12.06.2003Proseminar BioVis A. Brück & K. Scheiffele 1 / 81 Visualisierung von Sequenzvergleichen.

12.06.2003 Proseminar BioVisA. Brück & K. Scheiffele

1 / 81

Visualisierung von Visualisierung von SequenzvergleichenSequenzvergleichen

Ein paar Worte vorweg


3 / 81

Wir stellen uns vor:

• André Brück

• Kai Scheiffele

2579542

25795422579542

231151923115192311519


4 / 81

Warum Visualisierung von Sequenzvergleichen?


5 / 81


• Datenmenge steigt immer weiter und immer schneller an


6 / 81


• Datenmenge steigt immer weiter und immer schneller an

• Visualisierung von Sequenzvergleichen erleichtert es dem Wissenschaftler enorm neue Daten auszuwerten und Ergebnisse einzuordnen

Gliederung


8 / 81

Gliederung

• Einführung √• Grundlagen

– DNA – Datenbanken– Sequenzierung

• Algorithmen– BLAST – FASTA

• Visualisierungs - Tools – SimiTri– Alignment Viewer

• Zusammenfassung anschl. Fragen / Diskussion


9 / 81

Gliederung







10 / 81

Gliederung







11 / 81

Gliederung







12 / 81

Gliederung






Grundlagen


14 / 81

GrundlagenDNA


15 / 81

Grundlagen DNA

• DNA ist das Molekül mit der primären genetischen Information. Sie wird aus den vier Nucleotiden A, T, G und C zusammengesetzt


16 / 81

Grundlagen DNA

• DNA ist das Molekül mit der primären genetischen Information. Sie wird aus den vier Nucleotiden A, T, G und C zusammengesetzt

• Ein Codon ist ein Nucleotid-Triplet, welches für bestimmte Aminosäuren oder Termination codiert

http://www.engineering.ucsb.edu/~trevorc/images/tech/transcription.jpg

http://www.engineering.ucsb.edu/~trevorc/images/tech/translation.jpg


17 / 81

Grundlagen DNA

• Der offene Leserahmen (ORF) besteht aus

einer Reihe von Codons, die für ein Peptid codieren • Auf doppelsträngiger DNA gibt es sechs solcher

ORFs

www.usask.ca/biology/211/211questions/ sgd3prob.html


18 / 81

Grundlagen Datenbanken


19 / 81


• Datenbanken sind ein Hilfsmittel, welches die Informatik bereitstellt und dienen der Speicherung und Wiedergewinnung von umfangreichen Datenmengen


20 / 81


• Datenbanken sind ein Hilfsmittel, welches die Informatik bereitstellt und dienen der Speicherung und Wiedergewinnung von umfangreichen Datenmengen

• Datenbanken mit genetischen Sequenzen eignen sich besonders für Sequenzvergleiche (siehe BLAST, FASTA)


21 / 81

Grundlagen Sequenzierung


22 / 81


• Die Sequenzierung (z.B. über PCR) liefert Rohdaten für die Datenbank


23 / 81


• Die Sequenzierung (z.B. über PCR) liefert Rohdaten für die Datenbank

• Format: ASN.1, FASTA,…


24 / 81

Gliederung

• Einführung √• Grundlagen √




• Zusammenfassung

Algorithmen


26 / 81

Algorithmen

• BLAST – Wissenswertes– Mathematische Grundlagen– Wirkungsweise– Vorteile / Nachteile

• FASTA– Wissenswertes– Vorteile / Nachteile


27 / 81

BLASTWissenswertes

• „Basic Local Alignment Search Tools“

• Beschrieben von Stephen F. Altschul et al. (1990)

• Effizienter Algorithmus zum Finden von Gleichheiten / Verwandtschaften zwischen DNA / Proteinsequenzen

• Findet die ähnlichste(n) Sequenz(en) innerhalb einer BLAST-Datenbank

• Als Web-Tool oder Stand-Alone (PC, UNIX, Mac)


28 / 81

BLASTWissenswertes (2)

• BLASTP – Protein / Protein-Vergleich• BLASTN – DNA / DNA-Vergleich• BLASTX – DNA / Protein-Vergleich (2x3RF)• TBLASTN – Protein / DNA-Vergleich (2x3RF)• TBLASTX – Protein in DNA / Protein in DNA

DB (6*6 Reading Frames)• BLAST2 – „advanced BLAST“ / inkl. GAPs• PSIBLAST – „Position Specific Iterated“ Protein

/ Protein (mehrere Durchgänge)


29 / 81

BLASTMathematische Grundlagen

• BLAST geht von 2 Sequenzen A(subject) und B(query) aus mit

• A = a1a2....an und

• B = b1b2...bn .

