Programma ed Abstract delle Lezioni e delle Esercitazioni

Transcript

1 CORSO ESTIVO SU "STRUMENTI BIOINFORMATICI PER L'ANALISI E LA GESTIONE DEI DATI DI SEQUENZA, DI ANNOTAZIONE GENOMICA E DI ESPRESSIONE GENICA" Programma ed Abstract delle Lezioni e delle Esercitazioni Lunedì 27 Agosto SEQUENZIAMENTO, ANALISI COMPARATA E ANNOTAZIONE DEI GENOMI Giorgio Valle, Dipartimento di Biologia -CRIBI, Università degli Studi di Padova MATTINA BREAK POMERIGGIO (esercitazioni) BREAK Martedì 28 Agosto GENE ONTOLOGY Erika Feltrin, Dipartimento di Biologia-CRIBI, Università degli Studi di Padova MATTINA BREAK POMERIGGIO (esercitazioni) BREAK Mercoledì 29 Agosto IDENTIFICAZIONE DEI TRASCRITTI: EST E FULL LENGHT RNA Maria Luisa Chiusano, Dipartimento di Scienze del Suolo, della Pianta, dell Ambiente e delle Produzioni Animali, Università degli Studi di Napoli Federico II Primetta Faccioli, CRA-Istituto Sperimentale per la Cerealicoltura di Fiorenzuola d Arda MATTINA BREAK POMERIGGIO (esercitazioni) BREAK

2 Giovedì 30 Agosto ANALISI DELL ESPRESSIONE GENICA MEDIANTE MICROARRAY Massimo Delledonne, A. Ferrarini, Dipartimento Scientifico e Tecnologico, Università degli Studi di Verona MATTINA BREAK POMERIGGIO (esercitazioni) BREAK Venerdì 31 Agosto ALLA SCOPERTA DI CORRELAZIONI FUNZIONALI Davide Corà, Dipartimento di Fisica Teorica, Università degli Studi di Torino MATTINA BREAK (esercitazioni) POMERIGGIO Consegna diplomi

3 Abstract delle lezioni ed esercitazioni Sequenziamento, analisi comparata e annotazione dei genomi Docente: Prof. Giorgio Valle In questa parte del corso saranno discusse le prospettive aperte dalle nuove tecnologie di sequenziamento genomico ed i metodi con cui identificare gli elementi funzionali posti sui genomi. Saranno inoltre trattati i metodi per fare analisi comparata di genomi e per studiare la filogenesi molecolare di famiglie proteiche. Il metodo di Sanger per il sequenziamento di DNA venne messo a punto circa 30 anni fa. Da allora ha subito molti miglioramenti sia dal punto di vista della chimica di sequenziamento, sia per quanto riguarda la strumentazione. I sequenziatori automatici consentono ora di produrre una quantità di dati considerevole; tipicamente riescono a sfornare 96 sequenze di basi in una cinquantina di minuti, quindi circa due milioni di basi al giorno. I genomi degli organismi superiori sono però molto grandi. Ad esempio il genoma della vite è di circa 500Mbp ed ha richiesto la produzione di circa 6 miliardi di basi per essere risolto. Si può facilmente calcolare che per portare avanti un simile progetto sono necessarie risorse considerevoli. Negli ultimi mesi sono apparse sul mercato tre macchine di nuova generazione: la Roche 454, la Illumina/Solexa e la AppliedBiosystems/Solid. Lo strumento della Roche è in grado di produrre circa sequenze di 250 basi per corsa (complessivamente 100 milioni di basi), mentre gli altri due strumenti sono in grado di produrre alcune decine di milioni di sequenze corte, di circa 30 basi per corsa (complessivamente circa un miliardo di basi). Questi nuovi strumenti offrono la prospettiva di sequenziare interi genomi a costi molto ridotti, ma come tutte le cose nuove richiedono soluzioni specifiche che non sono immediatamente disponibili. Durante la presentazione saranno trattati i vantaggi ed i limiti di questi nuovi strumenti e, ovviamente, le prospettive che essi aprono. La disponibilità di sequenze genomiche complete è quindi destinata ad aumentare considerevolmente nei prossimi anni. La vera sfida non sarà il sequenziamento in sé, ma piuttosto la possibilità di interpretare e comprendere l'informazione contenuta nelle sequenze genomiche. A questo proposito il ruolo della bioinformatica è assolutamente essenziale. Durante la presentazione saranno considerati i metodi bioinformatici per annotare le sequenze genomiche, cioè per identificare gli elementi genetici in esse contenuti. Saranno considerati metodi basati su predizioni ab initio, sull'allineamento di sequenze di cdna, sulla predizione di possibili regioni codificanti proteine e sull'analisi comparata di interi genomi. Si cercherà inoltre di mettere a fuoco gli aspetti evolutivi dell'informazione genetica, sia per quanto riguarda l'evoluzione genomica (sintenie, analisi di ricombinazioni cromosomiche, analisi ed evoluzione di sequenze ripetute), sia per quanto riguarda l'evoluzione di specifiche famiglie geniche. Nella parte pratica verranno presentati e provati: Alcuni programmi di predizione genica e i metodi con cui i risultati possono essere visualizzati in G-Browse Alcuni programmi di allineamento multiplo di sequenze Alcuni programmi di filogenesi molecolare per ricostruire la storia evolutiva di famiglie proteiche Link utili

