Биология не раз переживала новое рождение: быв сначала «полевой» наукой, изучавшей животных и растения, в XX веке она значительно переместилась в лаборатории, концентрируясь на молекулярных основах жизни и наследственности. В XXI веке история двинулась дальше: многие эксперименты теперь проводятся на компьютере, а материалом для изучения являются последовательности белков и ДНК, а также информация о строении биологических молекул. В этой статье мы дадим несколько советов тем, кто решил связать свою карьеру с компьютерной биологией, став, тем самым, биоинформатиком.
Обратите внимание!
Спонсор публикации этой статьи - Лев Макаров.
В наше время в мире никого не удивишь уже названием профессии «компьютерный биолог» или «биоинформатик», хотя еще несколько десятков лет назад эти сферы деятельности - биология и компьютеры - казались совсем непересекающимися, а еще за несколько десятков лет до того никаких компьютеров не было вовсе. Причем сейчас этот термин включает в себя уже достаточно много отдельных занятий, требующих разной подготовки и разного взгляда на науку и ее место в жизни: биоинформатик, специалист по обработке информации, разработчик баз данных, программист, куратор онтологий, специалист по молекулярному моделированию - все они занимаются разными вещами, хотя со стороны их отличить будет непросто. Все это без намеков говорит нам, что компьютеры прочно вошли в будни биологов, причем это не только е-мейл и фейсбучек, но и масса более специальных навыков, без которых исследователю сейчас и в будущем уже не обойтись (см. врезку). Студент вы или профессор, - никогда не поздно начать совершенствовать свои навыки биоинформатика !
Для ясности биоинформатиками будем называть всех биологов, в работе которых компьютеры играют роль бóльшую, чем просто печатная машинка, хотя в российской традиции собственно под биоинформатиками имеют в виду тех, кто занимается изучением закономерностей биологических текстов - последовательностей белков и ДНК, - а моделирование динамики и свойств биомолекул, например, чаще называют молекулярным моделированием .
«Сухая» биология
«Биомолекула» довольно много внимания уделяет компьютерной, или, как ее еще называют, «сухой» биологии - современной отрасли биологической науки, в которой главным инструментом исследователя является обычный компьютер. (Правда, частенько приходится прибегать к помощи и не совсем обычных - супер компьютеров.) На нашем сайте есть специальная рубрика, посвященная этой науке, - «“Сухая” биология » , - ознакомиться с которой мы и предлагаем заинтересованному читателю. В частности, там идет речь о концепции количественной биологии , о способах вычисления пространственной структуры и динамики биологических молекул (с особенным акцентом на биомембранах и мембранных белках и рецепторах ), а также о становлении молекулярной графики . В недавних статьях было рассказано о методах изучения эволюции по молекулярным данным , а также о новой концепции «сухой» биологии, предсказывающей будущее биологии как науки .
В этой статье, основанной на переводе недавнего эссе в журнале Nature Biotechnology , мы приводим некоторые советы для начинающих биоинформатиков - исследователей, которые планируют заниматься изучением жизни без отрыва от клавиатуры.
Словарик компьютерных терминов
Командная стока способ взаимодействия с компьютером без мышки и кнопочек, а лишь набирая в окне терминала специальные команды и оперируя информацией, хранящейся в текстовых файлах. Чаще всего командная строка ассоциируется с компьютерами под управлением UNIX/Linux, хотя и в Windows TM , и в Mac OS TM они тоже есть. Кластер объединенные в единую высокоскоростную сеть и работающие вместе компьютеры, которые можно использовать для решения ресурсоемких задач. Обычно оснащены системой планирования задач и диспетчеризации ресурсов. Конвейер способ решения конкретных задач по обработке данных, объединяя программы более общего назначения в цепочку так, чтобы информация, выдаваемая одной программой, попадала на вход следующей. Исходный код (исходник) текст программы на одном из языков программирования. В случае интерпретируемых языков текст является программой сам по себе, а вот программу, написанную на компилируемом языке , сначала надо перевести в бинарный исполняемый файл (скомпилировать). Программное обеспечение (ПО) ну это и так понятно - добавим лишь, что это набор инструкций для компьютера, который позволяет пользователю (или программисту) решать нужные ему задачи - от набора текстов в ворде до анализа генетической последовательности или расчета молекулярной динамики. Скрипт разновидность программы, написанная на интерпретируемом языке (а значит, не требующая специальной компиляции) и используемая биоинформатиками для автоматизации своих задач, для реализации парадигмы конвейера . Система контроля версий компьютерная система управления разработкой сложных программ, включающих десятки или сотни файлов с исходниками, тысячи или даже миллионы строчек кода, и разрабатываемых несколькими или многими программистами. Позволяет программе со временем не «расползаться», а программистам - легко переключаться между разными версиями и «ветками» разработки. UNIX/Linux семейство исходно многопользовательских и многозадачных операционных систем (ОС). Чаще всего используется на серверах и вычислительных кластерах, однако может устанавливаться и на персональные компьютеры в качестве альтернативы коммерческим ОС (таким как Windows). Особенностью этих операционных систем является модель разработки - поскольку ОС имеют открытый исходный код, в их создании участвуют программисты-добровольцы со всего мира. Впрочем, число версий так велико, что есть и проприетарные («закрытые») ветви - как, например, Mac OS, которая с некоторого времени внезапно стала «потомком» UNIX-систем.Выбор оружия за вами
Сейчас создано такое количество разнообразных биоинформатических программ, что сделать оригинальное компьютерное исследование можно, и не программируя самостоятельно; надо только выбрать подходящее ПО. Однако не стоит слишком расслабляться: чтобы получилось что-то хорошее, надо сначала как следует понять, что же эти программы делают, и какая математическая теория лежит в их основе. Вы же не пойдете в лабораторию ставить полимеразную цепную реакцию , предварительно не узнав, что это такое и для чего нужно ? Ну так вот и с компьютерами то же самое. Биоинформатические программы, по сути, являются аналогами оборудования и методик в «мокрой» молекулярно-биологической лаборатории. (Кстати, на контрасте со словом «мокрый» биоинформатические лаборатории все чаще сейчас называют «сухими» .) Поэтому, хотя от вас и не требуется вчитываться в каждую строчку исходного кода, представлять себе общие принципы работы программ совершенно необходимо.
Ну, мы надеемся, что не пойдете. - Ред.
