Wiktor_Pęczar_praca_inż - bioinformatyka - xyzgeo

Wiktor_Pęczar_praca_inż.doc
(1964 KB) Pobierz
POLITECHNIKA RZESZOWSKA
im. I. Łukasiewicza
WYDZIAŁ ELEKTROTECHNIKI I INFORMATYKI
Katedra Informatyki i Automatyki
Opracowanie przykładów
prezentujących zastosowania języka
Python w bioinformatyce
Autor:
Promot
or:
Wiktor Pęczar
dr inż.
Krzysztof Świder
Rzeszów 2010
Spis treści
1
2
WSTĘP
4
BIOLOGICZNE BAZY DANYCH
5
2.1 PRZEGLĄD BAZ SEKWENCJI NUKLEOTYDOWYCH
2.2 ALGORYTMY DOPASOWANIA SEKWENCJI
2.3 CHARAKTERYSTYKA WYBRANYCH NARZĘDZI
5
11
15
JĘZYK PYTHON W ZASTOSOWANIACH BIOINFORMATYCZNYCH 19
3
3.1 WYBRANE ELEMENTY JĘZYKA
3.2 PRZEGLĄD ZASTOSOWAŃ
3.3 BIBLIOTEKA BIOPYTHON
4
19
28
30
APLIKACJE DO ANALIZY DANYCH GENETYCZNYCH
4.1 PRZYGOTOWANIE DANYCH DO ANALIZY
35
4.2 WYSZUKIWANIE I PORÓWNYWANIE SEKWENCJI DNA
4.3 PORÓWNYWANIE SEKWENCJI BIAŁKOWYCH
5
PODSUMOWANIE
BIBLIOGRAFIA
DODATEK A
43
44
45
35
37
40
1 Wstęp
Bioinformatyka to nowoczesna dziedzina nauki zajmująca się rozwojem metod
obliczeniowych służących do badania struktury oraz funkcji genów i białek. Jednocześnie rośnie
popularność języków programowania takich jak Perl i Python wykorzystywanych w aplikacjach
przetwarzających dane biologiczne. Coraz więcej badaczy zaczyna interesować się
bioinformatyką, a wraz z rozwojem narzędzi takich jak Biopython ich liczba powinna się
zwiększać.
Celem pracy jest krótka prezentacja biologicznych baz danych, wybranych narzędzi
do analizy danych biologicznych oraz języka programowania Python ze szczególnym
uwzględnieniem biblioteki Biopython. Część praktyczną stanowią trzy opracowane przez autora
aplikacje do pobierania i analizy sekwencji DNA oraz sekwencji białkowych.
Rozdział 2 zawiera charakterystykę najważniejszych baz sekwencji nukleotydowych.
Nawiązano do tego jak w odpowiedzi na potrzebę przechowywania informacji o sekwencjach
powstały odpowiednie bazy danych oraz jak zbierane w nich dane były organizowane i
zapisywane. Opisano również rodzaj przechowywanych informacji oraz strukturę rekordów. W
dalszej części rozdziału znajduje się opis kilku najważniejszych algorytmów dopasowania
sekwencji DNA oraz krótka charakterystyka narzędzi dostępnych za pośrednictwem strony NCBI
(National Center for Biotechnology Information) służących do porównywania i analizy sekwencji.
Rozdział 3 w całości poświęcony jest językowi programowania Python. Omówiona została
struktura języka oraz zaprezentowano możliwości biblioteki Biopython, która znacznie ułatwia
przetwarzanie danych biologicznych jakimi są sekwencje DNA i sekwencje białkowe. W rozdziale
wspomniano także o firmach i projektach, które stały się słynne na cały świat dzięki językowi
Python.
W rozdziale 4 zaprezentowane zostały trzy aplikacje autora napisane w języku Python.
Pierwsza z nich Entrez.py służy do wyszukiwania i pobierania informacji z biologicznych baz
danych dostępnych przez Internet. Za pomocą kolejnej aplikacji Alg_S_W.py można wykonać
porównanie dwóch sekwencji białkowych. Ostatnia, trzecia aplikacja BLAST.py umożliwia
przeszukanie za pośrednictwem Internetu wybranej bazy sekwencją pytającą w celu odnalezienia
sekwencji do niej podobnych. Pracę kończy krótkie podsumowanie.
2 Biologiczne bazy danych
2.1 Przegląd baz sekwencji nukleotydowych
Biologiczne bazy danych powstały w celu zaspokojenia rosnących potrzeb w zakresie
przechowywania i przetwarzania informacji z tej dziedziny nauki. Na początku były
wykorzystywane przez pojedynczych naukowców, umożliwiając wymianę informacji wąskiej
grupie specjalistów z dziedziny nauk biomedycznych. Bazy powstały również w celu
organizowania danych spływających z realizowanych projektów sekwencjonowania jak np.
ustalanie kolejności (sekwencji) aminokwasów w polipeptydach i nukleotydów w kwasach
nukleinowych. Stanowiły także pomoc dla firm farmaceutycznych w badaniach nad nowymi
lekami.
Rolą pierwszych baz danych było zbieranie i opisywanie sekwencji wyznaczanych
dostępnymi w tych czasach technikami sekwencjonowania. Gdy funkcjonowały już bazy danych,
w których przechowywano sekwencje, zaczęto rozwijać metody analizy gromadzonych danych
umożliwiając klasyfikowanie sekwencji, a tym samym katalogowanie rodzin białek i
charakteryzowanie związków funkcyjnych między nimi. Obecnie takie metody analizy sekwencji
