Gene prediction
Sponsored Links
This presentation is the property of its rightful owner.
1 / 52

Gene Prediction PowerPoint PPT Presentation


  • 67 Views
  • Uploaded on
  • Presentation posted in: General

Gene Prediction. Marco Block Jonas Heise Nima Keshvari Michael Schreiber. Einführung. Wichtiges Gebiet der Bioinformatik Problematik ( exon alignment problem ) Biologische Herangehensweise Kombinatorischer Ansatz. exon assembly problem auf Pfadsuche in einem gerichteten

Download Presentation

Gene Prediction

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Gene Prediction

Marco Block

Jonas Heise

Nima Keshvari

Michael Schreiber


Einführung

  • Wichtiges Gebiet der Bioinformatik

  • Problematik (exon alignment problem)

  • Biologische Herangehensweise

  • Kombinatorischer Ansatz

  • exon assembly problem auf Pfadsuche in einem gerichteten

  • Graphen reduzieren (spliced alignment problem)

  • Optimierung :spliced alignment problem auf

  • network alignment problem (Kruskal) transformieren


exon alignment problem


exon alignment problem


exon alignment problem


exon alignment problem


exon alignment problem


exon alignment problem


exon alignment problem


exon alignment problem


Grundlagen der Biologie

Die Zelle ist von der Zellhülle oder –membran umgeben.

Im Zellleib oder Soma befindet sich der Zellkern.

Im Zellkern ist das Erbmaterial, die DNS.


Grundlagen der Biologie

Auf der DNS liegen die Gene.

Die Gene codieren für Proteine.


Grundlagen der Biologie

Die Gene sind unterteilt in Exons und Introns.


Grundlagen der Biologie

Die Exons werden bei der Translation (Produktion eines

Proteins aus mRNA) übersetzt, die Introns werden durch

Splicing entfernt.


Biologische Herangehensweise

RT-PCR


Naiver Ansatz

  • Suche alle möglichen Exon-Blöcke

  • Finde durch ausprobieren aller möglichen Kombinationen die bes


Kombinatorischer Ansatz

  • Rekursives Verfahren

  • Gerichteter Lösungsgraph wird erstellt


Kombinatorischer Ansatz

1a/10

Begrifflichkeiten :

G

String mit g1...gn (genomic sequence)

B

Substring von G mit gi...gj

= {B1,B2,...,Bb}

(i)

= {k : last(k) < i}, Blöcke die strikt vor der

Position von i enden

= (B1,B2,...,Bb) mit B1<B2<...<Bb

*

String mit B1 * B2 * ... * Bb)

T

String mit t1...tm (target sequence)

s(G,T)

optimal alignment zwischen G und T


Kombinatorischer Ansatz

1b/10


Kombinatorischer Ansatz

2/10

Nun lässt sich das spliced alignment problem mit G,T und B

formulieren, als :

Suche nach der Stringkette , die unsere Funktion s(*, T),

unter allen möglichen Blockketten aus B, maximiert.


Kombinatorischer Ansatz

3/10

Wir erstellen einen Graphen, dessen Knoten die Blöcke

und dessen Kanten die potential transitions zwischen diesen

sind. Das Kantengewicht ergibt sich aus dem optimal alignment

zwischen den konkatenierten Blöcken.

Dieses Problem ist aber nicht mit dem kürzesten-Wege-Problem

verwandt, da die Gewichte der Knoten und Kanten in den

Graphen noch nicht definiert sind.


Kombinatorischer Ansatz

4/10


Kombinatorischer Ansatz

5/10


Kombinatorischer Ansatz

5/10


Kombinatorischer Ansatz

5/10


Kombinatorischer Ansatz

5/10


Kombinatorischer Ansatz

5/10


Kombinatorischer Ansatz

5/10


Kombinatorischer Ansatz

6/10

Aufruf :


Kombinatorischer Ansatz

7/10

Laufzeit :

O(mnc * mb²)

Wir können, das spliced alignment problem zu dem bereits von

Kruskal formulierten network alignment problem transformieren.

Dabei versuchen wir den Weg zu finden, der die grösste Ähnlichkeit

mit einer gegebenen target-Sequence besitzt.

Laufzeit :

O(mnc * mb)

Es werden nun weniger Kanten benötigt.


Kombinatorischer Ansatz

7/10

Graphskizze :


Kombinatorischer Ansatz

9/10


Kombinatorischer Ansatz

8/10


Kombinatorischer Ansatz

8/10


Vergleichsfunktion D

  • Zwei Aminosäuren As1 und As2 werden nach chemischer Ähnlichkeit verglichen

  • Eine Matrix liefert die Score für jedes As-paar

  • Bewertungsmatrix kann angepasst werden, keine Optimale Lösung bekannt


Beispielmatrix

  • Scoringmatrix, nach Myers/Miller

  • Verwendet im Programm „ ALIEN“ ( berechnet multiple sequence Alignment )


Beispielmatrix

E : Glutamat, geladene As

F: Phenylalanin, aromatische unpolare As

-> negative Score (Penalty)


Beispielmatrix

K : Lysin, basische As

F: Arginin, ebenfalls basisch

-> positive Score


Kombinatorischer Ansatz

8/10


Option 2

Biologisches Phänomen:

In der DNA kann es zu INsertion und DELetion von Basen kommen, es kann also ein besserer Match gefunden wenn statt zu Vergleichen diese Basen übersprungen werden. Dabei wird eine Penalty vergeben ( negatives Vorzeichen von Dindel !!!)


Beispiel zu InDel

LIEBE

LEBEN

mögliches Annealing: 1Match

LIEBE_

L_EBEN

besseres Annealing: 4 Matches, 2 InDel‘s


Kombinatorischer Ansatz

8/10


Kombinatorischer Ansatz

8/10


Kombinatorischer Ansatz

8/10


Kombinatorischer Ansatz

8/10


Kombinatorischer Ansatz

8/10


Vergleich beider Verfahren

RT-PCR

Nachteile :

Vorteile :

  • nachweisbar (genauer)

  • grosser Aufwand

Spliced Alignment

Nachteile :

Vorteile :

  • schnelleres Verfahren

  • je mehr Daten zur Verfügung,

  • desto optimaler

  • kurze Sequenzen probl.

  • ...


Weitere Problemlösungsansätze

  • Statistische Annäherung

  • Hidden Markov Modelle

  • Reverse Gene Finding


Kombinatorischer Ansatz

Zusatz

Beispiel :

genomic sequence :

It was brilliant thrilling morning and the slimy hellish lithe

doves gyrated and gambled nimbly in the waves.

famous line :

´t was brillig, and the slithy toves did gyre and gimble in the

wabe. (Lewis Carroll)


Kombinatorischer Ansatz

7/10

Ablauf des Algorithmus :


Option 1

  • Rekursive Berechnung: S(i, j, k) ist Summe aus :

  • Score des vorherigen Schrittes

  • Ergebnis der Vergleichsfunktion D(As1, As2)


Option 3

Am Anfang eines neuen Blocks wie Option 1, aber Bezug auf vorherigen Block.


  • Login