Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

In silico eljárás makromolekulák tervezéséhez

Hasonló előadás


Az előadások a következő témára: "In silico eljárás makromolekulák tervezéséhez"— Előadás másolata:

1 In silico eljárás makromolekulák tervezéséhez
ELTE eScience RET 2.4-es alprojekt

2 Résztvevők: Projektvezető: Jakó Éena, Ph.D., ELTE RET eScience
Szoftverfejlesztés Ittzés Péter, Ph.D., ELTE RET eScience Horváth Arnold, szoftverfejlesztő, informatikus Kun Ádám, Ph.D., Collegium Budapest Kovács Attila, Ph.D. Tátrai Antal, doktorandusz ICF alkalmazása molekuláris filogenetikai analízisben Ari Eszter, doktorandusz, Genetikai Tanszék Podani János, D.Sc., Növényrendszertani és Ökol. Tanszék In silico molekulatervezési módszer in vitro tesztelése Pál Gábor, Ph.D., Biokémiai Tanszék Szenes Áron, doktorandusz, Biokémiai Tanszék

3 Az ICF elméleti háttere
Az ICF (Iterative Canonical Form) rövid ismertetése Eredetileg Boole függvények minimalizálására (Normálforma) Részben-rendezett halmazokon értelmezhető Kódolás: a részben-rendezett halmaz megfeleltetése a vizsgált strukúrának A részben-rendezést meghatározó reláció alapján a kódolt adatstrukúrát átrendezhetjük és ez az esetek egy jelentős részében információ vesztés nélküli tömörítés Megkönnyíti az osztályozást A struktúra átalakítása reflektálhat a funkcióra

4 Példa I. bináris string: 00111010
3 logikai változóval kódolva: a’bc’ + abc’ + a’b’c + a’bc

5 Példa távolságra Többféle távolságformulát alkalmaztunk: Euklideszi, Manhattan, Jaccard… Bináris eset, x = 3, y = 0 ED = 1,73

6 Az ICF eddigi alkalmazásai
Mérnöki alkalmazás: kombinációs hálózatok és programozható logikai modulok tervezése (Hazai szabadalom) Kémiai alkalmazás: molekuláris shape analízis Ökológiai: fajkombinációk elemzése Molekuláris taxonómia Makromolekulák leírása Ponttértkép Matematikai modell fA = fT = fC = fG = Kódolás ICF eredménye Dendrogram ICF Gráf TAGACTAG Szekvenciák

7 ICF alapú szoftverfejlesztés 2006
Az ICF 1.0 programcsomag I. ICF számítás Többféle input: Bináris Decimális Nukleinsav File import Eredmények mentése Eredmények ábrázolása gráfokon

8 Az ICF 1.0 programcsomag II.
Távolságok ICF alapján Az ICF számításnál bemutatott input Több távolságformula Eredmények exportja További elemzőprogramokhoz való kapcsolódás Pl.: SynTax 2000

9 Az ICF 1.0 programcsomag IV.
Felhasználói kéziköny Angol és magyar nyelven A program menüjéből elérhető HTML formátumban Telepítő program Windows Mac

10 Az ICF 1.0 programcsomag V. Moduláris szerkezet
Általános, diszkrét matematikai feladatokra alkalmas központi mag Erre épülnek az ICF-fel kapcsolatos modulok A megjelenítést egy különálló grafikus réteg végzi Könnyen bővíthető input/output modulokkal Objektum orientált - Java 1.5 alapú Platformfüggetlen Az algoritmust hatékonyabbá tettük, 263 hosszúságú bináris stringeket is kezel Számokban: db kódsor 120 osztály 9 template Tesztelés: ~ 200 teszt eset, jegyzőkönyv