4 Gene Ontology Docente: Dr.ssa Erika Feltrin Le OBO ontologie come strumento per l'annotazione, l'integrazione e l'analisi di dati biologici e bioinformatici provenienti da risorse diverse. Le ontologie possono essere utilizzate dai ricercatori come mezzo per comunicare e scambiarsi informazioni perché esse stabiliscono una terminologia comune tra i membri di un dominio di interesse. Inoltre forniscono le basi per l interoperabilità tra i database e per l annotazione e l analisi di dati provenienti da esperimenti su larga scala grazie all uso di identificativi unici. In aggiunta, sono indispensabili come strumenti per integrare i database o come modelli di interrogazione delle risorse stesse. Durante questa sessione di lavoro verrà presentata la Gene Ontology (GO) ( un vocabolario strutturato, dinamico che descrive il ruolo dei geni e delle proteine in tutti gli organismi. La GO è costituita da tre ontologie indipendenti ed è continuamente aggiornata man mano che si accumulano informazioni su processi biologici, funzioni molecolari e localizzazione cellulare di geni e proteine. Si spiegherà come è possibile usando la GO, definire un associazione fra geni (e proteine) e i termini in essa contenuti allo scopo di creare un annotazione dei geni stessi. La creazione e utilizzo delle annotazioni è un ottimo esempio di una delle tante applicazione delle ontologie per l interpretazione dei dati sperimentali, proprio perché rappresenta il primo tentativo di standardizzazione delle informazioni biologiche. La GO non è l'unica ontologia attualmente diponibile ma è sicuramente la più conosciuta e la più usata tra tutte le cosiddette Open Biomedical Ontologies (OBO) ( Le OBO sono un insieme di ontologie sviluppate e mantenute seguendo delle regole ben precise che definiscono le caratteristiche che un'ontologia deve necessariamente soddisfare per poter essere classificata come OBO. Tutti questi vocabolari strutturati descrivono domini diversi di conoscenza per esempio anatomia umana (mouse adult anatomy ontology), patologie (Human Disease ontology), sostanze biochimiche (ChEBI ontology), organismi modello (Mais ontology) ecc. Per la gestione delle ontologie sono disponibili numerosi tool suddivisi in browser, editor, tool di annotazione e tool di analisi. I browser (e.s. AmiGO) permettono semplicemente di sfogliare i vocabolari mentre gli editor (e.s. OBO-edit) permettono di creare o modificare le ontologie. I tool di annotazione (es. protein2go) sono usati per annotare i geni e proteine con i termini delle ontologie e infine i tool di analisi (e.s. DAVID) applicano test statistici per analizzare set di dati e trovarne il significato biologico. Nella parte pratica verranno presentati: alcuni browser quali AmiGO, QuickGO e Ontology Lookup Service. l'editor ufficiale della GO: OBOedit il tool di annotazione della GO: protein2go Per quanto riguarda i tool di analisi si rimanda alla sessione Alla scoperta di correlazioni funzionali di venerdì 31 agosto. Referenze Ashburner M. et al (2000) Gene Ontology: Tool for the unification of biology. The Gene Ontology Consortium Nature Genetics 25:25-29; Clark J. (2005) It s All GO for Plant Scientists Plant Physiol. 138: Link utili Gene Ontology home page: OBO home page: AmiGO home page:

5 Identificazione dei Trascritti: EST E Full Lenght RNA Docenti: Dr.ssa Maria Luisa Chiusano, Dr.ssa Primetta Faccioli Uno dei principali problemi da affrontare nell analisi dei genomi riguarda l identificazione di regioni trascritte. Il sequenziamento parziale o totale di cloni di cdna costituisce un valido contributo in questo senso, soprattutto nel caso di organismi caratterizzati da grandi genomi, come accade di fatto per molte specie vegetali. In particolare, le EST (Expressed Sequenze Tags) sono sequenze nucleotidiche parziali di cloni di cdna utili alla caratterizzazione di quella parte di sequenze trascritte che costituiscono appunto il trascrittoma. La caratterizzazione di tali sequenze consente di investigare sull espressione genica in organismi complessi e trova molteplici ulteriori applicazioni. Per esempio le EST possono essere assemblate per tentare una ricostruzione completa dei trascritti originali, possono costituire una riserva da cui estrarre nuovi geni e marcatori utilizzabili in programmi di miglioramento genetico e rappresentano un valido strumento di annotazione genica. La popolarità conquistata dalle EST nell ambito della genomica è dimostrata largamente dal fatto che le banche dati mondiali hanno dovuto attivare sezioni apposite per la raccolta di queste sequenze. Nel corso della giornata dedicata all identificazione dei trascritti verranno in particolare presentate e discusse le metodologie bioinformatiche utilizzate per l organizzazione di banche dati EST, per l integrazione delle sequenze espresse nel processo di annotazione genica e per l analisi dei pattern di espressione.

6 Analisi dell espressione genica mediante microarray Docenti: Prof. Massimo Delledonne, Dr. Alberto Ferrarini Gli ultimi anni hanno visto il completamento del sequenziamento del genoma di molti organismi. Inoltre, il recente sviluppo di tecnologie di sequenziamento avanzate consente oggi di ottenere un numero elevato di sequenze geniche in tempi sempre più brevi e costi sempre più ridotti. Una delle sfide maggiori dell era della post-genomica è quindi quella di assegnare una funzione a tutti i geni identificati dai progetti genoma. Il DNA microarray sta giocando un ruolo fondamentale nell identificazione della funzione dei geni attraverso la comparazione dell espressione di migliaia di geni contemporaneamente in campioni di diverse linee cellulari, tessuti o sottoposti a diversi trattamenti. In questo corso verranno discusse diverse tecnologie e piattaforme microarray sottolineandone i diversi vantaggi e svantaggi in relazione alle diverse applicazioni. Verranno inoltre trattati aspetti pratici dell analisi dei dati di espressione ottenuti tramite Microarray come l estrazione dei dati, il filtraggio, la normalizzazione, il clustering e l identificazione dei geni differenzialmente espressi utilizzando esclusivamente pacchetti software Open Source e liberamente disponibili.

