� 2015年度「バイオインフォマティクス」講義予定表配列アライメント（五斗）データベースサーチ（五斗）配列データからの機能・構造予測（五斗）配列モチーフ・隠れマルコフモデル（五斗）分子進化・分子系統解析（緒方）遺伝子予測（緒方）機能アノテーション・比較ゲノム（緒方、五斗）システムズバイオロジー演習（五斗）メタゲノム解析（緒方） http://goto.kuicr.kyoto-u.ac.jp/lecture/bioinfo.html 1 オミックス解析技術とバイオインフォマティクスゲノム・メタゲノム n  シーケンサー n  配列アセンブリ、遺伝子領域予測、機能予測トランスクリプトーム n  DNAマイクロアレイ、DNAチップ、RNA-seq n  類似発現パターンクラスタリング、転写ネットワーク予測プロテオーム n  ２次元電気泳動、酵母２ハイブリッド、質量分析 n  クラスタリングメタボローム n  代謝産物濃度測定、質量分析遺伝子機能解析ネットワーク解析 n  シミュレーション 2 オミックスプロジェクト •  トランスクリプトーム（Transcript + -ome） •  転写産物（RNAのこと）の総体 •  細胞内で実際に RNA として発現している遺伝子 •  プロテオーム（Protein + -ome） •  タンパク質の総体 •  細胞内で実際にタンパク質として働いている遺伝子 •  メタボローム（Metabolite + -ome） •  代謝産物（アミノ酸、グルコースなど）の総体 •  代謝系で合成されている化合物 •  インタラクトーム、フェノーム、グライコーム。。。 3 ゲノム解析とバイオインフォマティクス配列アセンブリ n  n  DNA 断片をつなぎあわせて一つのゲノムに重なり情報を用いた組み合わせ最適化問題遺伝子領域予測 n  n  n  n  ゲノム中のどこがコーディング領域か？開始コドン∼終止コドンエクソンーイントロン境界転写・翻訳制御領域遺伝子機能予測 n  n  n  予測された遺伝子の機能は何か？遺伝子個々の機能分子ネットワークとしての機能 4 トランスクリプトーム解析とバイオインフォマティクス類似発現パターンクラスタリング n  n  n  n  遺伝子 (mRNA) の発現をゲノムレベルで調べる同時に発現している遺伝子のクラスタリング細胞，条件特異的に発現している遺伝子の同定正常細胞と変異細胞との比較による病原遺伝子の探索転写ネットワーク予測 n  時系列での発現データを使って、時間差で発現している遺伝子の情報から予測する 5 プロテオーム・インタラクトーム解析とバイオインフォマティクスプロテオーム n  SWISS-2DPAGE ２次元電気泳動＋質量分析インタラクトーム n  n  n  n  n  相互作用している（結合している）タンパク質のペアを網羅的に調べる酵母２ハイブリッド質量分析タンパク質チップインタラクトームとも言う類似発現タンパク質のクラスタリングタンパク質相互作用ネットワーク構築 6 メタボローム解析とバイオインフォマティクス代謝産物などの低分子化合物の濃度を測定タンパク質と低分子化合物の結合を調べる Liquid/Gas Chromatography, Mass Spectrometry 遺伝（ゲノム）情報だけでなく化合物の情報も利用必要なパスウェイの計算動的なシミュレーションのためのデータ 7 バイオインフォマティクス分子の解析からシステムの解析へ生命システム解析のためのツール n  データベース n  アルゴリズム生命システム解析 n  生命の進化解析 n  医療・創薬への応用 8 配列アライメント配列アライメント（sequence alignment） n  ２つのタンパク質または遺伝子の配列を並べて、進化的な関連があるかどうかを調べること２つの遺伝子が進化的に関連があるか？ n  n  異なる生物種間で同じ機能を持つ遺伝子一つの生物種内で類似した機能を持つ遺伝子異なる生物種で同じ機能の遺伝子を比較する n  生物種間の進化的な関係 9 生物種の系統関係真正細菌古細菌� 真核生物 14: 15: 16: 17: 18: 19: 動物繊毛虫植物菌類毛虫微胞子虫ウーズらによる進化系統樹分子レベル（配列レベル）の情報：16S rRNA 10 オーソログとパラログホモログ（Homolog）進化的な起源を同じくする遺伝子種１ a1 種２ a1 オーソログ（Ortholog）種分岐の際に同じ遺伝子だったもの通常同じ機能を持つパラログ（Paralog）遺伝子重複によってできた類似遺伝子通常異なる機能を持つ a1 種分岐 a a2 a1 ゼノログ（Xenolog）水平移動によって得られた類似遺伝子 a2 