Banche Dati proteiche

Transcript

1 Banche Dati proteiche Un altro grande database è UniProt, The Universal Protein Resource ( nel quale sono radunate le sequenze proteiche, e le annotazione delle stesse, ottenute grazie a: determinazione diretta della sequenza proteica traduzione di sequenze nucleotidiche per le quali sia stata individuata o predetta la funzione di gene codificante la proteina Uniprot è un consorzio che nasce dalla collaborazione tra: European Bioinformatics Institute (EBI); SIB Swiss Institute of Bioinformatics; Protein Information Resource (PIR). UniProt è una risorsa onnicomprensiva che in realtà raduna diversi database, tra cui fondamentale è UniProtKB (Protein knowledgebase) Informatica e Bioinformatica A. A

2 Swiss-Prot ( Il punto di forza di questo database è l elevato livello di annotazione effettuata dai suoi curatori. Informatica e Bioinformatica A. A

3 Query di sequenza in UniProt Siamo interessati a conoscere la sequenza proteica codificata dalla lactate dehydrogenase A Informatica e Bioinformatica A. A

4 Anche in questo caso possiamo ottenere la sequenza proteica E molte altre informazioni sulla struttura secondaria, terziaria (via PDB), sulle varianti conosciute e sulla funzione della proteina ricercata Informatica e Bioinformatica A. A

5 I database proteici secondari Contengono il risultato di analisi eseguite sulle sequenze contenute nei database primari per arricchire il dato di informazioni utili. Esempio: da Swiss-Prot sono stati ricavati i database secondari Prosite e Pfam, nei quali si pone maggior rilievo alla classificazione delle famiglie e dei domini proteici. Database of protein domains, families and functional sites as well as associated patterns and profiles to identify them Large collection of protein families, each represented by multiple sequence alignments and HMMs Informatica e Bioinformatica A. A

6 Famiglie proteiche e domini Nonostante l elevato numero di proteine esistenti, la maggior parte di esse può venire raggruppata in un numero limitato di famiglie in base alla similarità tra le loro sequenze. Studiando le famiglie proteiche si nota che durante l evoluzione alcune regioni si sono meglio conservate di altre. Analizzando le proprietà costanti e variabili di questi gruppi di sequenze simili, si può ricavare una firma per una famiglia proteica o dominio, che contraddistingue le proteine di un gruppo da altre proteine non correlate. I domini permettono di assegnare una nuova proteina ad una specifica famiglia proteica e così formulare ipotesi sulla sua funzione. Proteine o domini proteici appartenenti a una particolare famiglia solitamente condividono attributi funzionali e derivano da un comune progenitore: queste considerazioni sono fondamentali per effettuare un analisi comparativa. Informatica e Bioinformatica A. A

7 Domini proteici Molte proteine, specialmente quelle di grandi dimensioni, sono formate da più parti funzionali organizzate in strutture tridimensionali distinte che vengono chiamate domini proteici. Ad esempio alcuni fattori di trascrizione hanno due domini, uno in grado legarsi con una particolare sequenza di DNA, l altro in grado di attivare la trascrizione. Fattore di trascrizione DNA binding domain activation domain Seq. DNA promotore Complesso della trascrizione DNA Altro esempio: proteine (Zasp, ALP, CLP, ecc.) contenenti domini PDZ e LIM. Questi domini possono interagire e legare altre proteine Proteine formate da più di un dominio si sono probabilmente evolute per fusione di geni che contenevano tali domini: fusione genica è fattore importante nell evoluzione. Informatica e Bioinformatica A. A

8 Esempi: Domini LIM associati ad altri domini (Sono riportate solo alcune strutture proteiche contenenti il LIM domain) PFAM, PROSITE, ma anche SMART ( e InterPro ( sono tutti database contenenti domini funzionali delle proteine. Informatica e Bioinformatica A. A

9 Informatica e Bioinformatica A. A

10 Tra i 16 diversi record presenti in PROSITE che contengono il termine ricercato troviamo il dominio PDZ (PS50106) Informatica e Bioinformatica A. A

11 Nota: gli Hidden Markov Models sono complessi modelli statistici che dall analisi di sequenze primarie permettono la predizione di domini proteici e strutture proteiche. Informatica e Bioinformatica A. A

12 Esempio di ricerca in Pfam Ricerca dei domini presenti nella proteina ZASP: sono individuati 6 record Possono essere visualizzati le principali architetture proteiche che possiedono domini PDZ Informatica e Bioinformatica A. A

13 Possono essere visualizzati anche gli allineamenti dei domini nelle differenti proteine Informatica e Bioinformatica A. A

14 I browser genomici UCSC genome browser University of California Santa Cruz ( L enorme aumento dei dati riguardanti interi genomi, in particolare quelli derivanti dai progetti di sequenziamento di vertebrati, ha richiesto lo sviluppo di veri e propri browser di genomi. Per questo motivo presso la UCSC è stato sviluppato uno dei primi genome browser in grado di fornire una rapida visualizzazione grafica di ogni regione di genoma di qualsivoglia lunghezza assieme ad una grande quantità di informazioni come: geni noti, geni predetti, ESTs (expressed sequence TAGs), mrna, elementi regolativi, geni omologhi di altri organismi, ecc. Successivamente i principali siti (NCBI, EBI ecc.) hanno sviluppato piattaforme sempre più complesse, in grado di integrare il maggior numero di informazioni su una certa regione in particolare del genoma umano e di numerosi altri organismi. Definizione di browser: interfaccia utente che permette di la navigazione tra oggetti, ad esempio Mozilla Web Browser. Informatica e Bioinformatica A. A

15 Informatica e Bioinformatica A. A

16 group Gruppo di organismi di interesse Organismo di cui si vuole visualizzare la regione genomica Nota: durante il sequenziamento di un genoma, spesso sono rilasciate versioni successive specialmente nella fase finale del progetto: possono essere più o meno definitive. Qui si fa riferimento a varie versioni (release) del genoma umano (l ultima è del 2009). Informatica e Bioinformatica A. A

17 Pulsanti di spostamento sul genoma Pulsanti per ingrandire o rimpicciolire l area di interesse Posizione attuale sul genoma chr: rappresentazione schematica e posizione Permette di saltare sulla posizione digitata sulla finestra di sinistra Informatica e Bioinformatica A. A

18 Posizione (bp) Geni con esoni, le barre spesse, e introni, le barre sottili. Traccia dei trascritti Grado di conservazione della sequenza tra organismi diversi Informatica e Bioinformatica A. A

19 Moltissimi sono i campi a disposizione, essi possono essere visualizzati in modo diverso o nascosti utilizzando le opzioni presenti nella parte inferiore della pagina Tipologia di traccia Ci sono varie possibilità di visualizzazione di ogni informazione sul genome browser. Provate ad esercitazione Informatica e Bioinformatica A. A

20 UCSC Genome Browser: descrizione del gene scelto.e molte altre informazioni!! Informatica e Bioinformatica A. A