Разные программы часто воплощают один и тот же теоретический подход, но все-таки адаптированы для решения разных практических задач. Например, при «сборке» генома из отдельных последовательностей ДНК , получаемых в результате работы автоматических секвенаторов, в случае «длинных» (сотни остатков нуклеотидов) прочтений используется алгоритм, основанный на перекрывании (Overlap-Layout-Consensus), в то время как для работы с наборами «коротких» (десятки остатков нуклеотидов) фрагментов лучше подходят графы де Брёйна. И выбор правильной программы не только сэкономит вам массу времени, но и вообще принципиально обеспечит (или не обеспечит) выполнимость поставленной задачи.
Хотя иной раз на мониторе биоинформатика и появляются занятные картинки (в данном случае - гликопротеин лихорадки Денге), чаще всего там можно увидеть текстовое окошко с непонятными колонками цифр или строчками букв.
Держите все под контролем
Одна из главных опасностей, что компьютер запросто может выдать неправильный результат, специально никак не просигнализировав об этом. Отсутствие сообщения об ошибке еще не говорит о том, что полученный результат правильный. Подав программе дикие данные на вход или просто использовав неправильные настройки, неизбежно получишь дикий ответ, и чрезвычайно важно постоянно помнить о такой возможности и уметь проверять, что полученное имеет хоть какое-то отношение к действительности. Проще всего убедиться, что все работает как следует, запустив программу для данных, ответ для которых уже известен, и убедиться, что именно он и получается. Часто для маленьких наборов данных вычисления можно провести буквально вручную, и тогда сверить ответ с получаемым на компьютере особенно занятно: если он отличается, то либо не права машина, либо вы. Но положительного результата в этом случае уже не получить - это точно.
Биохимические эксперименты никогда не проводят без отрицательных и/или положительных «контролей», так вот привыкайте и на компьютере делать то же самое. Контролем в биоинформатике последовательностей служит, как правило, проверка модели на неких случайных данных. С выбором модели генерации случайных данных надо быть очень и очень аккуратным. Дважды проверяйте, что все было без ошибок, и, главное, что полученные результаты имеют какой-то смысл, - иначе вас неизбежно подкараулят «открытия» на ровном месте.
Вы ученый, а не программист
Как известно, лучшее - враг хорошего. Помните, что в вашей работе важны свежие мысли и новизна результатов, а не красота исходников программы. Превосходно оформленный и документированный код, который не дает правильного ответа, несомненно, никуда не годится по сравнению с примитивным скриптом, который дает его. Другими словами, красоту в программу следует привносить только после того, как вы не раз уже убедились, что она и впрямь делает то, для чего предназначена. И - самое главное - используйте свои биологические знания по максимуму, потому что только это и делает вас компьютерным биологом . С другой стороны, полезно писать комментарии прямо по ходу написания программы: «эта функция/структура нужна для...», иначе уже через неделю вы потратите много времени, чтобы понять, что здесь происходит. Повторный запуск программы - это отличное повод для приведения кода в человеческий вид; вы просто будете делать это походу «вспоминания» вчерашней последовательности действий.
Используйте систему контроля версий
Использование контроля версий позволит более гибко управлять развитием кода, позволит легко возвращаться к предыдущим редакциям программы или переключаться между разными ветвями разработки, а также откроет возможность совместной разработки программы. Распространенные системы - такие как Git или Subversion - дадут возможность легкой публикации проекта в сети. Вы сделаете лучше прежде всего для себя, если не поленитесь написать несколько внятных README-файлов и положите их в нужные места проекта; это чрезвычайно вам поможет, если спустя месяцы или даже годы вам придется вернуться к старой программе. Документируйте программы и скрипты, чтобы было понятно, что они делают. Когда публикуете научную статью, хорошим тоном будет опубликовать также оригинальные программы, которые использовались для обсчета данных: это позволит другим использовать тот же метод и воспроизвести ваши результаты. Неплохо бы также вести электронный дневник, в котором был бы записан весь ход работы. Онлайн-репозитории, такие как Github, позволяют делать это, а также позволят вам хранить рабочие версии программы, что станет дополнительным уровнем бэкапа ваших наработок (см. таблицу 1).
| Задача | Инструменты |
|---|---|
| Совместная разработка программ | Сделайте ваш код (и, возможно, данные) доступными в сети с такими онлайн-хранилищами как Github , или Bitbucket . В интернете много руководств по использованию этих систем. Существуют также системы управления научными проектами, о которых рассказано в отдельной врезке. |
| Для сложных задач пишите скрипты и конвейеры | Для этого можно использовать как современные разработки, вроде Ruffus , так и проверенные временем классические UNIX-утилиты типа Make . Выбор конкретного инструментария зависит от личных предпочтений и любимого языка программирования |
| Сделайте ваши «конвейеры» доступными | Не исключено, что в командной строке вы себя чувствуете, как рыба в воде, но большинство ваших коллег, наверняка, нет. Созданные вами конвейеры можно оснащать графическими интерфейсами с помощью систем Galaxy или Taverna . |
| Инструменты разработчика (IDE) | Конечно, программы можно писать в любом текстовом редакторе, начиная с , но будет лучше, если вы освоите более продвинутые инструменты - такие как текстовый редактор Emacs или полнофункциональную среду разработки типа Eclipse . И, опять же, конкретный выбор будет основан на ваших предпочтениях и любимом языке программирования. |
Системы управления проектами
Еще одним полезным инструментом, помимо систем контроля версий, который можно позаимствовать из программисткой практики, являются системы управления проектами. Проще всего воспринимать их как продвинутый электронный журнал, который предоставляет вам следующие дополнительные возможности:
- Создание и назначение задач. Например, «посчитать то-то». Внутри задачи можно вести обсуждения, которые будут удобно структурированы и не превратят вашу почту в склад ужасающей переписки вроде «Re: Project X (100)» При этом, однако, можно настроить почтовые уведомления, поэтому никто не пропустит важный комментарий.
- Прикладывать и организовывать файлы с подробными описаниями и поддержкой версий а-ля Dropbox. Вам приходилось подолгу искать в нескольких ветках переписки по проекту какие-нибудь файлы с маловразумительными названиями, вроде «report_ACC_clean.xxx»?
- Во встроенную Wiki можно заносить описания процедур запуска программ , методики экспериментов, встраивать видеозаписи и даже рендерить LaTeX формулы.
- Текстовый поиск по всему содержимому , в том числе по приложенным файлам.
- Интеграция с системами контроля версий для разработки ПО позволяет удобно соотносить задачи с изменениями в репозиториях.
- Есть даже такие экзотические возможности, как организация своего аналога Google Docs для одновременного редактирования текста. Не всю информацию можно доверить сторонним ресурсам.
В нашей лаборатории мы используем Redmine - это отличная СПО-система управления проектами, под которую есть множество плагинов. Ее можно развернуть как самостоятельно, так и взять в аренду виртуальную машины с уже установленной системой. Наиболее известным проприетарным аналогом является Basecamp .