• Einfacher Vergleich (z.B. a1-b1) aufgrund Deletion, Insertion, ReadingFrames nicht möglich.

• Aufbau einer Matrix mit verschiedenen Gewichtungen für alle möglichen, vorkommenden Paare von Sequenzteilen.


30 / 81

BLASTWirkungsweise

• Matrix: Alle RFs werden parallel durchsucht (mittels Pointer)

nur ein Durchlauf für alle RF´s

• BLAST2 kann auch GAPs ermitteln

• Beispiele für Gewichtungen:– Match 5– Mismatch –4

• Verschiedene Matrizen:– BLOSUM62– PAM120


31 / 81

BLASTVorteile / Nachteile

• Vorteile– Schnell / Effizient– Variabel– Kostenlos

• Nachteile– Ausgabe muss weiter

überarbeitet werden– Ausgabe wächst mit der

Größe der Datenbank (Verdopplung DB alle 1.2 Jahre, PubMed)


32 / 81

Algorithmen

• BLAST √– Wissenswertes– Mathematische Grundlagen– Wirkungsweise– Vorteile / Nachteile

• FASTA– Wissenswertes– Vorteile / Nachteile


33 / 81

FASTAWissenswertes

Auch hier verschiedene Typen:

- FastA: DNA/DNA- FastX: DNA/Protein

(GAPs nur zw. Codons)- FastY: DNA/Protein

(inkl. GAPs)

- TFastA: Protein/DNA


34 / 81

FASTAVorteile / Nachteile

• Vorteile– Findet GAPs selbst

innerhalb von Codons– Sensitiver als BLAST

• Nachteile– Findet nur 1

passendes Segment– Langsamer als BLAST


35 / 81

FASTA FormatBeispiel

• 1: AY279354. SARS coronavirus ...[gi:31416306] AGCTGTCGCTCGGCTGCATGCCTAGTGCACCTACGCAGTATAAACAATAATAAATTTTACTATCGTTGACAAGAAACGAGTAACTCGTCCCTCTTCTGCAGACTGCTTACGGTT

