ادامه بیوانفورماتیک
ژنومیک پان [ ویرایش ]
نوشتار اصلی: پان ژنوم
Pan genomics مفهومی است که در سال 2005 توسط Tettelin و Medini معرفی شده است که در نهایت ریشه در بیوانفورماتیک دارد. ژنوم پان یک رپرتوار ژن کامل یک گروه طبقه بندی خاص است: اگرچه در ابتدا روی گونه های نزدیک به یک گونه اعمال می شود ، اما می توان آن را برای یک بستر بزرگتر مانند جنس ، پنسیلوانیا و غیره استفاده کرد و به دو بخش تقسیم می شود - ژنوم هسته: مجموعه ژن مشترک به تمام ژنوم مورد مطالعه (این ها اغلب خانه داری ژن حیاتی برای زنده ماندن) و ضمائم / انعطاف پذیر ژنوم: مجموعه ای از ژن ها در همه اما یکی یا برخی از ژنوم مورد مطالعه وجود ندارد. از ابزار بیوانفورماتیک BPGA می توان برای توصیف پان ژنوم گونه های باکتریایی استفاده کرد. [25]
ژنتیک بیماری [ ویرایش ]
مقاله اصلی: مطالعات مرتبط با ژنوم گسترده
با ظهور توالی نسل بعدی ، ما داده های توالی کافی را برای نقشه برداری از ژن های بیماری های پیچیده ناباروری ، [26] سرطان پستان [27] یا بیماری آلزایمر به دست می آوریم . [28] مطالعات مرتبط با ژنوم گسترده یک روش مفید برای مشخص کردن جهش های مسئول چنین بیماری های پیچیده ای است. [29] از طریق این مطالعات ، هزاران نوع DNA شناسایی شده است که با بیماری ها و صفات مشابه در ارتباط هستند. [30]علاوه بر این ، امکان استفاده ژنها در پیش آگهی ، تشخیص و یا درمان یکی از مهمترین کاربردها است. بسیاری از مطالعات در مورد هر دو روش امیدوار کننده برای انتخاب ژنهای مورد استفاده و مشکلات و مشکلات موجود در استفاده از ژنها برای پیش بینی حضور بیماری یا پیش آگهی بحث می کنند. [31]
تجزیه و تحلیل جهش در سرطان [ ویرایش ]
مقاله اصلی: انکوژنومیک
در سرطان ، ژنوم سلولهای مبتلا به روشهای پیچیده یا حتی غیرقابل پیش بینی مجددا تنظیم می شوند. تلاش های تعیین توالی گسترده برای شناسایی جهش های نقطه ای ناشناخته در انواع ژن های سرطان استفاده می شود. Bioinformaticians به تولید سیستم های خودکار خودکار برای مدیریت حجم عظیم داده های توالی تولید شده ، و الگوریتم ها و نرم افزارهای جدیدی برای مقایسه نتایج توالی با مجموعه در حال رشد توالی ژنوم انسانی و پلی مورفیسم های ژرمینال ایجاد می کنند . برای شناسایی سود و زیان کروموزومی از فناوریهای جدید تشخیص فیزیکی استفاده شده است ، مانند ریزگردهای الیگونوکلئوتیدی (به نام هیبریداسیون ژنومی مقایسه ای) و پلی مورفیسم تک نوکلئوتیدی برای شناسایی جهش های نقطه شناخته شده . این روش های تشخیص همزمان چند صد هزار سایت در کل ژنوم اندازه گیری می کنند ، و هنگامی که در توان بالا برای اندازه گیری هزاران نمونه استفاده می شود ، ترابایت داده ها را در هر آزمایش تولید می کنند. باز هم مقادیر گسترده و انواع جدید داده ها فرصت های جدیدی را برای زیست شناسان ایجاد می کنند. داده ها اغلب حاوی تنوع قابل توجهی یا سر و صدای هستند ، بنابراین مدل پنهان مارکوف و روش های تجزیه و تحلیل نقطه تغییر برای استنباط تغییرات شماره کپی واقعی تهیه می شوند.