Залевский Артур
, факультет биоинженерии и биоинформатики МГУ
(группа вычислительной структурной биологии).
Заразная болезнь конвейерит
Конвейер (pipeline) - программная цепочка из нескольких или многих инструкций, позволяющая проводить в точности те же операции на новом наборе данных. Конвейеры и скрипты незаменимы в работе компьютерного биолога, но они также могут загнать ваше сознание в прокрустово ложе скрипта и в корне прервать полет фантазии.
Полет фантазии
Ну конечно же, вы можете. Что захотите - то и можете. В том смысле, что креатив и смелая фантазия в работе компьютерного биолога совершенно необходимы, потому что иначе сделать ничего интересного не получится. Адаптируйте существующие методы, создавайте новые, предвидьте успех и не бойтесь неудачи. В этой области очень многого можно достичь, просто лазая по интернету и общаясь с коллегами в лаборатории или в сети. Самообразование не только научит вас решать конкретные проблемы - оно научит вас постоянно учиться.
Запишитесь на онлайн-курсы (см. табл. 2), но это будет только начало, а не конец обучения. Лишь смерть обрывает обучение по-настоящему творческого человека.
| Полезный навык | Ресурсы |
|---|---|
| Онлайн-курсы (Massive open online courses) | Сейчас такие курсы переживают взрыв популярности, и уже предлагают крайне широкий спектр тематик для изучения прямо через интернет. На сайтах Coursera , Udacity , edX и Kahn Academy есть масса полезного из области биоинформатики, геномики, компьютерной биологии, статистики и разнообразного моделирования. |
| Обучение программированию | Codeacademy и Code School не являются чем-то заточенным под биологию, но хорошо подходят для начал программирования. Потом можно продолжить с курсом «Python для биологов ». Множество хороших примеров доступно на сайте http://software-carpentry.org . |
| Решение биоинформатических задач | Практическое изучение биоинформатики путем изучения программирования и соревнования с другими участниками проекта доступно на российском сервисе Rosalind . |
| Международные организации | GOBLET - международная организация по биоинформатическому образованию, а ELIXIR - европейское объединение, обеспечивающее различную информационную поддержку и инфраструктуру для исследований в области наук о жизни. |
| Блоги и листы подписки | В сети есть масса блогов и списков рассылки для компьютерных биологов, например http://stephenturner.us/p/edu и http://ged.msu.edu/angus/bioinformatics-courses.html . Для вычислительных химиков есть еще CCL.net . |
| «Локальные» российские ресурсы | |
| Обучение основам биоинформатики (курсы и свободное посещение) | Московская школа биоинформатики даст основные навыки в этой сфере, а курс по работе с данными высокопроизводительного секвенирования расскажет, как получают полные последовательности геномов. в Санкт-Петербурге знакомит студентов с основами биоинформатики на примере реальных научных исследований (также проходит Летняя школа). |
| Вузы, в которых преподают биоинформатику |
|
| Опыт работы с Linux/Unix | Помощь в установке и настройке одного из дистрибутивов Linux вам могут помочь в сообществах Russian Fedora или Ubuntu . Также вы можете обратиться с вопросами на http://linux.org.ru ; более того, на этом ресурсе можно получить и ответы на некоторые научные вопросы. |
Никого не слушай
При отработке статистических методик часто делают такой эксперимент: генерируют большие массивы случайных данных, которые случайно же обозначают как «рабочую выборку» или «контроль». А затем к этим данным применяют статистический критерий, который должен выявить различия между данными, которые исходно не различаются, и... Для многих «выборок» p-значение частенько указывает на статистически значимое различие. Биологические наборы данных, например, полученные из геномного анализа или из скрининговых тестов, также полны случайного «шума» и часто огромны по размерам. Будьте готовы к тому, что при анализе подобных данных вам придется столкнуться с ложноположительными и ложноотрицательными результатами, а также в исходные данные может вкрасться систематическая ошибка, возникшая из-за особенностей эксперимента или экспериментатора.
Даже у биологов, искушенных в статистике, частенько возникает соблазн наплевать на осторожность и углубиться в эксперименты с программой или скриптом, давшими интересный результат. Однако тут всегда необходима осторожность, которая подсказывает, что необходимо рассматривать любой результат как потенциально ошибочный и провести дополнительные проверки на этот счет. Если один и тот же результат удается получить с помощью разных подходов, тогда уверенность в правильности каждого из них возрастет. И, тем не менее, большинство таких «открытий» требуют экспериментального подтверждения, чтобы откинуть оставшиеся сомнения.
Самое важное - что для интерпретации полученных на компьютере результатов нужно хорошее биологическое образование и чутье. И даже то, что программа или скрипт работают правильно, еще не гарантирует, что полученный результат не является артефактом или просто неверной трактовкой каких-то других явлений.
Верный инструментарий
Обязательно освойте командную строку UNIX/Linux. Бóльшая часть биоинформатических программ имеет интерфейс командной строки. На самом деле, она чрезвычайно мощная, позволяет в тонкостях контролировать рабочие задачи, запускать программы на параллельное исполнение, и, что немаловажно, контролировать работу утилит и перезапускать их прямо через текстовый терминал, хоть с мобильного телефона. Это одно из преимуществ работы биоинформатиков - работать можно где угодно, был бы под рукой компьютер или планшет, а также выход в интернет. Освойте параллельные вычисления, потому что они позволяют запускать сотни задач одновременно и многократно повышать производительность работы. Обязательно нужно уметь хоть чуть-чуть программировать, хотя выбор конкретного языка программирования не играет большой роли: у всех у них есть свои преимущества и недостатки, и иногда нужно комбинировать несколько разных языков, чтобы сделать работу быстрее.
Помните, что выбор более популярного языка позволит вам пользоваться бóльшим набором существующих библиотек и подпрограмм, которые позволят не изобретать велосипед, а сосредоточиться на своей работе. Примером такого «склада» наработок является Open Bioinformatics foundation . Старайтесь не использовать Microsoft Excel (только для вывода таблиц, которые будут читать некомпьютерные биологи, которые только с ним и умеют работать). Это хорошая программа, но для обработки большого количества данных она все-таки подходит плохо. Лучше всего хранить экспериментальные данные в структурированных текстовых файлах (хороший вариант для таблиц - csv) или в SQL-базе - это позволит получать доступ к информации прямо из вашей программы.
И, да, делайте бэкапы!
Элементарно, Ватсон!