TCGTCCGTGTTGCAGTCGATCATCAGCATACCTAGGTTTCGTCCGGGTGTGACCGAAAGGTAAGATGGAGAGCCTTGTTCTTGGTGTCAACGAGAAAACACACGTCCAACTCAGTTTGCCTGTCCTTCAGGTTAGAGACGTGCTAGTGCGTGGCTTCGGGGACTCTGTGGAAGAGGCCCTATCGGAGGCACGTGAACACCTCAAAAATGGCACTTGTGGTCTAGTAGAGCTGGAAAAAGGCGTACTGCCCCAGCTTGAACAGCCCTATGTGTTCATTAAACGTTCTGATGCCTTAAGCACCAATCACGGCCACAAGGTCGTTGAGCTGGTTGCAGAAATGGACGGCATTCAGTACGGTCGTAGCGGTATAACACTGGGAGTACTCGTGCCACATGTGGGCGAAACCCCAATTGCATACCGCAATGTTCTTCTTCGTAAGAACGGTAATAAGGGAGCCGGTGGTCATAGCTATGGCATCGATCTAAAGTCTTATGACTTAGGTGACGAGCTTGGCACTGATCCCATTGAAGATTATGAACAAAACTGGAACACTAAGCATGGCAGTGGTGCACTCCGTGAACTCACTCGTGAGCTCAATGGAGGTGCAGTCACTCGCTATGTCGACAACAATTTCTGTGGCCCAGATGGGTACCCTCTTGATTGCATCAAAGATTTTCTCGCACGCGCGGGCAAGTCAATGTGCACTCTTTCCGAACAACTTGATTACATCGAGTCGAAGAGAGGTGTCTACTGCTGCCGTGACCATGAGCATGAAATTGCCTGGTTCACTGAGCGCTCTGATAAGAGCTACGAGCACCAGACACCCTTCGAAATTAAGAGTGCCAAGAAATTTGACACTTTCAAAGGGGAATGCCCAAAGTTTGTGTTTCCTCTTAACTCAAAAGTCAAAGTCATTCAACCACGTGTTGAAAAGAAAAAGACTGAGGGTTTCATGGGGCGTATACGCTCTGTGTACCCTTTTGCATCTCCACAGGAGTGTAACAATATGCACTTGTCTACCTTGATGAAATGTAATCATTGCGATGAAGTTTCATGGCAGACGTGCGACTTTCTGAAAGCCACTTGTGAACATTGTGGCACTGAAAATTTAGTTATTGAAGGACCTACTACATGTGGGTACCTACCTACTAATGCTGTAGTGAAAATGCCATGTCCTGCCTGTCAAGACCCAGAGATTGGACCTGAGCATAGTGTTGCAGATTATCACAACCACTCAAACATTGAAACTCGACTCCGCAAGGGAGGTAGGACTAGATGTTTTGGAGGCTGTGTGTTTGCCTATGTTGGCTGCTATAATAAGCGTGCCTACTGGGTTCCTCGTGCTAGTGCTGATATTGGCTCAGGCCATACTGGCATTACTGGTGACAATGTGGAGACCTTGAATGAGGATCTCCTTGAGATACTGAGTCGTGAACGTGTTAACATTAACATTGTTGGCGATTTTCATTTGAATGAAGAGGTTGCCATCATTTTGGCATCTTTCTCTGCTTCTACAAGTGCCTTTATTGACACTATAAAGAGTCTTGATTACAAGTCTTTCAAAACCATTGTTGAGTCCTGCGGTAACTATAAAGTTACCAAGGGAAAGCCCGTAAAAGGTGCTTGGAACATTGGACAACAGAGATCAGTTTTAACACCACTGTGTGGTTTTCCCTCACAGGCTGCTGGTGTTATCAGATCAATTTTTGCGCGCACACTTGATGCAGCAAACCACTCAATTCCTGATTTGCAAAGAGCAGCTGTCACCATACTTGATGGTATTTCTGAACAGTCATTACGTCTTGTCGACGCCATGGTTTATACTTCAGACCTGCTCACCAACAGTGTCATTATTATGGCATATGTAACTGGTGGTCTTGTACAACAGACTTCTCAGTGGTTGTCTAATCTTTTGGGCACTACTGTTGAAAAACTCAGGCCTATCTTTGAATGGATTGAGGCGAAACTTAGTGCAGGAGTTGAATTTCTCAAGGATGCTTGGGAGATTCTCAAATTTCTCATTACAGGTGTTTTTGACATCGTCAAGGGTCAAATACAGGTTGCTTCAGATAACATCAAGGATTGTGTAAAATGCTTCATTGATGTTGTTAACAAGGCACTCGAAATGTGCATTGATCAAGTCACTATCGCTGGCGCAAAGTTGCGATCACTCAACTTAGGTGAAGTCTTCATCGCTCAAAGCAAGGGACTTTACCGTCAGTGTATACGTGGCAAGGAGCAGCTGCAACTACTCATGCCTCTTAAGGCACCAAAAGAAGTAACCTTTCTTGAAGGTGATTCACATGACACAGTACTTACCTCTGAGGAGGTTGTTCTCAAGAACGGTGAACTCGAAGCACTCGAGACGCCCGTTGATAGCTTCACAAATGGAGCTATCGTTGGCACACCAGTCTGTGTAAATGGCCTCATGCTCTTAGAGATTAAGGACAAAGAACAATACTGCGCATTGTCTCCTGGTTTACTGGCTACAAACAATGTCTTTCGCTTAAAAGGGGGTGCACCAATTAAAGGTGTAACCTTTGGAGAAGATACTGTTTGGGAAGTTCAAGGTTACAAGAATGTGAGAATCACATTTGAGCTTGATGAACGTGTTGACAAAGTGCTTAATGAAAAGTGCTCTGTCTACACTGTTGAATCCGGTACCGAAGTTACTGAGTTTGCATGTGTTGTAGCAGAGGCTGTTGTGAAGACTTTACAACCAGTTTCTGATCTCCTTACCAACATGGGTATTGATCTTGATGAGTGGAGTGTAGCTACATTCTACTTATTTGATGATGCTGGTGAAGAAAACTTTTCATCACGTATGTATTGTTCCTTTTACCCTCCAGATGAGGAAGAAGAGGACGATGCAGAGTGTGAGGAAGAAGAAATTGATGAAACCTGTGAACATGAGTACGGTACAGAGGATGATTATCAAGGTCTCCCTCTGGAATTTGGTGCCTCAGCTGAAACAGTTCGAGTTGAGGAAGAAGAAGAGGAAGACTGGCTGGATGATACTACTGAGCAATCAGAGATTGAGCCAGAACCAGAACCTACACCTGAAGAACCAGTTAATCAGTTTACTGGTTATTTAAAACTTACTGACAATGTTGCCATTAAATGTGTTGACATCGTTAAGGAGGCACAAAGTGCTAATCCTATGGTGATTGTAAATGCTGCTAACATACACCTGAAACATGGTGGTGGTGTAGCAGGTGCACTCAACAAGGCAACCAATGGTGCCATGCAAAAGGAGAGTGATGATTACATTAAGCTAAATGGCCCTCTTACAGTAGGAGGGTCTTGTTTGCTTTCTGACATAATCTTGCTAAGAAGTGTCTGCATGTTGTTGGACCTAACCTAAATGCAGGTGAGGACATCCAGCTCTTAAGGCAGCATATGAAAATTTCAATTCACAGGACATCTTACTTGCACCATTGTTGTCAGCAGGCATATTTGGTGCTAAACCACTTCAGTCTTTACAAGTGTGCGTGCAGACGGTTCGTACACAGGTTTATATTGCATCAATGACAAAGCTCTTTATGAGCAGGTTGTCATGGATTATCTTGATAACCTGAAGCCTAGAGTGGAA


