Database biologici (banche di dati biologici)

Transcript

1 1

2 Lo sviluppo di tecnologie strumentali sempre più sofisticate ha portato ad una enorme produzione di dati biologici. Per la gestione di questi dati è quindi necessario disporre di potenti sistemi di archiviazione e di strumenti per accedere alle loro informazioni. Database biologici (banche di dati biologici) - Sono essenzialmente dei contenitori ordinati di informazioni costruiti per introdurre e mantenere dati di tipo biologico e permettere una facile consultazione ( query) - raccolgono informazioni e dati derivati dalla letteratura e da analisi effettuate in laboratorio oppure attraverso l applicazione di analisi bioinformatiche o analisi in silico. - sono generalmente accessibili liberamente e possono essere consultati via web. ogni banca dati è caratterizzata da un elemento centrale attorno al quale viene costruita la entry della banca dati. - Ad esempio, l elemento centrale per le banche dati di sequenze di acidi nucleici è la sequenza nucleotidica di DNA o di RNA 2

3 Esistono molti differenti DB biologici, più o meno specialistici, che sono in continua evoluzione E relativamente facile ricercare dati particolari all interno di un DB conosciuto, può risultare invece difficile trovare dati se non si conosce l esatta esistenza di particolari DB Per queste ricerche vengono in aiuto strumenti (tools) messi a disposizione dai principali centri di bioinformatica, in particolare ENTREZ all NCBI (negli USA) e EMBL-EBI (in Europa) ENTREZ E il punto di partenza per eseguire query su tutti o parte dei database dell NCBI 3

4 Anche all EBI è possibile ricercare contemporaneamente termini chiave in tutti i database Risultati ricerca telethonin in all databases 4

5 Organizzazione di un database biologico L oggetto principale è la ENTRY, una unità riconoscibile grazie ad un identificatore univoco, che possiede una descrizione organizzata in campi standardizzati riconoscibili grazie ad HEADERS univoci nella banca dati; esempio Identificatore, Autore, Data, ecc. Generalmente, ogni banca dati presenta 2 versioni delle entries: Flat-file: un file di testo semplice, formattato, non interattivo HTML (o XML): interattivo, di facile consultazione L interattività ha un ruolo centrale per una banca dati, perché permette di navigare tra le sue entries e quelle di altri database Sia i flat-file sia le pagine XML sono ricchi di cross-references, riferimenti che mandano ad altre banche dati generiche o specializzate. Si ottiene così per ogni entry una serie di informazioni spesso ridondanti, tra cui è bene sapersi orientare, anche perché alcune sembrano in contraddizione, esempi: - una proteina può avere dei riferimenti a sequenze codificanti diverse - una entry può avere più nomi per descriverla o può corrispondere a più autori 5

6 Esempi di Cross-references 6

7 Cross-reference o database relazionale? Un cross-reference invia ad uno specifico record di un particolare database Flat-file x Flat-file x Record. Record Record ID.. Field: data. Field: data Cross reference Field: data Record. Record Record ID.. Field: data. Cross reference Cross reference Field: data Flat-file x Record. Record Record ID.. Field: data. Field: data Record. Record. Record. Record di un altro DB Un record di un database relazionale è formato dal contenuto di più campi 7 contenuti in differenti record di differenti file.

8 OPERATORI BOOLEANI (dovreste conoscerli dalla matematica e dall informatica) Esempio: metodi di ricerca di particolari sequenze in un database di sequenze nucleotidiche Nota: il mitocondrio è un organello cellulari che possiede un proprio corredo genomico (DNA) Attenzione: un motore biologico di ricerca, non esegue una esatta ricerca testuale: - In mancanza di operatore booleano, tra due differenti termini, inserisce AND -Se più parole consecutive sono riconducibile ad un preciso oggetto biologico, considera queste parole come un unico termine (es. cytochrome c oxidase è il nome di un gene, lo considera un unico termine: altrimenti avrebbe tradotto come: cytochrome AND c AND oxidase ) -Svolgono una operazione alla volta partendo da sinistra. Usare le parentesi per dare le precedenze alle operazioni volute. -I motori più evoluti cercano anche di interpretare la nostra volontà (usando ad esempio sinonimi o termini collegati) 8