Раз уж вы станете компьютерным биологом, вам все время придется возиться с данными. Они хранят множество историй, и выловить эти истории оттуда - ваш профессиональный долг. Однако скорее всего сделать это будет не так-то просто. Нужно постоянно держать в голове смысл проведенного эксперимента и схему анализа данных, а также денно и нощно обдумывать, какой же биологический смысл кроется в полученных результатах. И не является ли гипотетический подмеченный вами смысл тривиальным следствием ошибок анализа или артефактов в данных.
Чтобы все это имело смысл, нужно общаться с другими специалистами, которые получали эти экспериментальные данные, и стараться собрать картину по кусочкам. Предлагайте дополнительные эксперименты, которые смогут подтвердить или опровергнуть выдвинутую вами гипотезу. Станьте детективом, докопайтесь до ответа.
Кто-то это уже сделал. Так найдите их и спросите!
Какая бы хитрая не была проблема и как бы не был нов метод, всегда есть вероятность, что люди уже занимались тем, с чем пришлось столкнуться вам. Есть два сайта, на которых обсуждают возникшие в исследованиях проблемы - BioStars и SeqAnswers (а чисто программистские вопросы - Stack Overflow). Иногда можно получить дельный совет даже в твиттере. Поищите в интернете, кто в этой стране и в мире занимается похожими вопросами и свяжитесь с ними (см. таблицу 3).
| Лаборатория | Город | Чем занимаются |
|---|---|---|
| Группа молекулярного моделирования на биологическом факультете МГУ | Москва | Молекулярная динамика белков и пептидов |
| Группа вычислительной структурной биологии , биоинформатическая группа и лаборатория эволюционной геномики на факультете биоинженерии и биоинформатики МГУ | Москва |
|
| Лаборатория химической кибернетики и группа компьютерного молекулярного дизайна на химическом факультете МГУ | Москва |
|
| Компьютерное моделирование комплексов белков с белками и лекарствами, драг-дизайн, фармакология, изучение связей «структура-активность» | ||
| Учебно-Научный центр «Биоинформатика » и еще несколько биоинформатических групп в Институте Проблем Передачи Информации РАН | Москва | Системная биология, анализ пространственных структур биомолекул, сравнительная геномика.Организуют Московский биоинформатический семинар , Московскую школу биоинформатики и конференцию «Moscow Conference for Molecular Computational Biology». |
| Лаборатория системной биологии и вычислительной генетики и группа биоинформатики в Институте общей генетики РАН | Москва | Поиск функциональных мотивов (сайтов связывания транскрипционных факторов и т.д.) в последовательностях ДНК |
| Лаборатория биоинформатики и системной биологии в Институте молекулярной биологии РАН | Москва | Методы биоинформатики и поиска функциональных мотивов, предсказание предрасположенности к заболеваниям |
| Лаборатория биоинформатики в НИИ Физико-химической медицины | Москва | Проблемы метагеномики и протеомики |
| Лаборатория алгоритмической биологии Академического университета РАН | Санкт-Петербург | |
| Лаборатория «Алгоритмы сборки геномных последовательностей » национального исследовательского университета информационных технологий, механики и оптики | Санкт-Петербург | Проблемы «сборки» и анализа геномов |
| Группа биоинформатики и функциональной геномики Института Цитологии РАН | Санкт-Петербург | Изучение функционального значения общей структуры генома |
| Лаборатории функциональной геномики и клеточного стресса и механизмов функционирования клеточного генома Института биофизики клетки РАН | Пущино |
|
| Лаборатория прикладной математики в Институте математических проблем биологии РАН | Пущино | Вторичная структура РНК, альтернативный сплайсинг |
| Лаборатория физики белка Института белка РАН | Пущино | Теоретическое и экспериментальное изучение процессов сворачивания белковых молекул |
| Отдел системной биологии Института цитологии и генетики СО РАН | Новосибирск | Постгеномная биоинформатика. Компьютерный анализ и моделирование молекулярно-генетических систем. Генные сети. Модели эволюции микроорганизмов. |
| Группа лаборатории экологической биохимии Института биологии КарНЦ РАН | Петрозаводск | Молекулярное моделирование биомембран |
| Мы отдаем себе отчет, что в одной таблице нельзя перечислить все стóящие научные группы. Если мы забыли кого-то, то с удовольствием добавим. Таблица подготовлена Еленой Чуклиной (Московский физико-технический институт / Учебно-научный центр «Биоинформатика» Института проблем передачи информации РАН). | ||
В довершение можно сказать, что в интернете есть масса форумов и юзергрупп, где можно задать интересующие вопросы. Установите себе линукс и начните изучать в онлайне что-нибудь биоинформатическое. При должном упорстве вы удивитесь, как многого можно достичь, имея просто компьютер и выход в интернет!
Статья написана по мотивам эссе в журнале Nature Biotechnology при участии Артура Залевского и Елены Чуклиной.
Литература
- Код жизни: прочесть не значит понять ;
- Nick Loman, Mick Watson. (2013). So you want to be a computational biologist? . Nat Biotechnol . 31 , 996-998.
— масштабный двухдневный фестиваль с несколькими параллельными программами, организованный соцсетью «ВКонтакте». Тут есть музыкальная программа с популярными музыкантами, площадки, посвященные видеоиграм, спортивные точки, еда, маркет и многое другое. Одна из секций — лекторий, один из участников которого — российский биоинформатик, доктор биологических наук и популяризатор науки Михаил Гельфанд. Buro 24/7 поговорил с ученым о том, что такое биоинформатика, какие важные открытия она дала миру, можно ли заниматься этой наукой в глуши и почему Нобелевская премия по биологии не имеет смысла.
— Давайте начнем с того, что такое биоинформатика? Почему био? Почему информатика?
— Биоинформатика — это способ заниматься биологией в компьютере. Сначала люди занимались биологией, просто наблюдая за живыми существами. Потом начали ставить опыты. Условно говоря, если отрезать мыши голову, она сразу умрет. А если отрезать голову лягушке, она будет еще некоторое время прыгать. И из этого контраста можно сделать какие-то выводы об устройстве живых существ. Я тут немного утрирую, конечно, но вы поняли идею.
Потом началась биология в пробирке. Это изучение не организма в целом, а каких-то его конкретных клеток, отдельных генов, отдельных белков. Потом оказалось, что в одной из основных областей, развившихся в рамках этого подхода — молекулярной биологии — появились методы, которые порождают очень много данных. Сначала этими данными были последовательности ДНК, потом — данные о работе генов, потом — о взаимодействиях белков и ДНК, потом — о пространственной упаковке ДНК, и еще много чего. И с таким массивом можно работать как с целым, анализировать —очевидно, анализировать с помощью компьютера, потому что анализировать эти данные «руками» просто не получится, их слишком много.
