Corso di Laurea Specialistica in Informatica Bioinformatica A.A. 2010/2011 Prof. Alfredo Ferro 09/03/2011

1. Corso di Laurea Specialistica in InformaticaBioinformaticaA.A. 2010/2011Prof. Alfredo Ferro09/03/2011

2. Contatti • Prof. Alfredo Ferro: ferro@dmi.unict.it • Dott. Giuseppe Pigola: pigola@dmi.unict.it • Dott. Alfredo Pulvirenti: apulvirenti@dmi.unict.it • Dott.ssa Rosalba Giugno: giugno@dmi.unict.it

3. Orari di Ricevimento (per appuntamento) • Prof. Alfredo Ferro Lunedì,Mercoledì,Venerdì 16.00 – 17.00Ufficio 324 – Blocco I, 2° PianoTel. 095 7383071ferro@dmi.unict.it • Dott. Giuseppe Pigola Lunedì,Mercoledì,Venerdì 16.00 – 17.00 Ufficio 308- Blocco I , 2° PianoTel. 095 7383087pigola@dmi.unict.it

4. Orario lezioni • Lunedì,Mercoledì e Venerdì 17-19 – Aula 2

5. Modalità d'esame • Prova orale/laboratorio • Progetto

6. Testi consigliati • Valle et al. Introduzione alla Bioinformatica Zanichelli • Jambeck, Gibas Developing Bioinformatics Computer Skills O'Reilly • Lewin Il Gene – Edizione Compatta Zanichelli

7. Genomica e Proteomica • La genomica è una branca della biologia molecolare che si occupa dello studio del genoma degli organismi viventi. • In particolare si occupa della struttura, contenuto, funzione ed evoluzione del genoma. • La proteomica è una disciplina che studia il proteoma, il complemento tempo-specifico e cellulo-specifico del genoma. • Il proteoma è l'insieme di tutte le proteine espresse in una cellula: • Dinamico nel tempo • Varia in risposta a fattori esterni • Differisce tra i diversi tipi cellulari di uno stesso organismo

8. Cos'è la Bioinformatica? • E’ la disciplina che studia le interazioni fra Informatica e processi biologici. Essa viene anche chiamata Biologia Computazionale. • Utilizza i metodi propri dell'informatica per la risoluzione di problemi biologici. • La genomica e la proteomica sono basate sulla Bioinformatica, per l'elaborazione, l'interpretazione e la visualizzazione dell'enorme quantità di dati che producono. • La nuova era è iniziata con il Progetto Genoma Umano e con la produzione della sequenza completa del DNA umano e di altri organismi.

9. La Bioinformatica • Necessità di interpretare la grande mole di dati collezionate dai biologi. • DNA(memoria), RNA(comunicazione), Proteine(computazione-esecuzione) etc.. • Quali parti del DNA controllano certi processi? • Qual è la funzione di certe proteine?

10. I principali tipi di dati • Biosequenze • DNA, RNA, Proteine • Strutture • DNA, Secondaria dell'RNA, Secondaria e Terziaria delle proteine • Dati di interazione • DNA-Proteina, RNA-RNA, RNA-Proteina, Proteina-Proteina • Livelli di espressione • RNA (microarray) • Proteine (protein array)

11. Esempio 1 • In una sequenza proteica è possibile individuare regioni funzionalmente importanti. • Ogni sequenza proteica è codificata da una sequenza genomica. • Supponiamo che la regione X nel moscerino sia cruciale in una certa funzione. • Domanda: esiste un analogo nell'uomo? • Risposta: effettuando una ricerca per similarità della regione X nel genoma umano è possibile individuare dei geni candidati.

12. Esempio 2 • Tutte le cellule di un individuo contengono lo stesso DNA. • Eppure un neurone è molto diverso da un globulo bianco! • Che cosa li rende così diversi nella forma e nella funzione? • Sebbene il DNA sia lo stesso, esso contiene delle regioni importanti in tutte le cellule ed altre specifiche per alcune di esse. • Mediante un'analisi del trascrittoma (microarray) è possibile stabilire quali regioni del DNA contengono informazioni relative al funzionamento di ognuna delle due cellule.

13. Esempio 3: Eyless e Aniridia: wet-biology • Eyless è un gene della Drosophila melanogaster (moscerino della frutta) la cui rimozione (wet biology) causa la generazione di mosche senza occhi. • I biologi hanno anche identificato un gene umano Aniridia la cui mancanza o eccessiva mutazione, tale da non far funzionare la corrispondente proteina, causa il mancato sviluppo dell’iride negli occhi.