種分岐 a1 a2 遺伝子重複 a 11 配列アライメント配列アライメント（alignment） n  n  n  ２つのタンパク質または遺伝子の配列を並べて、ホモログ（相同）かどうかを調べること実際には類似性を調べる文字の一致（マッチ）、不一致（ミスマッチ）、挿入、欠失を考慮するアライメントのキーポイントは n  n  n  n  アライメントの種類アライメントの方法・アルゴリズムアライメントを評価するためのスコアスコアの重要性を評価するための統計的基準 12 配列アライメントの種類グローバルアライメント n  配列全体を並べる LGPSSKQTGKGW-SRIWDN | +| ||| |+ | LN-ITKSAGKGAIMRLGDA マッチ（+, ¦）ミスマッチギャップ・挿入（-）ローカルアライメント n  局所的によく似た部分を探す -------TGKG-------||| -------AGKG-------13 アライメント方法の種類２本の配列のアライメント n  ペアワイズアライメント w  ドットマトリックス w  ダイナミックプログラミング w  ワードを使った方法３本以上の配列のアライメント n  マルチプルアライメント w  累進法 w  反復改善法 14 ドットマトリックス比較する配列を行列の行と列に並べて一致する文字に対応する行列成分にドットをうつ類似部分をマトリックスの対角成分として表示同一配列をマトリックス表示するとリピート部分も抽出できる http://www.tulane.edu/ biochem/lecture/723/seqalign.html 15 ドットマトリックス二つのバクテリアの EF-G（転写伸長因子）の例 S. aureus（黄色ブドウ球菌）と T. thermophilus （好熱菌）タンパク質アミノ酸配列 DNA塩基配列 http://www.tulane.edu/ biochem/lecture/723/seqalign.html 16 17 18 ワードサイズによる評価 1文字ずつ比較して、一致するところにドット 3文字ずつ比較して、完全一致するところにドット� ３文字ずつ比較して、そのうち２文字一致するところにドット� 19 ワードサイズによる評価ワードサイズ 23、閾値 5（23文字のうち5文字）のマッチでドット 20 ドットマトリックスによるリピート同定 human LDL (low density lipoprotein) receptor EGF_CA: calcium binding EGF domain タンパク質間相互作用に必要� http://www.blc.arizona.edu/courses/bioinformatics/matrix-lect.html 21 アライメント方法の種類２本の配列のアライメント n  ペアワイズアライメント w  ドットマトリックス w  ダイナミックプログラミング w  ワードを使った方法３本以上の配列のアライメント n  マルチプルアライメント w  累進法 w  反復改善法 22 ダイナミックプログラミング（DP）ドットマトリックスでは対角線成分だけ → ギャップも考慮したい（塩基の挿入・欠失） A A M O S I M S 全パターンの並べ方から最適なものを探し出す問題全パターン左上から右下までる経路縦と横の矢印がギャップ� AIM-S アライメント A-MOS 23 ダイナミックプログラミング（DP） A I M S A M O S ・・・・・・・・・・・・・・・・ DP計算用の行列D 評価関数による枝刈り 24 評価関数（スコア）の計算方法 Di-1,j-1 Di,j-1 ws(i),t(j) Di-1,j d d Di,j Di,j = max ( Di-1,j-1 + ws(i),t(j), Di-1,j + d, Di,j-1 + d) 文字列 s� 文字列 t� 1 2 3 4 A I M S A M O S ws(i),t(j): アミノ酸の場合、s(i) と t(j) の類似度塩基配列の場合、通常マッチ１，ミスマッチ０ d: ギャップペナルティ 25 グローバルアライメントニードルマンとブンシュによる評価関数の計算方法 D0,0 = 0 Di,0 = i d (for i = 1 to n) D0,j = j d A (for j = 1 to m)A G Di,j = max ( Di-1,j-1 + ws(i),t(j)C, C Di-1,j + d, Di,j-1 + d) T G T 0 -1 -2 -3 -4 -5 -6 -7 -8 A -1 1 0 -1 -2 -3 -4 -5 -6 T -2 0 1 0 -1 -2 -2 -4 -4 A -3 -1 1 1 0 -1 -2 -2 -3 T G C C T T -4 -5 -6 -7 -8 -9 -2 -3 -4 -5 -6 -7 0 -1 -2 -3 -4 -5 1 1 0 -1 -2 -3 1 1 2 1 0 -1 0 1 2 3 2 1 0 0 1 2 4 3 -1 1 0 1 3 4 -1 0 1 0 2 4 ここでは d = -1 で計算� max の計算で使った経路を覚えておく� 26 グローバルアライメントニードルマンとブンシュによる評価関数の計算方法 D0,0 = 0 Di,0 = i d (for i = 1 to n) D0,j = j d A (for j = 1 to m)A G Di,j = max ( Di-1,j-1 + ws(i),t(j)C, C Di-1,j + d, Di,j-1 + d) T ATATGCCT-T A-A-GCCTGT G T 0 -1 -2 -3 -4 -5 -6 -7 -8 A -1 1 0 -1 -2 -3 -4 -5 -6 T -2 0 1 0 -1 -2 -2 -4 -4 A -3 -1 1 1 0 -1 -2 -2 -3 T G C C T T -4 -5 -6 -7 -8 -9 -2 -3 -4 -5 -6 -7 0 -1 -2 -3 -4 -5 1 1 0 -1 -2 -3 1 1 2 1 0 -1 0 1 2 3 2 1 0 0 1 2 4 3 -1 1 0 1 3 4 -1 0 1 0 2 4 右下（右端）から覚えていた経路をって戻る（バックトラック）� 27 ローカルアライメントスミスとウォーターマンによる評価関数の計算方法 D0,0 = 0 Di,0 = 0 (for i = 1 to n) D0,j = 0 A (for j = 1 to m) A G Di,j = max ( Di-1,j-1 + ws(i),t(j)C, C Di-1,j + d, Di,j-1 + d, T 0) G ATGCCT-T AAGCCTGT T 0 0 0 0 0 0 0 0 0 A 0 1 0 0 0 0 0 0 0 T 0 0 1 0 0 0 1 0 1 A 0 1 1 1 0 0 0 1 0 T 0 0 1 1 1 0 1 0 2 G 0 0 0 2 1 1 0 2 1 C 0 0 0 1 3 2 1 1 2 C 0 0 0 0 2 4 2 1 1 T 0 0 0 0 1 3 5 4 3 T 0 0 0 0 0 2 4 5 5 スコア最大の箇所から覚えていた経路をって戻る（バックトラック）� 28 アミノ酸の構造と類似度 • 疎水性、親水性 • 電荷の有無 • 残基のサイズ • コドン使用パターン 29 アミノ酸置換行列 Ala Arg Asn Asp Cys Gln Glu Gly His Ile Leu Lys Met Phe Pro Ser Thr Trp Tyr Val 1 -5 -5 -5 -5 -5 -5 -5 -5 -5 -5 -5 -5 -5 -5 -5 -5 -5 -5 -5 A 7 -1 -2 -4 1 0 -3 0 -4 -3 3 -2 -3 -3 -1 -1 -3 -1 -3 R 7 2 -2 0 0 0 1 -3 -4 0 -2 -4 -2 1 0 -4 -2 -3 N 8 -4 0 2 -1 -1 -4 -4 -1 -4 -5 -1 0 -1 -5 -3 -4 D BLOSUM50 BLOck SUbstitution Matrices 13 -3 -3 -3 -3 -2 -2 -3 -2 -2 -4 -1 -1 -5 -3 -1 C 7 2 -2 1 -3 -2 2 0 -4 -1 0 -1 -1 -1 -3 Q 参考：AAindexデータベース 6 -3 0 -4 -3 1 -2 -3 -1 -1 -1 -3 -2 -3 E http://www.genome.jp/dbget/aaindex.html 8 -2 -4 -4 -2 -3 -4 -2 0 -2 -3 -3 -4 G 10 -4 -3 0 -1 -1 -2 -1 -2 -3 2 -4 H 5 2 -3 2 0 -3 -3 -1 -3 -1 4 I 5 -3 3 1 -4 -3 -1 -2 -1 1 L 6 -2 -4 -1 0 -1 -3 -2 -3 K 7 0 -3 -2 -1 -1 0 1 M 8 -4 -3 -2 1 4 -1 F 10 -1 5 -1 2 5 -4 -4 -3 15 -3 -2 -2 2 8 -3 -2 0 -3 -1 P S T W Y 5 V 30 PAM (Accepted Point Mutations) デイホフらによる定式化（1978年） n  