odgrywają kluczową rolę w procesie opisywania genomów.
Masowy napływ informacji o genomach wywarł duży wpływ na badania biomedyczne.
Dotychczas zgromadzone dane pozwalały naukowcom prowadzić poszukiwania nowych genów i
białek, oceniać możliwości ich wykorzystania w terapii farmakologicznej oraz badać, dlaczego
różni pacjenci reagują w różny sposób na takie same dawki leków. Ilość dotychczas zebranej
informacji jest przytłaczająca. Ogromnym wyzwaniem staje się jej scalenie i przedstawienie w
postaci, która pozwoli wykorzystać sekwencje genomów człowieka i innych gatunków do
zrozumienia zawiłości biologii molekularnej, co z kolei umożliwi pełne zrozumienie związków
pomiędzy określonymi zmianami genetycznymi a chorobami.
Struktura rekordów
Struktura rekordów jest ściśle określona dla poszczególnych baz danych. Dzięki temu
dane mogą być wczytywane i automatycznie przetwarzane przez komputer. W tym celu konieczna
jest informacja o tym, jakiego typu dane zawiera rekord i gdzie należy ich szukać. Z każdym
rekordem w bazie danych wiąże się tzw. numer dostępu - niepowtarzalne i nie ulegające zmianie
oznaczenie przypisywane rekordowi w chwili jego umieszczania w bazie. Numery dostępu są
łatwo wyszukiwane i indeksowane przez komputery. Ponadto rekordom w niektórych bazach
danych przypisuje się dodatkowy identyfikator tekstowy (ID), który w skróconej formie niesie
informacje o zwartości określonego rekordu w sposób zrozumiały dla użytkownika.
Istotnym elementem definicji bazy danych jest struktura i zawartość rekordu. Każdy
rekord bazy danych sekwencji nukleotydowych powinien zawierać nazwę genu, informacje o
organizmie, z którego pochodzi, kto i kiedy go sekwencjonował, a także, jeśli to możliwe, jaka
jest jego funkcja i struktura. Niewątpliwie cenna będzie również informacja o wszelkich
publikacjach naukowych, które opisują wyniki badań dotyczących określonego genu.
Wymienione rodzaje informacji są odmiennie traktowane w różnych bazach danych. Nie ma
jednego sposobu umieszczania tych informacji w rekordach, ale ważne jest, aby konsekwentnie
stosować raz ustalony sposób zapisu danych określonego typu. Im lepiej przemyślana
struktura rekordów, tym łatwiej można je wykorzystać.
Sekwencja DNA - jest to kolejność nukleotydów w cząsteczce DNA. Oznaczana jest za
pomocą skrótów od zasad wchodzących w skład nukleotydów np. CCGATTACGT. Analogicznie,
sekwencja RNA to kolejność nukleotydów w cząsteczce RNA, z tym, że w RNA nie występuje
tymina "T", a uracyl "U". Powyższa sekwencja wyglądałaby więc tak: CCGAUUACGU. Istnieje
wiele baz danych zawierających sekwencje.
Chcąc wyświetlić zawartość pliku z pojedynczym rekordem danych trzeba przewinąć jego część
zanim dotrze się do fragmentu z sekwencją. Zwykle w tej części rekordu liczba znaków jest ściśle
ograniczona, a czasami kolejne reszty w sekwencji są podane w grupach po 10 znaków. Liczby
podane na początku i na końcu kolejnych wierszy zawierających sekwencje ułatwiają
zorientowanie się, w jakim miejscu aktualnie się znajdujemy. Wiele pakietów oprogramowania
bioinformatycznego ma własny format zapisu sekwencji. Jednym z najprostszych jest format
FASTA. Format ten składa się z jednej linii informacyjnej rozpoczynającej się od znaku
„>”(większe niż) zawierającej opis całej sekwencji. W kolejnych wierszach jest podana właściwa
sekwencja. Zaleca się aby wszystkie linie w pliku FASTA były nie dłuższe niż 80 znaków.
Zawartość początkowego fragmentu pliku w formacie FASTA z sekwencją kodującą białko
ludzkiego prionu przedstawiono na rys.1.
Rys.1 Fragment pliku w formacie FASTA
...
Plik z chomika:
xyzgeo
Inne pliki z tego folderu:
 dokowanie.rar (20349 KB)
Brightwork-master(1).zip (12725 KB)
Gibas2001DevelopingBioinformatics(1).pdf (2861 KB)
 wyklad_inauguracyjny_2011(4).pdf (2065 KB)
 Wiktor_Pęczar_praca_inż(2).doc (1964 KB)


Inne foldery tego chomika:

!!! aktualne !!!
 !Game Hacking Tutorial!
 !Kurs MySQL!
 %coursera% (xyz)
 %MIT% (xyz)
Zgłoś jeśli naruszono regulamin







Strona główna
Aktualności
Kontakt
Dla Mediów
Dział Pomocy
Opinie
Program partnerski




Regulamin serwisu
Polityka prywatności
Ochrona praw autorskich
Platforma wydawców
Copyright © 2012 Chomikuj.pl