14. Eyless e Aniridia: Bioinformatica • Operiamo una query a NCBI dando come input a BLAST la biosequenza del gene Eyless e ricercando match con Aniridia. • Il risultato mostra due regioni altamente simili. Il match è illustrato da una sequenza in mezzo alle due confrontate, contenente l’amminoacido nel caso di match perfetto, il segno + se c’è una similarità chimica (ad esempio D ed E sono acidi aspartico e glutammico), blank (cioè spazio vuoto) nel caso di NON MATCH.

15. QUERY BLAST EYLESS-ANIRIDIA

16. Match Parziale e NON Esatto • Eyless ed Aniridia hanno match significativi solo nelle posizioni 24-169 e 398-477 di Eyless con le posizioni 17-161 e 222-301 di Aniridia rispettivamente. Tutto il resto NON presenta match significativi. • Tuttavia il match è significativo per cui possiamo dedurre proprietà dell’Aniridia da quelle del più conosciuto Eyeless (struttura, funzione,effetti sul fenotipo(caratteristiche visibili o misurabili) etc..)

17. Programma del corso • Biologia molecolare: cellule, genomi ed evoluzione • Biologia molecolare: RNA e trascrizione • Biologia molecolare: La traduzione e le proteine • Basi di dati biologiche • Allineamento di sequenze • Gene prediction • Predizione della struttura secondaria dell’RNA • RNA non codificanti: miRNA e siRNA • Analisi del trascrittoma – Microarray • Systems Biology e Network biologiche • Sistemi per il mining di network biologiche • Il linguaggio Perl

18. Cellule, genomi e Dogma della Biologia Molecolare • La cellula • Il Genoma • Geni, pseudogeni, ripetizioni • Struttura dei geni • Il Dogma della Biologia Molecolare • Trascrizione (DNA -> RNA) • Traduzione (RNA -> Proteine)

19. Basi di dati biologiche • Dati biologici e loro formati • Sequenze biologiche • Banche dati generiche • NCBI, EMBL, DDBJ • NCBI • Entrez: Nucleotide, Protein, Gene • EMBL • Ensembl!

20. Allineamento di sequenze • Omologia, similarità e distanza • Funzioni di scoring e matrici di sostituzione • Allineamento Pairwise: algoritmo di Needleman-Wunsch • Allineamento Pairwise locale: BLAST, Smith-Waterman • Allineamento Multiplo • Funzioni di scoring: sum-of-pairs, entropia, circular sum • Center star method • Profili • Allineamento progressivo: algoritmo di Feng-Doolittle • ClustalW • Metodi basati su consistenza: T-Coffee, ProbCons • Valutazione di allineamenti multipli • Motif finding

21. Il linguaggio Perl • Perl • Il linguaggio di scripting più utilizzato in Bioinformatica • Interpretato • Punto di forza: espressioni regolari • Linguaggio "colla": utile nell'automatizzazione di esperimenti, test e nella conversione di formati

22. Gene prediction • Modelli di Markov Nascosti (HMM) • Metodi per la predizione di geni • ORF • Modelli statistici • Individuazione di Esoni ed introni • Tool per la predizione di geni • GenScan

23. Predizione della struttura secondaria dell’RNA • Struttura secondaria dell’RNA • Rappresentazione di strutture secondarie • Metodi probabilistici per la predizione • Tool per la predizione della struttura dell’RNA • MFold

24. Analisi del trascrittoma e Microarray • Microarray technology • Analisi di dati da microarray • Cenni su protein array

25. RNA non codificanti e miRNA • I miRNA • Database di miRNA • Predizione di geni miRNA • Predizione di target per miRNA • miRanda • RNA interference e siRNA

26. Database specializzati • NCBI • Pubblicazioni scientifiche:Pubmed • Profili di espressione: GEO • Polimorfismi: dbSNP • Interrogazione del DB via script: EUtils • Browser genomici • NCBI MapViewer • UCSC Genome Browser • miRNA • miRBase, TarBase, miRò • GO: Gene Ontology • Pathways • KEGG, Pathway Commons • Ensembl! BioMart

27. Network biologiche • Teoria dei grafi • Misure di Centralità • Classificazione delle network • Clustering e metodi per l'identificazione dei clusters • Network scale-free e gerarchiche • Rilevamento della struttura modulare • Algoritmi tradizionali • Single linkage clustering • Average linkage clustering • Algoritmi basati su betweenness centrality (Girvan, Newman)

28. Sistemi per il mining di network biologiche • Sistemi di visualizzazione di network • Cytoscape • Ricerca • Netmatch • Annotazione di network con miRNA • miRScape