1. Bioinformática y la era post-genómica
Coral del Val Muñoz
Dept. Ciencias de la Computación e Inteligencia Artificial,
Universidad de Granada
Dept. Molecular Biophysics, German Cancer Research Center Heidelberg, Alemania
Dept. Molecular Microbiology HHMI, Washington University, St. Louis USA

2. Volvemos al principio…“El dogma central”
ADN
Replicacion
ARN
Trascripción
Proteína
Traducción

3. Biología Molecular: ProcariotasVsEucariotas
Eucariotas: tienen una membrana nuclear y orgánulos (plantas, animales, hongos,…)
Procariotas: no tienen una membrana
Que separe núcleo y orgánulos (bacteria)
NO todos los organismos unicelulares son procariotas (levadura)
BIOS Scientific Publishers Ltd, 1999

4. ¿Cómo y dónde encontramos los genes?
ATGCCAGGCCCCCCACCAGCCACGTTGGGGCAGCCCCCACAGCTCCCGGCCTTCGGGCCAAGGTGTCGGGGTGCGTCTCCTGGCCCATCAATACAGATTACATATTTATATCAATCGCGGGCTCTGAGGGCGCCCTCGGAGAGCGGCCCCGCGCCTACGAAACCAAACTGGGAGTGGTCGCGCGGAAACTCTGGCTCGGGATTGGCTGCGGGCGCCCGCCGCGGTGCGGGGGGATTGCTAATCGTATTCAGCATGTTTTGCACAAGAAATGTCAGCCAGAAAGGGCTATCTGCTCCCTTCGCCAAATTATCCCACAACAATGTCATGCTCGGAGAGCCCCGCCGCGAACTCTTTTTTGGTCGACTCGCTCATCAGCTCGGGCAGAGGCGAGGCAGGCGGCGGTGGTGGTGGCGCGGGGGGCGGCGGCGGTGGCGGTTACTACGCCCACGGCGGGGTCTACCTGCCGCCCGCCGCCGACCTGCCATACGGGCTGCAGAGCTGCGGGCTCTTCCCCACGCTGGGCGGCAAGCGCAATGAGGCAGCGTCGCCGGGCAGCGGTGGCGGTGGCGGGGGTCTAGGTCCCGGGGCGCACGGCTACGGGCCCTCGCCCATAGACCTGTGGCTAGACGCGCCCCGGTCTTGCCGGATGGAGCCGCCTGACGGGCCGCCGCCGCCGCCCCAGCAGCAGCCGCCGCCCCCGCCGCAACCACCCCAGCCAGCGCCGCAGGCCACCTCGTGCTCTTTCGCGCAGAACATCAAAGAAGAGAGCTCCTACTGCCTCTACGACTCGGCGGACAAATGCCCCAAAGTCTCGGCCACCGCCGCCGAACTGGCTCCCTTCCCGCGGGGCCCGCCGCCCGACGGCTGCGCCCTGGGCACCTCCAGCGGGGTGCCAGTGCCTGGCTACTTCCGCCTTTCTCAGGCCTACGGCACCGCCAAGGGCTATGGCAGCGGCGGCGGCGGCGCGCAGCAACTCGGGGCTGGCCCGTTCCCCGCGCAGCCCCCGGGGCGCGGTTTCGATCTCCCGCCCGCGCTAGCCTCCGGCTCGGCCGATGCGGCCCGGAAGGAGCGAGCCCTCGATTCGCCGCCGCCCCCCACGCTGGCTTGCGGCAGCGGCGGGGGCTCGCAGGGCGACGAGGAGGCGCACGCGTCGTCCTCGGCCGCGGAGGAGCTCTCCCCGGCCCCTTCCGAGAGCAGCAAAGCCTCGCCGGAGAAGGATTCCCTGGGTAAGCAGGGCTGCAGAGGGCTGCAGTCAGGCGGGCAGACAGGCAGACACAAGGAGGAGAAGGATCAGAAAACTAGGAGCCCGCGCAGCAGCCGGCCGGCCTTGGCCCAAGCTGCAGGCAGGCTGACCTTGTGAACTTGCTTTTTAATATTTGGGCGTGGGGGCGCAGTAAAATTCATGTCCGGCTTAGCGCCCCACAGCAAGACGTCCTCGGCGCTGGCCTCAGCTCCCCCTGACTAGGGACGAGGACACCAGCGAGCAGGCCCCCTCCTGTGCGCTCTTTCCTGTGGCCGGGAGGACCCAGAGCCCTGGTCCCTGCCCAGCCTGCGCGGCGCGGCCCACGCGGGGGGAGGGGGAGGGAGGGAAAGTAGCTCGCCCGCAGATAGCGCGGATGTTTGTAAGGCATCCAAAATAAGCAGCCGCCAGCGCCAATAAATAAGCCCATTAACCGGCGAAGTTCGAGTGTACGATCCCCCATGCTTTTTTCAAAGTTGCTGAGGGGCGGGAATCTTCGTGGCGGGAAGAAGAAAAGGCAAATCCGGCCTGGAAGCGGGGGGCCCTGAGCTGAGAGCCAGAGAAGGGCCATTTCCCTTCCCCTGGACCTCGGAATCGCCCAGCTATGTATCCTGGCTCCTGGAGAAACTTGAGGGAGGGCCCTTGACCCCCGAATCGGTTTTTCCTGCCTTCCCCATTGGACCAATGATGCCCTTCTTTCTCCCCTTATCGAGTCTTGGGCAATCAGGGCCCTGGGGTGAGACAGCCAAGCTGCCTGGCCCATCTTCCAAGTAAGCACCCCGCGCTCCTAGCCTGGGGGCTACAGGAAATGCTTGTCTGCCATATGGCAAGAGGCAAAGAAAAGCGTTAAGTTCAAGATGTACAGCCTGCCCTCCCAGGCCTTTCCTTCTGCAAGCATCTACGGCTTAGCGCTAAAACAGGTGTTTGGAAAAGTGGGGGAAATGTAAATTGGAAGGGTCATGTAGATTGAAGGCCCACTCAATTTTTGTCATGACTTATGGAGGAACTGCTTGCTCTCAGCAAGCCAAAAACGGGGGCACGACTCTCTTCTCTGTGACTTGGGACATCTCTCTTATGGGAGAAACGGAGGCAATTCACCCCCGCGGGCAGCCCGTGTGGCCTCGACTTAATCATCCCCTCTTTATTCTCTTACATGCCAGGCAATTCCAAAGGTGAAAACGCAGCCAACTGGCTCACGGCAAAGAGTGGTCGGAAGAAGCGCTGCCCCTACACGAAGCACCAGACACTGGAGCTGGAGAAGGAGTTTCTGTTCAATATGTACCTTACTCGAGAGCGGCGCCTAGAGATTAGCCGCAGCGTCCACCTCACGGACAGACAAGTGAAAATCTGGTTTCAGAACCGCAGGATGAAACTGAAGAAAATGAATCGAGAAAACCGGATCCGGGAGCTCACAGCCAACTTTAATTTTTCCTGATGAATCTCCAGGCGAC

5. Gen procariota (bacterias)
Alta densidad de genes y estructura sencilla
Genes cortos con poca información
Genes solapados