Любые большие данные порождают много технических задач: как их правильно хранить, как быстро передавать. Но первостепенная задача — сделать из всех этих данных какую-то адекватную и интересную биологию. Вот этим биоинформатика и занимается. Она берет данные, полученные в ходе экспериментов и пытается на их основе понять, как устроены клетки.
Есть три основных стиля занятий биоинформатикой. Можно задавать совсем базовые вопросы. Например, что именно делает такой-то белок. Или наоборот: какой белок выполняет такую-то функцию в клетке. Это уже более сложный вопрос, потому что нужно, условно говоря, иметь список всех белков и выбрать из них нужный. Но, в конечном счете, это все равно классические вопросы молекулярной биологии. Просто если владеть арсеналом компьютерных методов, то чаще всего можно сделать довольно разумное предположение. Потом экспериментатор идет и проверяет это предположение. В этом смысле, биоинформатика — это просто инструмент, повышающий эффективность молекулярной биологии.
Есть еще другая разновидность биоинформатики, она появилась в последние 10 лет. Это так называемая системная биология. В рамках системной биологии ученые пытаются описать не работу отдельного белка, а организма в целом. Например, как меняется работа генов при развитии эмбриона. Или — что изменилось в работе генов при появлении злокачественной опухоли. Это другой стиль работы, потому что молекулярная биология всегда была наукой редукционистской, занимающейся достаточно частными наблюдениями. И ее за это ругали — говорили, что можно изучать шестеренки по отдельности, но никогда не понять, как работают часы. А в системной биологии люди как раз смотрят «на часы в целом» и пытаются описать работу всего механизма.
Есть еще третий стиль, третий вариант биоинформатики — это молекулярная эволюция. В таких исследованиях мы сравниваем между собой данные, полученные при изучении разных существ. Пытаемся понять, как происходила эволюция генов и геномов, как действует отбор, почему из-за этого разные звери действительно разные. Можно сказать, что это работа с проблематикой эволюционной биологии методами молекулярной биологии.
— Дают ли по биоинформатике Нобелевские премии?
— Это очень интересный вопрос. Пока не давали, и мой прогноз — в ближайшее время не дадут.
Я вообще думаю, что Нобелевская премия по биологии сейчас не имеет никакого значения, потому что современная биология — наука очень коллективная. Обычно бывает так, что кто-то сделал первичное наблюдение, кто-то его развил, а потом кто-то еще развил или, скажем, сделал на это основе что-то полезное. И, если посмотреть, то последние Нобелевские премии по биологии всегда сопровождаются ворчанием научного сообщества — мол, премию дали не тем людям, которые реально сделали это открытие, нужно было дать другим. В результате, все это сильно теряет смысл. Вокруг каждой премии есть еще с десяток людей, которым тоже можно было ее дать.
В биоинформатике эта ситуация доведена до крайности. Во-первых, мы работаем с чужими данными. Во-вторых, такие работы всегда в соавторстве, и обычно с очень большим количеством соавторов. Никто конкретный не молодец больше, чем многие другие. Но при этом как коллективное целое биоинформатика — безумно полезная наука.
— Тогда расскажите, какие важнейшие открытия сделаны в рамках биоинформатики?
— Например, у нас очень сильно поменялись представления о систематике живых существ. Классическая систематика, основанная на внешних признаках, на анатомии и физиологии, во многих случаях просто не работала — например, для бактерий. С появлением молекулярной биологии мы построили систематику на существенно более последовательных принципах.
Вот пример из области небольших, но забавных открытий такого рода. Все знают, что кит — млекопитающее. Но он совершенно по внешним признакам не похож на других млекопитающих. Есть два вида биологической непохожести ни на кого. Утконосы не похожи ни на кого, потому что они — совершенно отдельная ветвь эволюции. А киты не похожи ни на кого, потому что они живут в очень специфических условиях и у них физиология полностью перестроилась под среду. И это случилось относительно недавно. Но тогда на суше должны быть существа, родственные китам. Кто же это?
И вот с помощью биоинформатики удалось выяснить, что киты — это ближайшие родственники бегемотов. Причем бегемоты ближе к китам, чем к коровам, антилопам, свиньям и всем остальным, кто с ними формально находится в одном отряде парнокопытных. Киты оказались просто очень сильно изменившимися бегемотами.
В итоге оказалось, что все вообще не так. Грибы — родственники животных, а не растений. Водорослей, как выяснилось, очень много принципиально разных видов, и некоторые ближе к растениям, а некоторые одинаково далеки от них и от животных. И, главное, — многоклеточность возникала несколько раз независимо. Это тоже полностью переворачивает школьные представления о биологии.
Еще одно открытие биоинформатики — альтернативный сплайсинг. Выяснилось, что один ген может кодировать несколько белков, в которых некоторые части одинаковые, а некоторые — совсем разные. Это и называется «альтернативный сплайсинг». Довольно долго думали, что это экзотика, которая встречается довольно редко. А потом выяснилось, что чуть ли не каждый ген у человека может кодировать несколько белков, и альтернативный сплайсинг — не редкая вещь, а повсеместная.
Без биоинформатики такое открытие сделать было бы просто невозможно, потому что утверждение делается о генах в целом, а не об отдельном гене. Это и есть системная биология.
— Насколько биоинформатика дорогое занятие? Можно ли ей заниматься в глухой деревне?
— Ну, по крайней мере биоинформатикой можно заниматься, и вполне успешно, в России — а это достаточно глухое место по нынешним временам. Главное для биоинформатики — хороший интернет, потому что очень много данных приходится скачивать. Дальше все зависит от того, чем конкретно вы занимаетесь. Часто нужен хороший мощный компьютер.
Но есть задачи, которые можно сделать просто на ноутбуке — правда, вы при этом все равно почти всегда используете какой-то мощный компьютер, просто он стоит не у вас — вы используете программы, кем-то написанные, и работающие на его сервере. И ноутбуки, и интернет теперь есть в глухих деревнях, так что это не проблема.
Другое дело, что любой наукой очень тяжело заниматься обособленно. Ее всегда нужно с кем-то обсуждать. Очень трудно придумать интересную задачу, если вы ни с кем не разговариваете. Но если вы уже чему-то научились, то, наверное, можете уехать к себе на дачу и заниматься там этим.
В этом плане биоинформатикой заниматься, конечно, намного проще, чем экспериментальной биологией. Вот сейчас был чемпионат мира по футболу, и в Россию запретили ввозить радиоактивные вещества. А радиоактивная метка — это ключевой компонент многих экспериментов в лабораторной биологии. В результате, огромное количество молекулярной на два месяца просто выключились. В биоинформатике что-то подобное было во время недавних блокировок «Телеграма» — сайты лежали, работать было невозможно.