7 Alla scoperta di correlazioni funzionali: un framework computazionale integrato per la ricerca genome-wide di elementi regolatori negli eucarioti e loro annotazione funzionale Docente: Dr. Davide Corà Scopo della lezione è illustrare un approccio bioinformatico integrato per la ricerca di elementi regolatori in organismi eucarioti e per la loro definizione funzionale. Uno dei più importanti obiettivi della ricerca bioinformatica è delucidare i meccanismi di regolazione genica di una cellula in un organismo complesso. Un ruolo centrale nei meccanismi di regolazione è giocato dai fattori di trascrizione, proteine capaci di legarsi a specifiche sequenze di DNA di solito poste nella regione promotrice dei geni regolati, e attivare / ridurre l espressione dei geni stessi e quindi dei prodotti proteici finali. Un passo primario per raggiungere tale scopo è quello quindi, dato un certo genoma, di definire il vocabolario delle possibili sequenze di DNA con ruolo regolativo e di definirne il ruolo funzionale. Verrà presentato un framework computazionale per l identificazione ab-initio di elementi regolativi, focalizzato per l analisi del genoma umano. Il framework integra diversi concetti: analisi statistica delle sequenze, genomica compartiva, uso di dati di espressione (microarray) e dati di annotazione funzionale tramite Gene Ontology. Più in dettaglio, partendo dal catalogo di sequenze upstream conservate uomo-topo presenti nel database CORG, sono stati definiti set di geni accomunati da DNA motifs overrepresentati (con lunghezze da 5 a 9 nt) nella loro regione promotrice. I sets di geni così definiti sono stati analizzati per la ricerca di correlazioni funzionali comuni: Analisi dell annotazione di Gene Ontology per i geni dei sets, alla ricerca di annotazioni statisticamente significative. Analisi dei profili di espressione dei geni nei sets, alla ricerca di evidenze di coespressione. Sets di geni che superano i filtri funzionali così definiti sono quindi arricchiti di geni co-regolati e quindi il motif di DNA che li caratterizza è candidato ad essere un elemento regolatore comune, in cui la funzione è relativa alla caratterizzazione Gene Ontology e all esperimento di microarray rilevanti. Infine, la parte pratica dell esperienza consisterà nell uso di alcuni tools disponibili su WEB per l esplorazione di alcuni dei concetti visti a lezione su gruppi di sets di geni di particolare rilevanza. In particolare: - esplorazione del concetto di overrepresentazione tramite RSAT Tools ( - esplorazione del concetto di annotazione Gene Ontology significativa tramite DAVID ( Riferimento principale: Cora D, Herrmann C, Dieterich C, Di Cunto F, Provero P, Caselle M. Ab initio identification of putative human transcription factor binding sites by comparative genomics. BMC Bioinformatics May 2;6:110.

8 INFORMAZIONI PER I PARTECIPANTI AL CORSO ESTIVO "STRUMENTI BIOINFORMATICI PER L'ANALISI E LA GESTIONE DEI DATI DI SEQUENZA DI ANNOTAZIONI GENOMICA E DI ESPRESSIONE GENICA" Agosto 2007 Istituto Sperimentale per l Orticoltura Monsampolo del Tronto Per informazioni Istituto Sperimentale per l Orticoltura via Salaria, Monsampolo del Tronto Telefono orticolt@insinet.it Come raggiungere Monsampolo IN TRENO Stazione di SAN BENEDETTO DEL TRONTO da S.Benedetto del Tronto Bus (START): S.Benedetto-Monsampolo (direzione Ascoli Piceno) Per orari e informazioni: Treni (Trenitalia): S.Benedetto-Monsampolo (direzione Ascoli Piceno)

9 Come raggiungere Monsampolo IN AUTO Da Nord - ANCONA sull autostrada A14 Autostrada A14 Direzione PESCARA Uscita San Benedetto del Tronto Ascoli Piceno Continuare sulla SS16 (dir. Ascoli Piceno) Uscita Monsampolo del Tronto Via Cristoforo Colombo svoltare sx per Via Salaria Istituto Sperimentale per l Orticoltura Via Salaria 1 Da ROMA Autostrada A24 Direzione L AQUILA GIULIANOVA Autostrada A14 Direzione ANCONA Uscita San Benedetto del Tronto Ascoli Piceno Continuare sulla SS16 (dir. Ascoli Piceno) Uscita Monsampolo del Tronto Via Cristoforo Colombo svoltare sx per Via Salaria Istituto Sperimentale per l Orticoltura Via Salaria 1 Da Sud - PESCARA sull autostrada A14 Autostrada A14 Direzione ANCONA Uscita San Benedetto del Tronto Ascoli Piceno Continuare sulla SS16 (dir. Ascoli Piceno) Uscita Monsampolo del Tronto Via Cristoforo Colombo svoltare sx per Via Salaria Istituto Sperimentale per l Orticoltura Via Salaria 1

10 Come raggiungere Monsampolo IN AUTO ANCONA PESCARA SS16