36 / 81

Gliederung



• Algorithmen √– BLAST – FASTA


• Zusammenfassung

Visualisierungstools


38 / 81

SimiTri• Übersicht• Methoden• Visualisierung• Vorteile / Nachteile• Zusammenfassung


39 / 81

SimiTriÜbersicht

• JAVA / Perl – based Applet

• Zum Vergleich von 3 Datensätzen

• Schnelle Übersicht von Verwandtschaften

• Vereinfacht z.B. Evolutionsforschung


40 / 81

SimiTriÜbersicht (2)

• Selekt. Cluster (Name)

• Mapper• Datensätze• Visualisierung• Cutoff-Score• Zoom-Balken


41 / 81

SimiTriMethoden

• Erstellen von einem „similarity profile“– Mittels BLAST-Suche

gegen versch. DB– 50 „high score“-Cluster

(Ähnliche Sequenzen werden zu Clustern zusammen-gefasst)

– Alle Scores gegenseitig in Relation setzen.

– Sequenzliste wird unterhalb der Grafik mit ausgegeben.


42 / 81

SimiTriVisualisierung

• BLAST-Score = relative Entfernung des Clusters vom Zentrum

• Farbe = Cutoff-Score

• Räumliche Anordnung im Dreieck = „Näher verwandt mit...“


43 / 81

SimiTriVisualisierung (2)

• Protein aus A näher Protein aus A näher verwandt mit B als mit verwandt mit B als mit CC

• In allen DB gleichIn allen DB gleich• Protein in B und C Protein in B und C

gleich, nicht in A.gleich, nicht in A.