11 A hagyományos és az ICF alapú megközelítések összehasonlítása
Az ICF alkalmazásai I. Az ICF, mint molekuláris filogenetikai módszer A hagyományos és az ICF alapú megközelítések összehasonlítása Hagyományos filogenetikai módszerek: Alap feltevés: az egyes nukleotidok egymástól függetlenül evolválódnak Az egyes pozíciókon lévő nukleotidok hasonlóságán alapszik Nagyon hasonló ill. nagyon különböző szekvenciák nem elemezhetőek ilyen módszerekkel ICF módszer: Alap feltevés: az egyes nukleotidok egymástól NEM függetlenül evolválódnak A szekvenciák absztrakt szerkezetének hasonlóságán alapszik Nagyon hasonló ill. nagyon különböző szekvenciákat is lehet elemezni Az ICF, mint molekuláris filogenetikai módszer tesztelése nagy emberszabású majmok mitokondriális tRNS génjei alapján A nagy emberszabású majmok összes (22) mitokondriális tRNS génjét vizsgáltam hagyományos, statisztikai megközelítésen alapuló filogenetikai módszerek (maximum parsimony, maximum likelihood, távolság alapú és Bayes statisztikai) és az ICF módszer segítségével. A vizsgálat célkitűzése az volt, hogy megbizonyosodjunk róla, hogy az ICF módszer legalább annyira alkalmas molekuláris filogenetikai vizsgálatokra, mint a hagyományos módszerek. Mióta léteznek filogenetikai elemzések sorra jelennek meg az újabb és az addigiaknál elfogadhatóbb eredményt ígérő módszerek. Így fejlődtek az eljárások a maximális parszimónától a Bayes statisztikai módszerekig. Ez természetesen kihatással volt az eredményekre is, egyre több bizonytalan leszármazási vonal találta meg a helyét az élet fáján. De még mindig bőven akadnak olyan leszármazási vonalak, melyek evolúciója eddig rejtve maradt. A hagyományos molekuláris filogenetikai módszerek egytől egyig statisztikai valószínűségeken alapulnak, kiindulási adatuk az illesztett szekvenciák egy-egy pozíciójában lévő bázisok közti hasonlóság. A vizsgált gént nem funkcionális egységként kezelik, az egyes pozíciókon lévő bázisokat egyenként hasonlítják össze. Ezzel szemben az ICF az egész szekvenciát, mint egységet képezi le vektorhalmazzá, melyből kiindulva a fajok rokonsági viszonyait tükröző dendrogram készíthető.

12 A nagy emberszabású majmok leszármazási viszonyai
A vizsgálataink alanyai a nagy emberszabású majmok, mert leszármazásuk mára tisztázottnak tekinthető, így alkalmasak egy új filogenetikai módszer tesztelésére. A mitokondriális tRNS-ekre azért esett a választásunk, mert az ICF különösen érzékeny arra, hogy a vizsgált szekvenciák megfelelően legyenek illesztve, az egyes pozíciókon lévő bázisok valóban homológok legyenek, és e fajok mitokondriális tRNS-eit nagy hasonlóságuk és ismert másodlagos szerkezetük miatt könnyű volt illeszteni. Valamint az összes nagy emberszabásúnak egész mitokondriális genomjának szekvenciája rendelkezésünkre áll, míg a genomi tRNS-ek nem minden esetben hozzáférhetőek.

13 22 mitokondriális tRNS gén
Öt módszer Számos fa Konszenzus törzsfák ICF ICF vektorok MP ML Bayes analízis szubsztitúciós modell Jaccard Manhattan távolság mátrix távolság mátrix A vizsgált 8 faj 22 mitokondriális tRNS génjére mind az 5 módszerrel elkészítettem a génfákat. Az ICF módszer segítségével a szekvenciákból egy azokat reprezentáló vektorhalmazt állítottunk elő. Majd a vektorok között Jaccard és Manhattan távolságokat számolva szomszéd-összevonó módszerrel kaptuk meg génfákat. A génfákból módszerenként konszenzus fákat állítottam elő. NJ NJ Diszkrét matematikai módszer Hagyományos módszerek

14 Az eredmények és Bayes A kapott 5 konszenzus fa topológiáját összehasonlítottam a nagy emberszabású törzsfával, így kiderült, hogy melyik módszer kezelte legeredményesebben a mitokondriális tRNS adatokat. A nagy emberszabású majmok mitokondriális tRNS-ei annyira hasonlóak egymáshoz, hogy a hagyományos filogenetikai módszerek közül csak a Bayes statisztikán alapuló tudott megfelelő eredményt szolgáltatni. Csakúgy, mint a szekvenciák elsődleges szerkezetének absztrakt leképezésével dolgozó ICF módszer, mely szintén a megfelelő leszármazási mintázatot támasztotta alá, annak ellenére, hogy a bootstrap analízisek azt mutatták, hogy a mitokondriális tRNS molekulákban túl kicsi a filogenetikai jel.

