Introduction IFT6291 BIN6000 Bioinfo' gnomique

1
Introduction IFT6291 - BIN6000Bioinfo. génomique
2

• Définition de la Bioinformatique

3

• An interdisciplinary area at the intersection of
  biological, computer, and information sciences
  necessary to manage, process, and understand
  large amounts of data, for instance from the
  sequencing of the human genome, or from large
  databases containing information about plants and
  animals for use in discovering and developing new
  drugs.www.isye.gatech.edu/tg/publications/ecolog
  y/eolss/node2.html
• The analysis of biological information using
  computers and statistical techniques the science
  of developing and utilizing computer databases
  and algorithms to accelerate and enhance
  biological research.www.niehs.nih.gov/dert/trc/gl
  ossary.htm
• The collection, organization and analysis of
  large amounts of biological data, using networks
  of computers and databases.www.abc.net.au/science
  /slab/genome2001/glossary.htm
• The science of developing computer software and
  algorithms to record and analyze biology related
  data, e.g. gene, protein, metabolic pathways and
  active drug ingredients data.www.lionbioscience.c
  om/investors/e19634/index_print_eng.html

4

• Pour les biologistes
• Utilisation de logiciels informatiques pour
  traiter rapidement les données biologiques.
• Bases de données permettant de stocker et gérer
  linformation biologique.
• Pour les informaticiens
• Modélisation de problèmes de biologie moléculaire
• Complexité du problème
• Développement dune méthode algorithmique qui
  allie précision et efficacité.
• Implémentation de lalgorithme
• Validation sur des données simulées.
• Application aux données biologiques
• Inférence de résultats biologiques.

5

• Sapplique à tout type de données biologiques
• Séquences dADN et de protéines
• Structures dARN et de protéines
• Contenus en gènes des génomes
• Arbres de phylogénie
• Puces à ADN (microarrays)
• Réseaux dinteractions entre protéines
• Réseaux métaboliques

6
Défis de la Bioinformatique

• Analyser, comprendre et organiser une masse de
  données biologiques
• Plus de 200 génomes complètement séquencés et
  publiés, dont lhomme (23 paires de chro.) et la
  souris (20 paires de chro.)
• Projets de séquençage de plus de 500 procaryotes
  et 400 eucaryotes
• Projet HapMap du génome humain Construction de
  la carte des haplotypes

7
(No Transcript)
8
II- Concepts de base de la biologie moléculaire
9
Le Génome

• Toutes les cellules dun organisme vivant
  contiennent le même code génétique
• ADN Séquence de 4 nucléotides
• Purines Adénine (A), Guanine (G)
• Pyrimidines Cytosine (C ), Thymine (T)

base
base
base
phosphate
phosphate
sucre
sucre
sucre
nucléotide
atgcccaagctgaatagcgtagaggggttttcatcatttgaggacgatgt
ataa
10

• Structure tridimentionnelle
• Deux brins face à face maintenus par des liens
  Watson-Crick
• A - T
• G C
• ADN nucléaire des eucaryotes linéaire
• ADN des bactéries, et organelles généralement
  circulaire.

11

• Matériel génétique contenu dans plusieurs
  macromolécules dADN Les chromosomes
• Génome Ensemble des chromosomes dun organisme
• Organisme diploide Deux copies de chaque
  chromosome
• Homme 23 paires de chromosomes
• Souris 20 paires de chromosomes
• Taille des génomes
• Bactéries de 500.000 pb à 13Mb
• Eukaryotes de 8Mb (certains champignons) à 686Gb
  (certains amibes)

12
Acide ribonucléique ou ARN

• Chaîne dacide nucléiques dont le sucre est le
  ribose et les bases possibles sont
• Adénine (A), Cytosine (C ), Guanine (G), Uracil
  (U)
• 3 types principaux
• ARN messager (mRNA)
• ARN de transfert (tRNA)
• ARN ribosomique (rRNA)

13

• ARN non codants (tout sauf ARNm) se replie en
  structure secondaire et tertiaire
• Bases complémentaires
• A-U
• G-C

14
Les protéines

• Séquences linéaires de 20 acides aminés
• MPKLNSVEGFSSFEDDCPSARGFHHLRTMY
• Responsables de la plupart des fonctions dune
  cellule
• Longueur typique au alentour de 300 AA, étendue
  100-5000 AA
• Structures
• Primaire Séquence linéaire dAA
• Structure secondaire Hélices a et feuillets b
• Structure tertiaire Regroupement en domaines
• Dogme La structure tri-dimentionnelle détermine
  la fonction dune protéine

15
(No Transcript)
16
Transcription et traduction
17
(No Transcript)
18
(No Transcript)
19
Défis de la biologie moléculaire

• Décoder linformation contenue dans les séquences
  dADN et de protéines
• Trouver les gènes
• Différencier entre introns et exons
• Trouver les régions répétitives dans lADN
• Étudier lévolution des génomes
• Génomique structurale
• Modéliser les structures 3D des protéines et des
  ARN structurels
• Déterminer la relation entre structure et
  fonction
• Génomique fonctionnelle
• Étudier la régulation des gènes
• Déterminer les réseaux dinteraction entre les
  protéines

20
Pourquoi un cours dalgorithmique sur le texte?

• Analyse des séquences biologiques fondamental
  pour répondre à un grand nombre de questions
  biologiques.
• Intérêt des séquences biologiques
• La séquence nucléotidique dun gène détermine la
  séquence dAA de la protéine
• La séquence dune protéine détermine sa structure
  et sa fonction
• Généralement, une similarité de séquence implique
  une similarité de structure et de fonction
  (linverse nest pas toujours vrai)

21
Problèmes Bioinformatiques nécessitant des
méthodes dalgorithmique sur le texte

• Recherche dans les banques de données
  biologiques
• Tache courante dun biologiste
• Est-ce quune nouvelle séquence a déjà été
  complètement ou partiellement répertoriée?
• Est-ce que cette séquence contient un gène?
• Est-ce que ce gène appartient à une famille
  connue?
• Existe-t-il dautres gènes homologues?
• Logiciels les plus connus Smith-Waterman, FASTA
  et BLAST
• Alignement de séquences Est-ce que deux
  séquences correspondent à deux gènes homologues?
• Recherche de sous-motifs communs à un ensemble de
  séquences (ADN, ARN). Établissement de consensus,
  alignement multiple
• Recherche de régions contenant des séquences
  répétées (en tandem ou transposées)
• Recherche dhélices dARN
• Recherche de gènes (régions promotrices, facteurs
  de transcription)

22

• Éviter
• Utilisation systématique de BLAST, sans
  comprendre son fonctionnement -gt interprétation
  fausse des résultats, conclusions hâtives,
  utilisation abusive
• Compréhension des outils informatiques se
  limitant à la modification de paramètres et de
  propriétés particulières
• Comprendre les méthodes algorithmiques utilisées
• Quelques idées algorithmiques de base permettent
  de résoudre un grand nombre de problématiques
  bioinformatiques
• Interêts pour un informaticien La
  bioinformatique est la source dune multitude de
  nouveaux problèmes algorithmiques et statistiques