM KIẾM TRÌNH TỰ TƯƠNG ĐỒNG TRÊN NGÂN HÀNG DỮ LIỆU Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 3 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 4 1
2. 1. Một số ngân hàng dữ liệu MỘT SỐ NGÂN HÀNG DỮ LIỆU TRÌNH TỰ GENE • GenBank • EMBL • DDBJ Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 5 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 6 GenBank • 20/9/2012: có 126.551.501.141 bases, từ 135.440.924 sequences. • GenBank là cơ sở dữ liệu trình tự gen của NIH • 15/8/2013: có 154.192.921.011 bases, từ (National Institutes of Health) 167.295.840 sequences. • Nhằm tập hợp các trình tự DNA được công bố • 15/8/2014: có 165.722.980.375 bases, từ kèm theo lời chú thích 174.108.750 sequences • Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 7 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 8 2
3. • Ví dụ, cần tìm giống • 15/8/2015: có 199.823.644.287 bases, từ lúa Việt Nam 187.066.846 sequences – Vào trang • 15/8/2016: có 217.971.437.647 bases, từ 196.120.831 sequences h.gov – Nhập vào dòng tìm (Xem kiếm tương ứng, chẳng hạn “Vietnam Rice” Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 9 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 10 • Kết quả đưa ra một danh sách liên quan đến “Vietnam Rice” Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 11 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 12 3
4. • Chọn “Southern rice black-streaked dwarf virus isolate Son La major capsid protein gene, complete cds”, liên quan đến virus lúa Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 13 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 14 • Để nhận kết quả, chọn nút “Send” ở góc trên bên phải. • Ban đầu GenBank được xây dựng ở Phòng thí nghiệm quốc gia Los Alamos, Hoa Kỳ (LANL - • Chẳng hạn, chọn như Los Alamos National Laboratory). hình bên để ghi ra file với đầy đủ thông tin theo • Sau đó, vào năm 1990, được đưa về Trung tâm GenBank quốc gia Thông tin Công nghệ sinh học (NCBI - National Center for Biotechnology Information). • Khi đó, trên default download folder có tập tin sequence.gb Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 15 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 16 4
5. • Để cung cấp nguồn tài nguyên về các thông tin sinh học phân tử. • Thông qua GenBank, NCBI hỗ trợ và phân phối nhiều cơ sở dữ liệu thông tin sinh học khác nhau cho cộng đồng. GenBank là một bộ phận của International Nucleotic Sequence Database Collaboration Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 17 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 18 Sự hợp tác giữa 3 ngân hàng • The International Nucleotic Sequence Databases Collaboration phát triển và duy trì sự hợp tác giữa DDBJ, EMBL và GenBank được 22 năm nay (2016) Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 19 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 20 5
6. • Người ta có thể gửi các trình tự sinh học lên GenBank nhờ công cụ: – Sequin ( • Khi đó người dùng có thể chú giải nhiều thông tin cho trình tự khám phá của mình Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 21 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 22 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 23 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 24 6
7. EMBL ( • EMBL là Phòng Thí nghiệm sinh học phân tử của Châu Âu, European Molecular Biology Laboratory Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 25 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 26 • EMBL thành lập năm 7/1974 với sự tài trợ và giúp đỡ của 17 thành viên thuộc các nước Châu • Trong EMBL có European Bioinformatics Âu và Israel. Institute (EBI) • Cơ sở vật chất của EMBL bao gồm phòng thí – là một viện nghiên cứu học thuật về tin sinh học đặt ở nghiệm chính ở Heidelberg (Đức), các trạm ở Wellcome Trust Genome Campus ở Hinxton gần Hamburg (Đức), Grenoble (Pháp) và Hinxton Cambridge, (Anh), cùng với một chương trình nghiên cứu đặt – được thành lập năm 1994. tại Monterotondo (Ý). Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 27 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 28 7
8. • Ngân hàng EMBL chứa 247.335.689 trình tự bao gồm 429.512.389.024 nucleotide (20 Sep 2012). • Việc truy cập cũng tiện lợi giống như sử dụng GenBank của NCBI Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 29 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 30 • Chẳng hạn, Genome đầy đủ của virus dạ dày người C117 (Human enterovirus C117 strain LIT22) được công bố ngày 14 Sep 2012 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 31 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 32 8
9. Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 33 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 34 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 35 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 36 9
10. DDBJ ( • DNA Data Bank of Japan bắt đầu các hoạt động lưu trữ ngân hàng dữ liệu DNA từ năm 1986 • Đặt tại Viện Di truyền quốc gia Nhật Bản - NIG (National Institute of Genetics). Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 37 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 38 • Việc tìm kiếm trên DDBJ cũng đơn giản và tương tự như trên EMBL hay GenBank. • Chẳng hạn, chúng ta có ID của bộ gen đầy đủ về Human enterovirus C117 là JX262382 • Việc tìm kiếm như sau: Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 39 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 40 10
11. Kết quả tìm kiếm Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 41 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 42 • Cũng có thể lấy toàn bộ dữ liệu từ các ngân hàng này bằng cách dùng giao thức ftp để truyền tập tin. CƠ SỞ DỮ LIỆU CẤU TRÚC PDB • Cụ thể – – – Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 43 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 44 11