6. Ejemplo de promotor procariota
Pribnow box located at –10 (6-7bp)
Promoter sequence located at -35 (6bp)

7. Eukaryotic Gene Organisation
Core Promoter
Proximal Promoter
TSS
TATA GC
Inr
CAAT
Promoter
core
proximal
Transcription:
core promoter: loosely conserved initiator region (Inr) around TSS
~ : TATA-box
proximal promoter: ~ : CAT (CCAAT)
~ - 170: GC-box
The sequences just 5' of the start site of transcription are the most important for the initiation of transcription. This is where the transcription complex is built. In general, this region is called the promoter. For eukaryotes, several sequences same to be conserved among many genes. One such sequences is the TATA box. The sequence is located about 30 bases upstream (-30) from the transcription start site and is the one sequence required for any significant transcription to occur. Other sequences add in transcription but are not always part of promoter. The two most found are the CCAAT box (called the CAT box) and the GC box. Because mutants of these three sequences only express mRNAs at low levels, these are considered the most important sequences of the basic transcription complex.
The sequences just 5' of the start site of transcription are the most important for the initiation of transcription. This is where the
transcription complex is built. In general, this region is called the
promoter. For eukaryotes, several sequences same to be conserved
among many genes. One such sequences is the TATA box. The
sequence is located about 30 bases upstream (-30) from the
transcription start site and is the one sequence required for any
significant transcription to occur. Other sequences add in transcription
but are not always part of promoter. The two most found are the CCAAT
box (called the CAT box) and the GC box. Because mutants of these
three sequences only express mRNAs at low levels, these are
considered the most important sequences of the basic transcription
complex.
enhancer/silencer: upstream or downstream to promoter
Translation:
5‘ Kozak sequence: GCCACCATG
3‘ polyadenylation site: AATAAA

8. Gen eucariota (con núcleo)
Baja densidad de genes y estructura compleja
Corte y unión alternativo (Splicing alternativo)
Pseudo-genes
5'UTR
3'UTR
Exon 1
Exon 2
Exon 3
Intron 1
Intron 2
preRNA:
ATG
TAA
Splicing /
Polyadenylation
polyA
mRNA:
ATG
TAA
AAAAAAAAA
Traducción
active protein:
CPLTW
GFL
Splice variant
CPLTW
PJC
Modificación post-transduccional
CPLTW
LAC

9. Genes Procariotas vs Eucariotas

10. Espliceosoma

11. ¿Cómo reconocer un gen? Por homología (similaridad en la secuencia)
Requiere una secuencia similar no muy distante
Ab initio
Requiere: Información de su composición
Información de señales

12. Identificación por homología
Alineamientos por pares
- Globales: Needleman & Wunsch
- Locales: Smith & Watterman
Alineamientos múltiples:
- Clustalw
- T-Coffee
- Di-Align
- DSC
Búsquedas en Bases de Datos
- BLAST - Phi-BLAST
- FASTA Megablast
- Psi-BLAST
- BLAT
- WU-BLAST
El algoritmo encuentra las secuencias de la base de datos que tienen mayor parecido a la secuencia query. Es importante mencionar que BLAST usa un algoritmo heurístico por lo que no nos puede garantizar que ha encontrado la solución correcta. Sin embargo, BLAST es capaz de calcular la significancia de sus resultados, por lo que nos provee de un parámetro para juzgar los resultados que se obtienen

13. Métodos por homología Problemas:
Genes sin homólogos en las bases de datos no son detectados
Se requiere de homólogos cercanos para deducir la estructura del gen

14. Métodos ab Initio
Integra la detección de señales con las estadísticas de codificación
Éstas se deducen de un conjunto de entrenamiento
Detectar pequeños motivos de ADN (promotores, start/stop codons, splice sites, etc.)
Un sistema de puntuación “scoring” puede ser utilizado para evaluar estas predicciones

15. Detección de señales El problema de la detección de señales
Las señales de ADN tienen un bajo nivel de información
Son altamente inespecíficas y degeneradas
Dificultad para distinguir un TP de un FP
Como mejorar la detección de señales
Tomar en cuenta el contexto (ej. un sitio aceptor debe encontrarse entre un intrón y un exón)
Combinar las estadísticas de codificación
PSWM
Modelos Ocutos de Markov
Gribskov Profiles
Redes Neuronales

16. Probabilidad de la región codificante
Métodos ab Initio
Secuencia de ADN
Búsqueda de señales y regiones codificantes
Probabilidad de la región codificante
Modelos Ocutos de Markov
PSWM
Gribskov Profiles
Redes Neuronales

17. Computational annotation tools
Gene finding
Repeat finding
EST/cDNA alignment
Homology searching
BLAST, FASTA, HMM-based methods, etc.
Protein family searching
PFAM, Prosite, etc.