— На сам деле, мне просто очень повезло. В свое время, когда я закончил мехмат, биоинформатика только возникла. И она оказалось той наукой, где, с одной стороны, было полезно мое математическое образование, а с другой стороны — это все-таки настоящая биология. И, до какой-то степени, лингвистика: ведь геном — это «буквы» и «слова». А меня всегда биология и лингвистика очень интересовали.
К тому же биоинформатику тогда не нужно было учить, ее нужно было делать. Было такое замечательное время, когда можно было просто придумать себе задачу, сесть и решить ее. Скорее всего, ты оказывался первым, кто ей занялся. В этом отношении мне тоже крупно повезло. Сейчас уже не так.
Билеты на VK Fest можно купить
Биоинформатика (bioinformatics) - быстро развивающаяся отрасль информатики (теории информации) , занимающаяся теоретическими вопросами хранения и передачи информации в биологических системах.
Основными разделами биоинформатики являются компьютерная геномика , решающая проблемы расшифровки генетических "текстов", хранящихся в последовательностях нуклеотидов ДНК (РНК), и метабономика , исследующая организацию метаболизма клетки и его управления со стороны генома. Важное значение для развития основных разделов биоинформатики имеет создание компьютерных баз данных по молекулярной биологии, обеспечивающих геномику и метабономику необходимыми для их развития экспериментальными данными в достаточном количестве и удобной для использования форме.
К биоинформатике часто относят также информационные службы, обеспечивающую накопление, хранение и использование приобретаемых наукой знаний о биологических системах.
Целью биоинформатики является, таким образом, как накопление биологических знаний в форме, обеспечивающей их наиболее эффективное использование, так и построение и анализ математических моделей биологических систем и их элементов.
Информация о строении материальных элементов, обеспечивающих функционирование организма хранится в последовательности нуклеотидов ДНК (или РНК), образующей его геном.
Установление нуклеотидных последовательностей ДНК геномов организмов (секвенирование) стало к началу 21 века хорошо освоенной и, видимо, достаточно рентабельной технологией. Количество секвенированных геномов быстро увеличивается и определяется, в основном, только объемом средств, которые можно затратить на эти цели.
В биоинформатике существует специальный раздел, называемый геномикой , предметом которого является моделирование и исследование способов хранения информации о строении основных материальных элементов биологических систем, закодированной в последовательностях ДНК и РНК. Основные усилия ученых всего мира, работающих в области геномики сосредоточены сейчас на том, чтобы выработать эффективные приемы компьютерного анализа генетических "текстов", представляющих собой последовательности нуклеотидов генома клетки. Под анализом (расшифровкой) генетического текста имеется в виду в первую очередь установление возможных функций различных участков последовательности ДНК, т.е. обнаружение генов, их регуляторных и белок-кодирующих участков, и участков обеспечивающих регуляцию и координацию активности генов.
Наиболее остро сейчас стоит вопрос об идентификации (аннотации) последовательностей нуклеотидов, образующих гены человека, т.к. в соответствии с Международным проектом Геном человека планируется, что геном человека будет полностью секвенирован и доступен для анализа в ближайшие 1-2 года.
Надо сказать, что выделение на нуклеотидной последовательности ДНК участков с заданными функциями задача очень не простая, т.к. они весьма неоднородны по своей природе (что вероятно связано со сложностью механизмов регуляции) и маскируются мутационным шумом.
В настоящее время точность определения генов на нуклеотидной последовательности компьютерными методами, вероятно, не превышает 70%.
Чрезвычайно важным, но на сегодня еще очень мало разработанным предметом биоинформационных исследований является обмен веществ в клетке, метаболизм. Соответствующий раздел биоинформатики, содержанием которого является моделирование метаболизма и исследование совместного функционирования материальных элементов биологической системы, можно было бы назвать метабономикой (по аналогии с геномикой). Задачами метабономики является выявление и моделирование динамической структуры метаболизма, обеспечивающей поддержание гомеостаза в клетке за счет регуляторных свойств уже существующих в клетке ферментов и функционирования генома, поддерживающего существование этой структуры.
С точки зрения биоинформатики клетку можно рассматривать как сложную систему имеющую множество чувствительных устройств для восприятия внешних сигналов, внутренние коммутирующие устройства, сортирующие и трансформирующие внешние сигналы, и исполнительные механизмы, определяющие конечную реакцию клетки на сигналы. Совокупность внешних сигналов (локальная концентрация различных факторов) определяет переход клетки в одно из квазистационарных состояний, которых может быть, по-видимому, несколько десятков в зависимости от типа клетки. Например, клетка может под воздействием пролиферативных сигналов выйти из состояния относительного покоя и перейти к началу деления, под влиянием других факторов перейти к фазе окончания деления, под воздействием третьих факторов перейти в состояние покоя или наоборот снова вступить в фазу деления.
При этом переход в одно и то же состояние клетки может быть вызван множеством различных комбинаций факторов, влияющих на клетку. Клетка сама воздействует на соседние клетки, формируя вокруг с себя локальное "поле" путем выделения своих специфических факторов. Наложение этих " полей" соседних клеток может вызвать результирующую реакцию ткани на внешний стимул. Например, такой реакцией является распространение "кальциевой волны" от клетки к клетке и такие явления, как периодические волнообразные сокращения сосудов или кишечника. В результате воздействий на клетку в конечном счете в ней активируются или репрессируются определенные наборы генов. При этом ясно, что работа каждого гена регулируется множеством факторов. Однако также ясно, что общее число элементарных регулирующих факторов (т.е. кодируемых одним геном) должно быть существенно меньше общего числа генов.
Таким образом, малое число элементарных факторов (по сравнению с общим числом генов) должно обеспечивать регуляцию большого числа генов. Это заставляет думать, что наблюдаемое множество регулирующих факторов образуется за счет разнообразных комбинаций сравнительно небольшого числа элементарных факторов. Это напоминает телефонную связь. Набирая ту или другую комбинацию из небольшого числа кнопок на телефонном аппарате, можно связаться с большим числом различных абонентов.
Примером клеточного регуляторного механизма, построенного на использовании коммутационного принципа, можно считать работу транскрипционных факторов, регулирующих экспрессию генов. Известно, что их сложное влияние на считывание генов осуществляется за счет формированием большого числа различных комплексов молекул факторов друг с другом.
Можно думать, что в самой структуре белковых молекул заложена возможность образовывать несколько различных олигомерных форм, что может обеспечить клетку большим числом регуляторных факторов, образованных из небольшого числа элементов.
Механизм, основанный на использовании комбинаторики элементарных факторов (субъединиц ферментов) был предложен Л.Н.Дроздовым-Тихомировым и др. (Drozdov- Tikhomiriv et al, 1999) для объяснения регуляции активности аллостерических ферментов, и может быть эффективно использован для решения задач, возникающих при моделировании и исследовании метаболизма.