12. 2. Cơ sở dữ liệu PDB • PDB (Protein Data Bank) là một trong những cơ sở dữ liệu sinh học phân tử đầu tiên trên thế giới • Năm 1971, PDB được thành lập ở Brookhaven được thành lập trước cả những cơ sở dữ liệu National Laboratory. DNA. • Từ 1998, PDB được chuyển đến cho Research • Kể từ khi cấu trúc protein đầu tiên được công bố Collaboratory for Structural Bioinformatics năm 1950 thì mãi đến những năm 1970 thế giới (RCSB) vẫn không có một sự biến động nào đáng kể về số lượng cấu trúc protein. Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 45 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 46 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 47 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 48 12
13. • Trong ngân hàng PDB, – có 84.645 dữ liệu cấu trúc (20/9/2012). – 10/9/2013, có 93.788 cấu trúc – 23/9/2014, có 103.557 cấu trúc – 09/9/2015, có 111.956 cấu trúc – 15/9/2016, có 122.583 cấu trúc • Chẳng hạn, có thể tìm cấu trúc của “Human Enterovirus” Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 49 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 50 Protein ID: 3N6L Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 51 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 52 13
14. • Để coi cấu trúc của protein có trong PDB, có thể sử dụng trực tiếp từ trang web của PDB. • Hoặc có thể coi từ các phần mềm khác. Chẳng hạn, với Jmol viết bằng Java Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 53 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 54 Mô hình CSDL Protein Ý nghĩa của các table • Table PROTEIN: Lưu trữ tên protein, đây là bảng chính trong cơ sở dữ liệu protein • Table PRO_HEADER: Mỗi mẫu tin trong bảng dữ liệu là mẫu tin duy nhất định nghĩa một tập tin PDB thông qua khoá chính. Mẫu tin này cung cấp thông tin phân loại thực thể. Cuối cùng là thông tin về ngày mà nó được lưu trữ ở PDB. Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 55 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 56 14
15. • Table PRO_CAVEAT: Cảnh báo các lỗi phục vụ trong một cấu trúc, một mẫu tin sẽ xác định cấu • Table PRO_OBSLTE: Xuất hiện khi cấu trúc của trúc bị rút ra khỏi tập hợp cấu trúc công bố. protein bị loại. • Table PRO_COMPND: Mẫu tin compnd mô tả • Table PRO_TITLE: Chứa tiêu đề mô tả nội dung nội dung của cấu trúc. Mỗi đại phân tử tìm thấy của cấu trúc và bất kỳ thủ tục hoặc điều kiện để trong cấu trúc được mô tả trong một tập hợp phân biệt cấu trúc này với cấu trúc khác. token: giá trị cặp và được tham chiếu đến thành phần mẫu tin compnd khác. Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 57 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 58 • Table PRO_SOURCE: Mẫu tin chỉ định loại tài • Table PRO_EXPDTA: Đại diện thông tin về thực nguyên sinh học hoặc hoá học của mỗi phần tử nghiệm. Mẫu tin này bắt buộc và xuất hiện trong sinh học trong cấu trúc. tất cả cấu trúc • Table PRO_KEYWDS: Lưu trữ một tập hợp • Table PRO_AUTHOR: Lưu tên của những người những khoá thích hợp đến cấu trúc. Các khoá tìm ra cấu trúc. trong bảng KEYWDS cung cấp một ý nghĩa để phân loại cấu trúc. Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 59 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 60 15
16. • Table PRO_JRNL: Lưu trữ những bài báo mô tả • Table PRO_REVDAT: Lưu lại lịch sử sửa đổi của quá trình thực nghiệm tìm ra kết quả. Một cấu cấu trúc từ khi được công bố. trúc có ít nhất một tham chiếu JRNL. • Table PRO_SPRSDE: Chứa danh sách mã ID • Table PRO_REMARK1: Lưu trữ chi tiết thực của các cấu trúc bị lạc hậu, bị rút ra khỏi tập dữ nghiệm, giải thích, ghi chú và thông tin không liệu đã công bố. nằm trong những mẫu tin khác. Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 61 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 62 TÌM KIẾM TƯƠNG ĐỒNG TRONG NGÂN • Có thể tìm trong tài liệu về cấu trúc của CSDL DNA HÀNG DỮ LIỆU và Protein Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 63 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 64 16
17. BLAST • BLAST tìm kiếm giữa chuỗi truy vấn với chuỗi có trong CSDL bằng: • BLAST (Basic Local Alignment Search Tool) là – Phương pháp heurictic công cụ tìm các vị trí tương đồng cục bộ giữa các – Giải thuật Smith-Waterman trình tự sinh học DNA và Protein. • Được phát triển bởi NCBI. Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 65 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 66 • Có 5 chương trình BLAST chính: • Mặc dù không chính xác bằng thuật giải Smith- – nucleotide blast Waterman, nhưng phương pháp heurictic vẫn – protein blast được chọn lựa bởi cho tốc độ tìm kiếm nhanh gấp – Blastx nhiều lần khi phải truy vấn trong ngân hàng dữ – tblastn liệu lớn – tblastx Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 67 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 68 17
18. • nucleotide blast: để tìm một trình tự nulcleotide từ • protein blast: tìm một trình tự peptide, hoặc CSDL nucleotide polypeptide từ CSDL protein. • Thuật toán sử dụng: • Thuật toán: – blastn, megablast, discontiguous megablast – blastp, psi-blast, phi-blast, delta-blast Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 69 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 70 • tblastn: tìm một trình tự protein từ CSDL • blastx: tìm một trình tự nucleotide đã biên dịch từ nucleotide đã biên dịch CSDL protein Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 71 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 72 18
19. BLAST ( • tblastx: tìm một trình tự nucleotide đã biên dịch từ CSDL nucleotide đã biên dịch. Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 73 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 74 Ví dụ • Sau đó chuyển vào trang dùng Nucleotide • Tạo DNA ngẫu nhiên từ BLAST dna.html Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 75 Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 76 19
20. • Kết quả tìm kiếm được: Assoc. Prof. Tran Van Lang, PhD, VIETNAM ACADEMY OF SCIENCE AND TECHNOLOGY 77 20