15 A transzfer RNS másodlagos szerkezete harmadlagos szerkezete
aminosav kötő hely aminosav kötő hely DHU hurok Tψ C hurok Elsődleges szerkezetüket tekintve (vagyis szekvenciális szin) különböznek egymástól, de másodlagos és harmadlagos szerkezetük meglehetősen hasonló. Funkcionális szempontból az antikodon hurok és az aminosavkötő helyet emelném ki. A messenger RNSen lévő információt az antikodon hurok ismeri fel és az aminosav kötő helyhez kötve szállítódik a megfelelő aminosav. Extra hurok antikodon hurok

16 Az ICF validálása identitásváltást okozó tRNS mutációk vizsgálatával

17 Az ICF validálása identitásváltást okozó tRNS mutációk vizsgálatával

18 Az ICF validálása identitásváltást okozó tRNS mutációk vizsgálatával
Gráfok közötti távolságok ábrázolása

19 Új antibiotikum célpontok keresése az ICF módszerrel
Az ICF alkalmazásai II. Új antibiotikum célpontok keresése az ICF módszerrel az antibiotikumok használhatósága rohamosan csökken a rezisztens mikroba törzsek kifejlődése miatt

20 A patogének elleni küzdelem egyik módja eddig nem kiaknázott molekuláris célpontok elleni antibiotikumok kifejlesztése. A célpont esszenciális kell, hogy legyen a mikroba számára. A célpontnak el kell térnie a humán megfelelőjétől. A tRNS és aminoacil-tRNS szintetáz (AARS) kölcsönhatás gátlása ideális antibiotikum mechanizmus lehet. Az AARS enzimek működése esszenciális a sejt számára. 20-féle AARS enzim van, mindegyikből csak egyféle (nincsenek izoenzimek). Mind az AARS enzimek, mind a tRNS-ek mutatnak eltéréseket prokarióta – eukarióta vonatkozásban.

21 Melyik tRNS-szintetáz kapcsolat a leginkább eltérő a humán-mikroba rendszerekben?
a ab hsapi_Ala_TGC: GGGGATGTAGCTCAGT--GGT--AGAGCGCATGCTTTGCATGTATGAGGTCCCGGGTTCGATCCCCGGCATCTCCA hsapi_Ala_TGC: GGGGGTGTAGCTCAGT--GGT--AGAGCACATGCTTTGCATGTGTGAGGCCCCGGGTTCGATCCCCGGCACCTCCA hsapi_Ala_TGC: GGGGGTGTAGCTCAGT--GGT--AGAGCGCATGCTTTGCATGTATGAGGTCCCGGGTTCGATCCCCGGCACCTCCA hsapi_Ala_TGC: GGGGGTGTAGCTCAGT--GGT--AGAGCGCATGCTTTGCATGTATGAGGCCTCGGGTTCGATCCCCGACACCTCCA hsapi_Ala_CGC: GGGGATGTAGCTCAGT--GGT--AGAGCGCATGCTTCGCATGTATGAGGCCCCGGGTTCGATCCCCGGCATCTCCA hsapi_Ala_AGC: GGGGATGTAGCTCAGT--GGT--AGAGCGCATGCTTAGCATGCATGAGGTCCCGGGTTCGATCCCCAGCATCTCCA hsapi_Ala_AGC: GGGGGTGTAGCTCAGT--GGT--AGAGCGCGTGCTTAGCATGTACGAGGTCCCGGGTTCAATCCCCGGCACCTCCA hsapi_Ala_AGC: GGGGGTATAGCTCAGT--GGT--AGAGCGCGTGCTTAGCATGCACGAGGTCCTGGGTTCGATCCCCAGTACCTCCA hsapi_Ala_AGC: GGGGGTATAGCTCAGC--GGT--AGAGCGCGTGCTTAGCATGCACGAGGTCCTGGGTTCAATCCCCAATACCTCCA hsapi_Ala_AGC: GGGGGTGTAGCTCAGT--GGT--AGAGCGCGTGCTTAGCATGCACGAGGCCCCGGGTTCAATCCCCGGCACCTCCA hsapi_Ala_AGC: GGGGAATTAGCTCAAGC-GGT--AGAGCGCTTGCTTAGCATGCAAGAGGTAGTGGGATCGATGCCCACATTCTCCA hsapi_Ala_AGC: GGGGAATTAGCTCAAGT-GGT--AGAGCGCTTGCTTAGCATGCAAGAGGTAGTGGGATCGATGCCCACATTCTCCA hsapi_Ala_AGC: GGGGAATTAGCGCAAGT-GGT--AGAGTGCTTGCTTAGCATGCAAGAGGTAGTGGGATCGATGCCCACATTCTCCA hsapi_Ala_AGC: GGGGAATTAGCCCAAGT-GGT--AGAGCGCTTGCTTAGCATGCAAGAGGTAGTGGGATCGATGCCCACATTCTCCA hsapi_Ala_AGC: GGGGAATTAGCTCAAGT-GGT--AGAGCGCTCGCTTAGCATGCGAGAGGTAGTGGGATCGATGCCCGCATTCTCCA hsapi_Phe_GAA: GCTGAAATAGCTCAGTT-GGG--AGAGCGTTAGACTGAAGATCTTAAAG-CCCTGGTTCAACCCTGGGTTTCAGCC hsapi_Phe_GAA: GCCGAAATAGCTCAGTT-GGG--AGAGCGTTAGACTGAAGATCTAAAGGTCCCTGGTTCGATCCCGGGTTTCGGCA hsapi_Phe_GAA: GCCGAGATAGCTCAGTT-GGG--AGAGCGTTAGACTGAAGATCTAAAGGTCCCTGGTTCAATCCCGGGTTTCGGCA hsapi_Phe_GAA: GCCGAAATAGCTCAGTT-GGG–-AGAGCGTTAGACCGAAGATCTTAAAG-CCCTGGTTCAATCCCGGGTTTCGGCA . ? vchol_Ala_TGC: GGGGTTATAGCTCAGCT-GGG--AGAGCGCCTGCCTTGCACGCAGGAGGTCTGCGGTTCGATCCCGCATAACTCCA vchol_Ala_GGC: GGGGCTATAGCTCAGCT-GGG--AGAGCGCTTGCATGGCATGCAAGAGGTCTGCGGTTCGATCCCGCATAGCTCCA vchol_Phe_GAA: GCCCGGATAGCTCAGTC-GGT--AGAGCAGAGGATTGAAAATCCTCGTGTCGGTGGTTCGATTCCGCCTCCGGGCA vchol_Phe_GAA: GCCTCGATAGCTCAGTC-GGT–-AGAGCAGAGGATTGAAAATCCTCGTGTCGGTGGTTCGATTCCGCCTCGAGGCA