Главное в этом механизме - возможность сборки активной структуры (активного центра фермента, сайта специфического связывания и т.д.) из элементов, имеющихся на субъединицах, при ассоциации субъединиц в различных взаимных ориентациях. Использование такого механизма позволяет уже всего при двух субъединицах получить сравнительно большое количество состояний составного регуляторного фактора и построить достаточно сложную схему регуляции.
Следующим после клетки уровнем сложности биологических систем является многоклеточный организм, его структура и его функционирование. Этот уровень относится традиционно к физиологии. Построение биоинформационных моделей этого уровня слишком сложно и в настоящее время практически невозможно, также как и представляющих большой интерес моделей еще более высокого уровня - популяционных или в случае человека - социальных. Если мы говорим, что целью биоинформатики является построение адекватных моделей биологических процессов, то необходимо думать о создании фундамента, основ, необходимых для проведения этой работы, - баз знаний, содержащих необходимый объем научных данных о биологических процессах. Базы данных (БД) - это системы хранения, поиска и выдачи нужной информации. В области биоинформатики, связанной с анализом генетических текстов, т.е. геномики, БД уже давно стали незаменимым инструментом исследований. Точно так же они необходимы в сравнительно недавно начавшей развиваться метабономике, связанной с анализом метаболизма.
Перспективы дальнейшего развития биоинформатики весьма многообещающие. Это связано с рядом обстоятельств. С бурным развитием вычислительной техники, телекоммуникаций и Интернета, открывающим перед заинтересованными исследователями прежде недоступные технические возможности оперативного получения информации, возможности быстрой компьютерной обработки огромного количества данных и т.д. Этому способствует также то, что появилось огромное количество информации, включающей как аннотрованные первичные структуры, так и данные по экспрессии генов, по контролируемым ими метаболическим путям, по регуляторным характеристикам ферментов и механизмам управления их активностью. Знание полных геномов дает возможность осуществить исчерпывающий анализ генома, что позволит полностью описать организмы на определенном уровне. Развитие в этой области идет столь успешно, Что высказываются шутливые опасения, что через несколько лет будет выяснено все, что только можно выяснитьи делать уже будет нечего. Наличие больших геномов и проблемы сравнительной компьютерной геномики выдвигают перед специалистами в этой области очень сложные алгоритмические задачи, решение которых потребует немалого труда. Наверное, еще более сложные проблемы возникают в компьютерной метабономике, которая наряду с задачами анализа существующих метаболических систем ставит смелые задачи проникнуть в сокровенные тайны алгоритмов возникновения, сохранения и самосовершенствования живых систем. Можно ожидать, что в ближайшее время методы и результаты компьютерной биоинформатики найдут широчайшее применение для целей медицины, фармацевтики (drug design), биотехнологии сельского хозяйства и образования. В передовых странах мира наблюдается тенденция к щедрому финансированию работ в этой области. Задача специалистов в области биоинформатики - достойно ответить на этот вызов времени.
Понятие биоинформатики
Под биоинформатикой обычно понимают использование компьютеров для решения биологических задач. В настоящее время это почти исключительно задачи молекулярной биологии. Причина этого в том, что за последние 20-25 лет накоплен поистине колоссальный экспериментальный материал именно о строении и функционировании биологических молекул (белков и нуклеиновых кислот), в качестве примера достаточно привести геном человека. Этот материал требует развитых компьютерных методов для своего анализа. Поэтому биоинформатика в большинстве мировых научных центров понимается как синоним вычислительной молекулярной биологии.
Есть несколько основных направлений этого раздела науки, в зависимости от
исследуемых объектов:
- * Биоинформатика последовательностей.
- * Структурная биоинформатика.
- * Компьютерная геномика
Основные направления биоинформатики в зависимости от исследуемых объектов
Биоинформатика последовательностей
Биоинформатика последовательностей
Наиболее известной и наиболее эффективной областью применения биоинформатики в настоящее время является анализ геномов, тесно связанный с анализом последовательностей.
Этот раздел биоинформатики занимается анализом нуклеотидных и белковых последовательностей. В настоящее время разработаны эффективные экспериментальные методы определения нуклеотидных последовательностей. Определение нуклеотидных последовательностей стало рутинной хорошо автоматизированной процедурой. В результате рутинной хорошо автоматизированной процедуры уже получено огромное количество генетических текстов. Так, в базе данных EMBL на 15.02.2007 г. хранится 87000 493 документов с описанием нуклеотидных последовательностей, содержащих в целом 157545686001 символов (нуклеотидов), что соответствует примерно библиотеке в 105 толстых томов с убористым шрифтом. Найти нужный ген в EMBL, это все равно, что найти цитату в такой библиотеке. Без помощи компьютера сделать это, мягко говоря, очень трудно. А число данных экспоненциально растет.
Представим себе геном небольшой бактерии - это непрерывная строка длиной в 1-10миллионов символов символов, и далеко не вся ДНК кодирует белки. Первый тип биоинформатической задачи - это задачи поиска в нуклеотидных последовательностях особых участков, участков, кодирующих белки, участков, кодирующих РНК (например, тРНК), участков связывания с регуляторными белками и др. И это не всегда простые задачи, например, гены эукариотических организмов состоят из чередующихся "осмысленных" и "бессмысленных" фрагментов (экзонов и интронов), и расстояние между "осмысленными" фрагментами может достигать тысяч нуклеотидов.
Пусть ген найден. Что он кодирует? Зачем он нужен?
Если речь идет об участке ДНК, кодирующем белок, то с помощью весьма простой операции - трансляции с использованием известного генетического кода можно получить. аминокислотные (белковые) последовательности. Из известных на сегодня 4 273 512 белков около 94% последовательностей - это именно такие гипотетические трансляты, и больше о них ничего не известно. Скорость поступления информации с автоматических секвенаторов превышает скорость нашего понимания ее смысла! Но биологические объекты - это объекты, возникшие в процессе эволюции. Сравнительно-эволюционный подход - один из мощнейших подходов в биологии. Например, функция белка из одного организма хорошо экспериментально изучена, в другом организме нашли белок с похожей аминокислотной последовательностью. Можно предположить, что второй (неизвестный) белок выполняет ту же или схожую функцию. И здесь сразу возникает несколько вопросов. Во-первых, что значит похожая последовательность? Как сравнивать последовательности? При какой степени сходства последовательностей можно предполагать, что белки выполняют сходные функции? Сравнение последовательностей (выравнивание) является важнейшей задачей биоинформатики. Трудно найти современного биолога, ни разу не использовавшего программы Blastp и ClustalX, появление этих программ - уже крупный успех биоинформатики. Но современные биоинформатики недовольны и постоянно совершенствуют методы выравниваний. Можно привести много примеров того, как сравнительно-эволюционный подход в сочетании с биоинформатическими методами порождает новое биологическое знание.