دو اصل مهم را می توان در تجزیه و تحلیل ژنومهای سرطانی از نظر بیوكروماتیک كه مربوط به شناسایی جهش در اگزوم است ، به كار برد . اول ، سرطان بیماری جهش های جمع شده سوماتیک در ژن ها است. سرطان دوم حاوی جهش رانندگان است که باید از مسافران متمایز شود. [32]
با پیشرفت هایی که این فناوری توالی نسل بعدی در زمینه بیوانفورماتیک ارائه می دهد ، ژنومیک سرطان می تواند به شدت تغییر کند. این روش ها و نرم افزارهای جدید به بیوفورماتیک ها اجازه می دهد تا بسیاری از ژنومهای سرطانی را سریع و مقرون به صرفه ترسیم كنند. این می تواند یک فرآیند انعطاف پذیر تر برای طبقه بندی انواع سرطان با تجزیه و تحلیل جهشهای ناشی از سرطان در ژنوم ایجاد کند. علاوه بر این ، پیگیری بیماران در حالی که پیشرفت بیماری ممکن است در آینده با توالی نمونه های سرطان امکان پذیر باشد. [33]
نوع دیگری از داده هایی که به انفورماتیک جدید نیاز دارند ، تجزیه و تحلیل ضایعات است که در بسیاری از تومورها عود می کند.
بیان ژن و پروتئین [ ویرایش ]
تجزیه و تحلیل بیان ژن [ ویرایش ]
بیان بسیاری از ژن ها را می توان با اندازه گیری تعیین mRNA ژن سطح با تکنیک های مختلف از جمله ریز ، بیان cDNA مربوط به تگ توالی (EST) توالی، تجزیه و تحلیل سریال بیان ژن (SAGE) توالی برچسب، موازی امضای توالی (MPSS)، RNA-SEQ ، همچنین به عنوان "توالی توقیف شده با اسلحه کامل" (WTSS) یا کاربردهای مختلف هیبریداسیون درجا چندجا همه این تکنیک ها در اندازه گیری بیولوژیکی بسیار مستعد سر و صدا هستند و یا در معرض تعصب قرار دارند و یک تحقیق مهم در زیست شناسی محاسباتی شامل توسعه ابزارهای آماری برای جدا کردن سیگنال ازسر و صدا در مطالعات بیان ژن با توان بالا - سایپرز ، باشگاه دانش [34] چنین مطالعاتی اغلب برای تعیین ژن های دخیل در یک اختلال انجام می شود: ممکن است داده های ریزآرایی سلولهای اپیتلیال سرطانی با داده های سلولهای غیر سرطانی مقایسه شود تا رونوشت هایی را که در یک جمعیت خاص تنظیم و تنظیم می شوند ، مقایسه کند. سلولهای سرطانی
تجزیه و تحلیل بیان پروتئین [ ویرایش ]
ریزآرایه های پروتئین و طیف سنجی جرمی با توان بالا (MS) می توانند یک عکس فوری از پروتئین های موجود در یک نمونه بیولوژیکی ارائه دهند. Bioinformatics در ایجاد پروتئین ریزآرایه و داده های MS MS بسیار دخیل است. رویکرد سابق با مشکلات مشابهی همراه با ریزآرایی های هدفمند در mRNA مواجه است ، دومی شامل مشکل تطابق مقادیر زیادی از داده های جرم در برابر توده های پیش بینی شده از پایگاه داده توالی پروتئین ، و تجزیه و تحلیل آماری پیچیده نمونه هایی است که در آن پپتیدهای متعدد اما ناقص از هر پروتئین هستند. شناسایی شده. محلی سازی پروتئین سلولی در یک بافت بافت می تواند از طریق پروتئومیک میل به نمایش داده های مکانی مبتنی بر ایمونوهیستوشیمی و ریزگردهای بافت انجام شود.. [35]
تحلیل مقررات [ ویرایش ]
تنظیم ژن نوعی ارکستراسیون پیچیده حوادث است که توسط آن یک سیگنال ، به طور بالقوه سیگنال خارج سلولی مانند هورمون ، در نهایت منجر به افزایش یا کاهش فعالیت یک یا چند پروتئین می شود . تکنیک های بیوانفورماتیک برای کشف مراحل مختلف در این فرآیند استفاده شده است.