22 Teljes humán tRNS szett ICF analízise
Teljes patogén mikroba tRNS szett ICF analízise A legnagyobb mértékben eltérő humán-mikroba tRNS párok azonosítása Az azonosított párok funkcionális ellenőrzése A nem-működő párokhoz tartozó mikroba szintetáz lesz a potenciális antibiotikum célpont

23 A kísérletek végzése nemzetközi együttműködésben
Együttműködési megállapodáson dolgozunk a világ egyik legelismertebb tRNS-kutató csoportjával, melyet Catherine Florentz vezet a Pasteur Egyetemen (Strasbourg) Az ICF tesztelése a Pasteur Egyetemen már karakterizált, de még nem közölt tRNS-eken jelenleg zajlik. Sikeres tesztelés esetén beindulhatnak a nagy volumenű kísérletek.

24 További tervek és lehetőségek
Szoftverfejlesztés Az ICF kiterjesztése: fehérjeszekvenciák analízisére, CHIP adatok kiértékelésére, szociológiai adatok elemzésére Expressziós CHIP alapú gyógyszer hatóanyag keresés (csontritkulás) Orosz László, D.Sc. Genetikai Tanszék Ponyi Tamás, Ph.D. Genetikai Tanszék Vellai Tibor, Ph.D. Genetikai Tanszék Borsy Adrienn, doktorandusz Genetikai Tanszék Podani János, D.Sc. Növényrendszertani és Ökológiai Tanszék tRNS mutációk okozta mitokondriális rendellenességek vizsgálata Catherine Florentz, D.Sc. Pasteur Egyetemen (Strasbourg) tRNS - AARS komplexek 3D modellezése Paul G. Mezey, D.Sc. Newfoundlandi Egyetem (Canada) Simon Éva, doktorandusz Newfoundlandi Egyetem (Canada)


Letölteni ppt "In silico eljárás makromolekulák tervezéséhez"

Hasonló előadás


Google Hirdetések