18. Which analyses need to be run?
Similarity searches
BLAST (Altschul et al., 1990)
BLASTN (nucleotide databases)
BLASTX (amino acid databases)
TBLASTX (amino acid databases, six-frame translation)
sim4 (Miller et al., 1998)
Sequence alignment program for finding near-perfect matches between nucleotide sequences containing introns
Gene predictors
Genefinder (Green, unpublished)
GenScan (Burge and Karlin, 1997)
Genie (Reese et al., 1997)
Other analyses
tRNAscanSE (Lowe and Eddy, 1996)

19. Which analyses need to be run and how?
mRNAs
ORFFinder(Frise, unpublished)
Protein translations
HMMPFAM 2.1 (Eddy 1998) against PFAM (v Sonnhammer et al. 1997, Bateman et al. 1999)
Ppsearch (Fuchs 1994) against ProSite (release 15.0) filtered with EMOTIF ( Nevill-Manning et al. 1998)
Psort II (Horton and Nakai 1997)
ClustalW (Higgins et al. 1996)

20. Raw sequence: Adh.fa
GAATTCCCGGTTCAATCTCGTAGAACTTGCCCTTGGTGGACAGTGGGACGTACAACACCTGCCGGTTTTCATTAAGCAGCTGGGCATACTTCTTTTCCTTCTCCCTTCCCATGTACCCACTGCCATGGGACCTGGTCGCATTGCCGTTGCCATGTTGCGACATATTGACCTGATCCTGTTTGCCATCCTCGAAGACGGCCAACAGACGGAATACCTGCCCGCCCCTTGCCGTCGTTTTCACGTACTGTGGTCGTCCCTTGTTTATGGGCAGGCATCCCTCGTGCGTTGGACTGCTCGTACTGTTGGGCGAGGATTCCGTAAACGCCGGCATGTTGTCCACTGAGACAAACTTGTAAACCCGTTCCCGAACCAGCTGTATCAGAGATCCGTATTGTGTGGCCGTGGGGAGACCCTTCTCGCTTAGCATCGAAAAGTAACCTGCGGGAATTCCACGGAAATGTCAGGAGATAGGAGAAGAAAACAGAACAACAGCAAATACTGAGCCCAAATGAGCGATAGATAGATAGATCGTGCGGCGATCTCGTACTGGTAACTGGTAATTTGATCGATTCAAACGATTCTGGGTCTCCCCGGTTTTCTGGTTCTGGCTTACGATCGGGTTTTGGGCTTTGGTTGTGGCCTCCAGTTCTCTGGCTCGTTGCCTGTGCCAATTCAAGTGCGCATCCGGCCGTGTGTGTGGGCGCAATTATGTTTATTTACTGGTAACTGGTAATTTGATCGATTCAAACGATTCTGGGTCTCCCCGGTTTTCTGTCCCGGTTCAATCTCGTAGAACTTGCCCTTGGTGGACAGTGGGACGTACAACACCTGCCGGTTTTCATTAAGCAGCTGGGCATACTTCTTTTCCTTCTCCCTTCCCATGTACCCACTGCCATGGGACCTGGTCGCATTGCCGTTGCCATGTTGCGACATATTGACCTGATCCTGTTTGCCATCCTCGAAGACGGCCAACAGACGGAATACCTGCCCGCCCCTTGCCGTCGTTTTCACGTACTGTGGTCGTCCCTTGTTAAAGTAACCTGCGGGAATTCCACGGAAATGTCAGGAGATAGGAGAAGAAAACAGAACAACAGCAAATACTGAGCCCAAATGAGCGATAGATAGATAGATCGTGCGGCGATCTCGTACTGGTAACTGGTAATTTGATCGATTCAAACGATTCTGGGTCTCCCCGGTTTTCTGGTTCTGGCTTACGATCGGGTTTTGGGCTTTGGTTGTGGCCTCCAGTTCTCTGGCTCGTTGCCTGTGCCAATTCAAGTGCGCATCCGGCCGTGTGTGTGGGCGCAATTATGTTTATTTACTGGTAACTGGTAATTTGATCGATTCAAACGATTCTGGGTCTCCCCGGTTTTCTGTCCCGGTTCAATCTCGTAGAACTTGCCCTTGGTGGACAGTGGGACGTACAACACCTGCCGGTTTTCATTAAGCAGCTGGGCATACTTCTTTTCCTTCTCCCTTCCCATGTACCCACTGCCATGGGACCTGGTCGCATTGCCGTTGCCATGTTGCGACATATTGACCTGATCCTGTTTGCCATCCTCGAAGACGGCCAACAGACGGAATACCTGCCCGCCCCTTGCCGTCGTTTTCACGTACTGTGGTCGTCCCTTGTTTATGGGCAGGCATCCCTCGTGCGTTGGACTGCTCGTACTGTTGGGCGAGGATTCCGTAAACGCCGGCATGTTGTCCACTGAGACAAACTTGTAAACCCGTTCCCGAACCAGCTGTATCAGAGATCCGTATTGTGTGGCCGTGGGGAGACCCTTCTCGCTTAGCATCGAAAAGCTTACGATCGGGTTTTGGGCTTTGGTTGTGGCCTCCAGTTCTCTGGCTCGTTGCCTGTGCCAATTCAAGTGCGCATCCGGCCGTGTGTGTGGGCGCAATTATGTTTATTTACTGGTAACTGGTAATTTGATCGATTCAAACGATTCTGGGTCTCCCCGGTTTTCTGTCCCGGTTCAATCTCGTAGAACTTGCCCTTGGTGGACAGTGGGACGTACAACACCTGCCGGTTTTCATTAAGCAGCTGGGCATACTTCTTTTCCTTCTCCCTTCCCATGTACCCACTGCCATGGGACCTGGTCGCATTGCCGTTGCCATGTTGCGACATATTGACCTGATCCTGTTTGACTGGTAACTGGTAATTTGATCGATTCAAACGATTCTGGGTCTCCCCGGTTTTCTGTCCCGGTTCAATCTCGTAGAACTTGCCCTTGGTGGACAGTGGGACGTACAACACCTGCCGGTTTTCATTAAGCAGCTGGGCATACTTCTTTTCCTTCTCCCTTCCCATGTACCCACTGCCATGGGACCTGGTCGCATTGCCGTTGCCATGTTGCGACATATTGACCTGATCCTGTTTGCCATCCTCGAAGACGGCCAACAGACGGAATACCTGCCCGCCCCTTGCCGTCGTTTTCACGTACTGTGGTCGTCCCTTGTTTATGGGCAGGCATCCCTCGTGCGTTGGACTGCTCGTACTGTTGGGCGAGGATTCCGTAAACGCCGGCATGTTGTCCACTGAGACAAACTTGTAAACCCGTTCCCGAACCAGCTGTATCAGAGATCCGTATTGTGTGGCCGTGGGGAGACCCTTCTCGCTTAGCATCGAAAAGTAACCTGCGGGAATTCCACGGAAATGTCAGGAGATAGGAGAAGAAAACAGAACAACAGCAAATACTGTGCGGCGATCTCGTACTGGACGGAAATGTCAGGAGATAGGAGAAGAAAA

21. Secuencias reguladoras
Promotores
Elementos del nucleo promotor
Caja TATA
Initiador (Inr)
Elementos posteriores al promotor (DPE)
Factores de transcripción (“TF”)
caja CAAT
caja GC
sitios SP-1
caja GAGA
Sitios activadores de la transcripción

22. Espliceosoma

23. Gracias por su atención…