bioinformatyka w13 2008 9 web

background image

2009-01-22

1

Bioinformatyka –

wykład 13

20.I.2009

biologia systemów

biologiczne dane wielowymiarowe

Krzysztof Pawłowski

Krzysztof_Pawlowski@sggw.pl

background image

2009-01-22

2

Plan wykładu

Biologia systemów

Bazy danych ekspresji genów

Analiza danych ekspresji genów, sieci
zależności

Symulacje ścieżek sygnalizacyjnych

Pan-genomy

background image

2009-01-22

3

Systems

biology

field of study, particularly, the study of
the interactions between the components
of biological

systems

paradigm

:

"Systems biology...is about putting together

rather than taking apart, integration rather
than reduction”

background image

2009-01-22

4

Systems

biology

since

1993?

background image

2009-01-22

5

Terminologia

wielkoskalowe analizy biologiczne =

high-throughput biology =

„omics” (genomics, proteomics,

metabonomics, ...)

background image

2009-01-22

6

Typowe zastosowania analiz

wielkoskalowych

Poszukiwanie molekularnych

cech charakterystycznych

zjawisk i procesów biologicznych,

np. biomarkerów

diagnostycznych

Poszukiwanie molekularnych

mechanizmów zjawisk i procesów

biologicznych, np. możliwych

scenariuszy terapeutycznych

background image

2009-01-22

7

Gdzie lepiej widać

biologię?

background image

2009-01-22

8

Gdzie lepiej widać

biologię?

background image

2009-01-22

9

Plan wykładu

Biologia systemów

Bazy danych ekspresji genów

Analiza danych ekspresji genów, sieci
zależności

Symulacje ścieżek sygnalizacyjnych

Pan-genomy

background image

2009-01-22

10

próbki

zdrowi

chorzy

Ekspresja genów –

to nie tylko dane liczbowe

w przestrzeni genów można określić

wiele metryk

geny

background image

2009-01-22

11

próbki

geny

zdrowi

chorzy

dane demograficzne, kliniczne, historia chorób,

styl życia

Ekspresja genów –

to nie tylko dane liczbowe

z każdą

próbką

związane mogą

być

setki parametrów,

liczbowych i jakościowych

background image

2009-01-22

12

Bioinformatyka
wielkoskalowa

High-throughput
bioinformatics

background image

2009-01-22

13

Bioinformatyka wielkoskalowa

High-throughput bioinformatics

background image

2009-01-22

14

interpretacja: od list genów

o zmienionej ekspresji

do „zrozumienia”

biologii

Analiza skupień

(clustering)

Analiza wzbogacenia zbiorów genów
(gene

set enrichment

analysis)

Mapowanie danych ekspresji na sieci zależności
biologicznych

background image

2009-01-22

15

Przykłady metod analizy danych ekspresji

Analiza skupień

(clustering)

Poszukiwanie grup genów o podobnych profilach
ekspresji

background image

2009-01-22

16

interpretacja: od list genów

o zmienionej ekspresji

do „zrozumienia”

biologii

Analiza wzbogacenia zbiorów genów
(gene

set enrichment

analysis)

poszukiwanie cech, w które pewne grupy genów,
np. skupienia (klastry), są

„wzbogacone”

np. anotacji funkcjonalnych

statystyczna analiza anotacji

background image

2009-01-22

17

interpretacja: od list genów

o zmienionej ekspresji

do „zrozumienia”

biologii

Mapowanie danych ekspresji na sieci zależności
biologicznych

wyszukiwanie „podsieci”

(subnetworks) złożonych

z genów o charakterystycznej ekspresji

background image

2009-01-22

18

Question:

What is the underlying

biology, pathology, physiology
etc associated with this list of
entities?
What is it telling me?

A software tool that
enables the user to
rapidly extract biological
information from
biological entity lists

Biomedical Entity

Relationship

System

Biomedical Entity

Relationship System

Gene
Expression

Proteomic

Metabonomic

Significant Biological
Entity List:

Gene List

Protein List

Metabolite List

Genetic

Biological
environment
of the list.

Literature

Canonical pathways
associated with the
list

A map of the
relationships within the
literature focusing on
gene/protein,
metabolite, drug,
disease, biological
process concepts and
their relationships

Diseases, Biological processes
associated with the list

background image

2009-01-22

19

Nowe odkrycia –

„novelty”

Trend.