به عنوان مثال ، بیان ژن می تواند توسط عناصر نزدیک ژنوم تنظیم شود. تجزیه و تحلیل پروموتر شامل شناسایی و مطالعه نقوش توالی در DNA اطراف ناحیه کد کننده یک ژن است. این نقوش بر میزان انتقال آن منطقه به mRNA تأثیر می گذارد. عناصر تقویت کننده به دور از پروموتور همچنین می توانند بیان ژن را از طریق فعل و انفعالات حلقه ای سه بعدی تنظیم کنند. این فعل و انفعالات را می توان با تجزیه و تحلیل بیوانفورماتیک آزمایشات ضبط ترکیب کروموزوم تعیین کرد.
از داده های بیان می توان برای استنباط تنظیم ژن استفاده کرد: ممکن است داده های ریزآرایی از طیف گسترده ای از ایالات موجود در ارگانیسم مقایسه شود تا فرضیه های مربوط به ژن های موجود در هر ایالت را تشکیل دهد. در یک ارگانیسم تک سلولی ، ممکن است مراحل چرخه سلولی ، با شرایط تنش مختلف (شوک گرما ، گرسنگی و غیره) مقایسه شود. سپس می توان الگوریتم های خوشه بندی را برای داده های بیان به کار برد تا مشخص شود کدام ژنها بیان شده اند. به عنوان مثال ، مناطق بالادست (پروموتر) ژنهای بیان شده می توانند برای عناصر نظارتی بیش از حد نماینده جستجو شوند . نمونه هایی از الگوریتم های خوشه بندی استفاده شده در خوشه بندی ژن ها ، نقشه های خوشه بندی k-ნიშნავს ، خود سازماندهی (SOM) ،خوشه بندی سلسله مراتبی ، و روش های خوشه بندی اجماع .
تجزیه و تحلیل سازمان سلولی [ ویرایش ]
روش های مختلفی برای تجزیه و تحلیل محل اندام ها ، ژن ها ، پروتئین ها و سایر مؤلفه های موجود در سلول ها ایجاد شده است. این امر به این دلیل مرتبط است که مکان این مؤلفه ها بر وقایع درون یک سلول تأثیر می گذارد و بنابراین به ما کمک می کند تا رفتار سیستم های بیولوژیکی را پیش بینی کنیم. یک دسته هستی شناسی ژن ، محفظه سلولی ، برای گرفتن محلی سازی درون سلولی در بسیاری از پایگاه های داده های بیولوژیکی ابداع شده است .
میکروسکوپ و آنالیز تصویر [ ویرایش ]
تصاویر میکروسکوپی به ما امکان می دهد هر دو اندامک و همچنین مولکول ها را بیابیم. همچنین ممکن است به ما در تمایز بین سلولهای طبیعی و غیر طبیعی ، به عنوان مثال در سرطان کمک کند .
محلی سازی پروتئین [ ویرایش ]
بومی سازی پروتئین به ما کمک می کند تا نقش پروتئین را ارزیابی کنیم. به عنوان مثال ، اگر پروتئینی در هسته یافت شود ، ممکن است در تنظیم ژن یا پراکنده شدن نقش داشته باشد . در مقابل ، اگر پروتئینی در میتوکندری یافت شود ، ممکن است در تنفس یا سایر فرایندهای متابولیک نقش داشته باشد . بومی سازی پروتئین بنابراین یکی از مؤلفه های مهم پیش بینی عملکرد پروتئین است . منابع پیش بینی محلی سازی درون سلولی پروتئین به خوبی توسعه یافته ، از جمله پایگاه داده های محل سکونت درون سلولی و ابزار پیش بینی وجود دارد. [36] [37]
سازمان هسته ای کروماتین [ ویرایش ]
مقاله اصلی: سازمان هسته ای
داده های حاصل از آزمایش های ضبط ترکیب کروموزوم با توان بالا ، از جمله Hi-C (آزمایش) و ChIA-PET ، می توانند اطلاعاتی در مورد نزدیکی مکانی محل DNA را ارائه دهند. تجزیه و تحلیل این آزمایشات می تواند ساختار سه بعدی و سازمان هسته ای کروماتین را تعیین کند. چالشهای بیوانفورماتیک در این زمینه شامل تقسیم ژنوم به دامنه ها ، مانند دامنه های مرتبط با توپولوژیک (TADs) است که در فضای سه بعدی با هم سازماندهی می شوند. [38]