n  n  n  n  n  71 グループの配列：類似度が 85% 以上 1,572 の置換をカウント各アミノ酸置換の確率を1,572 の置換の割合で求める対数尤度（Log odds）比で表現 w  log10(qij/pipj) に比例したスコア w  pi はその文字の出現率、qijは同時出現率 PAM 1 PAM 250 は PAM 1 を250 回掛け合わせたもの w  20 % の類似度に相当する 31 BLOSUM (BLOck SUbstitution Matrices) ヘニコフらによる定式化（1992年） n  n  n  ギャップなしのローカルアライメントのデータベース（ブロック）から計算すべての置換頻度と非置換頻度（すべてのアミノ酸ペア 20x19/2 = 210 パターン）をカウント対数尤度（Log odds）比を使うのはPAMと同じ w  log (qij/pipj) に比例したスコア w  pi はその文字の出現率、qijは同時出現率 70% 一致、60% 一致など配列一致度ごとに作成したブロックを用いてそれぞれの置換行列を計算 2 n  32 ギャップペナルティの種類線形スコア n  n  長さ g のギャップペナルティ γ(g) = -gd Aﬃne スコア n  n  n  n  n  長さ g のギャップペナルティ γ(g) = -d - (g - 1)e d : gap open penalty e : gap extension penalty 通常は d > e 33 アフィンスコアを使った DP Di-1,j-1 Di,j-1 ３種類の Di,j を用意する e Di-1,j (2)� Di,j ws(i),t(j) e (3)� Di,j (1)� Di,j 34 練習問題アミノ酸配列 GKYD と GFVD のローカルアライメントを、ギャップペナルティに２（d=-2）を、アミノ酸置換行列にBLOSUM50 を使って作成しなさい。 G K Y D Di,j = max ( Di-1,j-1 + ws(i),t(j), Di-1,j + d, Di,j-1 + d, 0) G F V D 35 文献 Woese, C. R., Kandler, O. and Wheelis, M. L. (1990) Towards a natural system of organisms: Proposal for the domains, Archaea, Bacteria and Eukarya. Proc. Natl. Sci. USA, 87, 4576-4579. Gibbs, A. J. and McIntyre, G. A. (1970) The diagram, a method for comparing sequences. Its use with amino acid and nucleotide sequences. Eur. J. Biochem., 16, 1-11. Needleman, S. B. and Wunsch, C. D. (1970) A general method applicable to the search for similarities in the amino acid sequence of two proteins. J. Mol. Biol., 48, 443-453. Smith, T. F. and Waterman, M. S. (1981) Identification of common molecular subsequences. J. Mol. Biol., 147, 195-197. Gotoh, O. (1982) An improved algorithm for matching biological sequences. J. Mol. Biol., 162, 705-708. Dayhoff, M. O., Schwartz, R. M. and Orcutt, B. C. (1978) A model of evolutionary change in proteins. In Atlas of Protein Sequence and Structure, Vol. 5, Suppl. 3, pp. 345-352. Henikoff, S. and Henikoff, J. G. (1992) Amino acid substitution matrices from protein blocks. Proc. Natl. Acad. Sci. USA, 89, 10915-10919. 36