9 Interrogazioni delle Banche Dati RICERCHE TESTUALI (QUERY) Restituiscono i record di un database che soddisfano i criteri richiesti (ricerca di tipo letterale, individua termini uguali) attraverso l utilizzo di programmi di RETRIEVAL (cioè di ricerca, reperimento dati). Ricordo che i database devono essere tutti standardizzati (tag, separatori, headers, segni di punteggiatura ecc) questo rende rapida la ricerca) RICERCHE PER SIMILARITÀ(su sequenze nucleotidiche o proteiche) Restituiscono le sequenze di un database più simili ad una sequenza fornita come query. Non sono delle vere e proprie query in quanto richiedono l esecuzione di programmi anche piuttosto complessi (ad esempio BLAST o FASTA). Domande: Trovare la sequenza nucleotidica del gene telethonin è una ricerca testuale o di similarità? Ricercare un sequenza proteica di homo sapiens è una query o una ricerca per similarità? In questa prima parte del corso ci occuperemo delle ricerche di tipo testuali 9

10 Ricerca di un articolo scientifico in PubMed Struttura di un articolo scientifico - Rivista dove è pubblicato (nome, data di pubblicazione, volume, pagina ) - Titolo - Autori - Abstract (Riassunto dell articolo) - Introduzione Materiali e metodi Risultati, discussione, conclusione Descrizione del lavoro - Opzionali: ringraziamenti - References (Bibliografia) 10

11 11

12 In medicina e biologia esistono molti sinonimi che rendono una ricerca testuale difficile. Si usa MeSH per facilitare tale ricerca. MeSH (Medical Subject Headings) ( È un dizionario dei sinonimi e contrari (thesaurus) controllato da NLM (National Library of Medicine s) Consiste in un insieme di termini descritti in strutture gerarchiche che permettono di effettuare ricerche a vari livelli di specificità. Le descrizioni di MeSH sono disposte sia in modo alfabetico che in modo gerarchico Termini descritti in strutture gerarchiche 12

13 MEDLINE (Medical Literature Analysis and Retrieval System Online) database bibliografico (e altro) Il database è prodotto dalla National Library of Medicine (NLM), contiene soprattutto gran parte della letteratura scientifica prodotta nell'ambito della biologia, della medicina e della biochimica. I principali dati degli articoli scientifici (provenienti da più di 5200 riviste) sono classificati e memorizzati in specifici campi. Un articolo scientifico è rappresentato da uno specifico record. Per permettere una veloce ricerca, il database è indicizzato su differenti campi e per l indicizzazione viene utilizzato il vocabolario controllato Medical Subject Headings (MeSH) MEDLINE è disponibile gratuitamente via internet attraverso "PubMed". Record MEDLINE 13

14 PubMed, disponibile tramite NCBI Entrez retrieval system, è stato sviluppato dal National Center for Biotechnology Information (NCBI) alla National Library of Medicine (NLM), è localizzato presso il National Institutes of Health (NIH). Principale form di ricerca Help Particolari strumenti per ricerche specifiche Altre risorse e database PubMed consente l accesso alle citazioni della letteratura biomedica e fornisce i link ad altre risorse biomolecolari di Entrez. Permette di trovare rapidamente una particolare pubblicazione di cui conosciamo ad es. il nome di un autore o un particolare 14 termine

15 Le regole di interpretazione del sistema PubMed sono: - Per ogni parola viene consultato l indice MeSH (vocabolario con tutti i termini medici e i loro sinonimi). -Se non si trova nulla, viene consultato l indice con tutti i giornali e le riviste, coi i codici ISSN e le altre informazioni. - Se non si trova nulla, si cerca nel campo autori di tutte le entries possibili. Ricerca mirata semplice 15

16 Voglio semplicemente ottenere da PubMed un elenco di tutti gli articoli in cui Faulkner risulti autore: Con Send è possibile memorizzare la ricerca su un file, stamparla, ecc Domande: quanti elementi (items) sono stati trovati? La ricerca può essere ritenuta soddisfacente? Come potrei impostare la query per ottenere risultati più specifici? Per poter effettuare complesse ricerche è necessario conoscere a fondo la struttura dei database, l esatta denominazione dei campi e la sintassi dei comandi (AND OR ecc.). 16 Ma ci vengono in aiuto alcune utility

17 Con serch si ottiene la lista completa Con Preview si ottiene solo l History Ricerca composta utilizzando le ricerche già effettuate. Esempio: Faulkner[Auth] AND ( zasp[title/abstract] OR telethonin[title/abstract] ) Cosa ci aspettiamo con #4 AND #5? 17

18 Esempio di prima, impostando il limite in the last 2 years 18

19 Come e cosa visualizzare Utilizzo di Display Setting In laboratorio provate ad applicare i differenti metodi di visualizzazione 19

20 Accedere ad un articolo scientifico Cliccando sull icona dell editore, sarà possibile scaricare l articolo. ( Solo se l articolo è free, altrimenti sarà necessario pagare) 20

21 A questo proposito.. per sapere se abbiamo accesso full text ad una rivista 21

22 Sapevate che sempre più libri di testo sono consultabili on-line grazie a Bookshelf di NCBI? 22