A

B C


44 / 81

SimiTriVorteile / Nachteile

• Vorteile:– Übersichtlich– Viele Information bei

Selektion eines Cluster

• Nachteile– Nur 3 Organismen– Nur 50 Cluster– Z.Zt. nur online für

Nematoden


45 / 81

SimiTriZusammenfassung

• Farbige, graphische Auswertung

• Interaktiv• Zoombar• Übersichtlich• Schnell• Kostenlos

Alignment Viewer(AV)


47 / 81

Alignment ViewerÜbersicht

• Wofür ist der AV gut?

• Wie arbeitet der AV?

• Was bietet der AV noch für Möglichkeiten?

• Was kann der Wissenschaftler mit dem AV erkennen?

• Wie sieht die Zukunft des AV aus?


48 / 81

AVWofür ist der AV gut?


49 / 81


• Algorithmen wie BLAST liefern nur eine Textausgabe:


50 / 81


51 / 81




52 / 81



• AV hilft bei der Analyse von Sequenzvergleichen durch Visualisierungs- techniken:


53 / 81

AVWie arbeitet der AV?


54 / 81



55 / 81



56 / 81


• X-Achse: Eingabesequenz


57 / 81



• Y-Achse: Similarity score


58 / 81



• Y-Achse: Similarity score

• Z-Achse: Leserahmen (auch durch Farben möglich)


59 / 81

AV Was bietet der AV noch für Möglichkeiten?


60 / 81


• Hyperlinks („detail-on-demand“)


61 / 81



• Unabhängige Skalierung aller Achsen


62 / 81




• Animierung durch 4. Dimension (Zeit)


63 / 81





• Freie Belegung der 4 Dimensionen (X, Y, Z, Zeit) mit den 12 Variablen eines Alignments


64 / 81





• Freie Belegung der 4 Dimensionen (X, Y, Z, Zeit) mit den 12 Variablen eines Alignments

• Filterung


65 / 81

AV Was kann der Wissenschaftler mit dem AV

erkennen?


66 / 81


erkennen? • Das Verhältnis zwischen Eingabesequenz

und Alignments


67 / 81



und Alignments

• Den korrekten Leserahmen


68 / 81



und Alignments


• Eventuelle Frame Shifts


69 / 81



und Alignments


• Eventuelle Frame Shifts

• Konservierte Regionen


70 / 81

AVWie sieht die Zukunft des AV aus?


71 / 81


• Flexiblere Filter


72 / 81



• Simultane Visualisierung von mehreren Suchreporten


73 / 81



• Simultane Visualisierung von mehreren Suchreporten

• Mehr Plattformen (bisher nur SGI und Sun)


74 / 81

Gliederung


– DNA

– Datenbanken

– Sequenzierung

• Algorithmen √– BLAST

– FASTA

• Visualisierungs - Tools √– SimiTri

– Alignment Viewer

• Zusammenfassung

Zusammenfassung


76 / 81

Zusammenfassung

• Einführung • Grundlagen




• Zusammenfassung


77 / 81

Zusammenfassung

• Einführung Wofür Visualisierung von Sequenzvergl?• Grundlagen

– DNA

– Datenbanken

– Sequenzierung

• Algorithmen– BLAST

– FASTA

• Visualisierungs - Tools – SimiTri


• Zusammenfassung


78 / 81

Zusammenfassung


– DNA

– Datenbanken

– Sequenzierung

• Algorithmen– BLAST

– FASTA

• Visualisierungs - Tools Zwei Beispiele solcher Tools – SimiTri


• Zusammenfassung


79 / 81

Zusammenfassung


– DNA

– Datenbanken

– Sequenzierung

• Algorithmen Algorithmen auf denen die Tools basieren– BLAST

– FASTA



• Zusammenfassung


80 / 81

Zusammenfassung

• Einführung • Grundlagen Grundlegende Begriffe zum Verständnis der Algos

– DNA

– Datenbanken

– Sequenzierung

• Algorithmen – BLAST

– FASTA



• Zusammenfassung

Danke für Eure Aufmerksamkeit!

12.06.2003Proseminar BioVis A. Brück & K. Scheiffele 1 / 81 Visualisierung von Sequenzvergleichen.

Documents

Transcript of 12.06.2003Proseminar BioVis A. Brück & K. Scheiffele 1 / 81 Visualisierung von Sequenzvergleichen.