Генетические тексты - тексты с большой долей шума, сравнивая родственные последовательности, в ряде случаев удается отфильтровать шум и выявить сигнал, например, короткую последовательность нуклеотидов, способную связываться с белком- регулятором, или аминокислотные остатки в ферменте, отвечающие за связывание субстрата. Чтобы быть уверенными в результате, биоинформатики используют теорию вероятности и математическую статистику. Подводя итог, можно сказать, что основные задачи биоинформатики, связанные с анализом отдельных последовательностей, состоят в следующем:
- * Выравнивание и определение сходства двух последовательностей
- * Построение множественных выравниваний
- * Распознавание генов
- * Предсказание сайтов связывания регуляторных белков
- * Предсказание вторичной структуры РНК
Создание новых экспериментальных технологий ставит перед биоинформатикой целый ряд новых задач. Например, развитие масс-спектрометрии позволяет (пока в принципе) в одном эксперименте проанализировать весь набор белков, присутствующий в клетке. Для решения этой задачи необходим совместный анализ спектров масс и геномов. Открытие новых биологических явлений и механизмов также приводит к появлению новых задач. Хорошим примером служит открытие РНК интерференции, за которую в 2006 году дали Нобелевскую премию по физиологии. Это открытие породило целый вал биоинформатических работ, посвященных поиску участков связывания микроРНК и новых микроРНК. Многие находки были затем подтверждены экспериментально.
Вводная лекция по биоинформатике
План урока:
Что такое биоиформатика?
Цели и задачи биоинформатики.
Объекты исследования.
Этапы развития биоинформатики.
Типы базы данных.
Разделы биоинформатики.
Список литературы.
1. Что такое биоинформатика?
Биоинформатика (bioinformatics) - быстро развивающаяся отрасль информатики (теории информации), занимающаяся теоретическими вопросами хранения и передачи информации в биологических системах.
Эта наука возникла в 1976-1978 годах, окончательно оформилась в 1980 году со специальным выпуском журнала «Nucleic Acid Research» (NAR).
2. Цели и задачи биоинформатики
Целью биоинформатики является, как накопление биологических знаний в форме, обеспечивающей их наиболее эффективное использование, так и построение и анализ математических моделей биологических систем и их элементов.
Алгоритм поиска генов в геноме;
Разработка алгоритмов для анализа биологических данных большого объема:
Изучение структуры активного центра белка;
Анализ и интерпретация различных типов биологических данных таких, как нуклеотидные и аминокислотные последовательности, домены белков, структура белков и т.д.:
Создание банка данных аминокислотных последовательностей.
Разработка программного обеспечения для управления и быстрого доступа к биологическим данным:
Таким образом, основными задачами биоинформатики являются: распознавание белок-кодирующих участков в первичной структуре биополимеров, сравнительный анализ первичных структур биополимеров, расшифровка пространственной структуры биополимеров и их комплексов, пространственное сворачивание белков, моделирование структуры и динамики биомакромолекул, а также создание и сопровождение специализированных баз данных.
3. Основные направления биоинформатики
в зависимости от исследуемых объектов
1) Биоинформатика последовательностей;
2) Структурная биоинформатика;
3) Компьютерная геномика.
С другой стороны биоинформатику можно условно разделить на несколько направлений в зависимости от типа решаемых задач:
Применение известных методов анализа для получения новых биологических знаний;
Разработка новых методов анализа биологических данных;
Разработка новых баз данных.
Наиболее известной и наиболее эффективной областью применения биоинформатики в настоящее время является анализ геномов, тесно связанный с анализом последовательностей.
4. Этапы развития биоинформатики
В 1962 году была придумана концепция "молекулярных часов", в 1965 была секвенирована т-РНК, определена ее вторичная структура, в это же время были созданы базы данных PIR для хранения информации об аминокислотных последовательностях. В 1972 году было придумано клонирование.
Рис. 1. Клонирование животных.
В 1978 году были разработаны методы секвенирования, была создана база данных пространственных структур белков. В 1980 был выпущен спецвыпуск журнала NAR, посвященный биоинформатике, затем были придуманы некоторые алгоритмы выравнивания последовательностей, о которых речь пойдет дальше. Дальше был придуман метод ПЦР (полимеразная цепная реакция), а в биоинформатике - алгоритмы поиска похожих фрагментов последовательностей в базах данных. В 1987 году оформился GeneBank (коллекция нуклеотидных последовательностей) и т.д.
5. Типы базы данных
Биолог в биоинформатике обычно имеет дело с базами данных и инструментами их анализа. Теперь разберемся, какие базы данных бывают в зависимости от того, что в них помещают.
Первый тип – архивные базы данных, это большая свалка, куда любой может поместить все, что захочет. К таким базам относятся:
GeneBank & EMBL – здесь хранятся первичные последовательности;
PDB – пространственные структуры белков,
и многое другое.
В качестве курьеза могу привести пример: в архивной базе данных указано, что в геноме археи (архебактерии) есть ген, кодирующий белок главного комплекса гистосовместимости, что является полной чепухой.
Второй тип – курируемые базы данных, за достоверность которых отвечает хозяева базы данных. Туда информацию никто не присылает, ее из архивных баз данных отбирают эксперты, проверяя достоверность информации – что записано в этих последовательностях, какие есть экпериментальные основания для того, чтобы считать, что эти последовательности выполняют ту или иную функцию. К базам данных такого типа относятся:
Swiss- Prot – наиболее качественная база данных, содержащая аминокислотные последовательности белков;
KEGG – информация о метаболизме (такая, которая представлена на карте метаболических путей, которую те, кто ходит на лекции, видели на лекции № 2);
FlyBase – информация о Drosophila;
COG – информация об ортологичных генах.
Поддержание базы требует работы кураторов или аннотаторов.
Третий тип – производные базы данных. Такие базы получаются в результате обработки данных из архивных и курируемых баз данных. Сюда входит:
SCOP – База данных структурной классификации белков (описывается структура белков);
PFAM – База данных по семействам белков;
GO (Gene Ontology) – Классификация генов (попытка создания набора терминов, упорядочивания терминологии, чтобы один ген не назывался по-разному, и чтобы разным генам не давали одинаковые названия);
ProDom – белковые домены;
AsMamDB – альтернативный сплайсинг у млекопитающих.
Таким образом, существует три типа базы данных: архивные базы данных, курируемые и производные базы данных.