Czy tworzymy więcej nowości?

Czy mamy modę

na chwalenie się

rzekomą

nowością?

Czy analizy wielkoskalowe

prowadzą

do

odkrywania nowości?

background image

2009-01-22

20

Czy „omika”

prowadzi do nowości?

temat 1

oraz

temat 2

Liczba
artykułów

% „omiki

„omika”

-

116821

100%

„omika”

„nowe”

geny

1591

1,4%

„omika”

geny
docelowe
dla leków

596

0,5%

Kwerenda w Medline

2000-2007,

tytuły i streszczenia

background image

2009-01-22

21

Sposoby i powody

unikania nowości

Wczesne analizy wielkoskalowe

miały charakter

„proof-of-concept”

kontroli technicznej metody

Niewiara w dokładność

metod wielkoskalowych

Skupienie uwagi na znanych genach
i scenariuszach –

powody praktyczne

(łatwiejsze zastosowania)

Bioinformatyka daje szansę

na pełniejsze

wykorzystanie danych wielkoskalowych

background image

2009-01-22

22

Sposoby i powody

unikania nowości

Przykład: Crystal

et al. Skupienie uwagi na

znanych genach i scenariuszach. Przeanalizowali
44 geny

spośród 22000 o zmierzonej ekspresji

Am J Respir

Cell Mol Biol. (2003) 29):331-43

background image

2009-01-22

23

Biologia systemów

Gene-centric

approach

vs gene-set

(pathway) approach

differentially expressed pathways

instead

of “differentially expressed genes”

background image

2009-01-22

24

Plan wykładu

Biologia systemów

Bazy danych ekspresji genów

Analiza danych ekspresji genów, sieci
zależności

Symulacje ścieżek sygnalizacyjnych

Pan-genomy

background image

2009-01-22

25

We want to inhibit a signalling

pathway: receptor protein to

biological effect. Simple?

background image

2009-01-22

26

Not so simple…. Sets of differential equations used

background image

2009-01-22

27

Symulacje ścieżek

sygnalizacyjnych

Lauffenburger

et al. (2008),

Interleukin-7 receptor
signaling

network

background image

2009-01-22

28

background image

2009-01-22

29

background image

2009-01-22

30

Plan wykładu

Biologia systemów

Bazy danych ekspresji genów

Analiza danych ekspresji genów, sieci
zależności

Symulacje ścieżek sygnalizacyjnych

Pan-genomy

background image

2009-01-22

31

pan-genome

The microbial

pan-genome, Medini

et al.

(2005)

how genomics can describe a bacterial species?

in some species,

new genes are discovered even after sequencing

the genomes of several strains

mathematical

modeling predicts that new genes will be discovered

even after sequencing hundreds of genomes per species.

a bacterial species can be described by its pan-genome,

a ‘core genome’

containing genes present in all strains,

a ’dispensable genome’

containing genes present in two or more strains

genes unique to single strains

pan-genome of a bacterial species might be orders of magnitude

larger than any single genome

background image

2009-01-22

32

Geny wspólne –

różne gatunki z rodzaju Streptococcus

background image

2009-01-22

33

pan-genome

core

genome

Trzy gatunki z rodzaju Streptococcus

background image

2009-01-22

34

What future brings…?

growing apprehension of “multidimensionality”

in biology

combining

„macroscopic”

(e.g. clinical)

science

and molecular

biology:

“global”

and molecular phenotype

comparative

genomics, community

genomics

functional

network analysis,

simulation

of pathways -

enzymatic, signalling, regulatory

whole cell simulations, and beyond

automated

text mining

integration, integration, integration, …….


Document Outline


Wyszukiwarka

Podobne podstrony:
bioinformatyka w2 2008 web
bioinformatyka w9 2008 web
bioinformatyka w6 2008 web
bioinformatyka w11 2008 web
bioinformatyka w4 2008 web
bioinformatyka w10 2008 web
bioinformatyka w12 2008 9 web
bioinformatyka w3 2008 web
bioinformatyka w7 2008 web
bioinformatyka w1 2008 web
bioinformatyka w8 2008 web
bioinformatyka w5 2008 web
bioinformatyka w2 2008 web
bioinformatyka w9 2008 web

więcej podobnych podstron