Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Seminar Fortgeschrittene Algorithmische Bioinformatik Oligodesignprobleme von Oliver Arnold & Jan Hendrik Nielsen.

Ähnliche Präsentationen


Präsentation zum Thema: "Seminar Fortgeschrittene Algorithmische Bioinformatik Oligodesignprobleme von Oliver Arnold & Jan Hendrik Nielsen."—  Präsentation transkript:

1 Seminar Fortgeschrittene Algorithmische Bioinformatik Oligodesignprobleme von Oliver Arnold & Jan Hendrik Nielsen

2 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 2 Gliederung Erster Teil: Einführung in DNA-Chip Design Einleitung DNA-Chips Aufbau von cDNA-Chips Aufbau von Oligo-Chips Beobachtung der Genexpression Synthese der Oligonukleotide Merkmale der Oligo-Chips Kriterien für optimale Oligos Anwendungsgebiete Zweiter Teil: Algorithmen zur Konstruktion von Oligos später...

3 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 3 DNA-Chips werden allgemein benutzt um zu ermitteln ob Gene exprimiert sind (kodieren für Proteine) hauptsächlich 2 Arten von Chips: cDNA Microarrays (Incyte Inc.) Oligonucleotide Microarrays (Affymetrix) Spots auf dem Chip müssen einzigartig für ein Gen sein (Spezifität) Spots müssen dieses Gen entdecken (Sensitivität) alle Spots sollten unter den gleichen Bedingungen funktionieren, z.B. Temperatur (Einheitlichkeit)

4 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 4 Aufbau von cDNA-Chips Gene auf einem Chip Oberfläche ist aus beschichtetem Glas hohe Sensitivität, wegen langer Probe-Sequenzen aber niedrige Spezifität, wegen vieler Fehl-Hybridisierungen Probes können nicht zwischen ähnlichen oder gleichen Subsequenzen unterscheiden dadurch auch nicht zwischen Gen-Familien mehrere cDNAs für ein Gen (Fehl-Hybridisierung!)

5 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 5 Aufbau von Oligo-Chips 9000 Gene auf einem Chip Oberfläche für Oligos ist aus beschichtetem Glas oder Silizium Oligos sind in Arrays angeordnet ( auf einem Chip) jedes Array (Spot) "erkennt" ein Gen extrahierte Gene (targets) lagern sich an Oligos (probes) an Hybridisierung [2]

6 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 6 Beobachtung der Genexpression (1) Extrahieren der Gene (mRNA) aus einem Referenz- und einem Mutationstyp Reverse Transkription um cDNAs zu erzeugen Vervielfältigung der cDNAs durch PCR Markierung der Gene mit unterschiedlich fluoreszierenden Farbstoffen (z.B. rot und grün) "Fluten" des Chips mit markierten cDNAs [2]

7 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 7 Beobachtung der Genexpression (2) Temperatur-Erhöhung um Fehl-Hybridisierungen zu denaturieren Waschen des Chips Beseitigung von ungebundener cDNA Auswertung der Daten, bzw. Messen der Intensität der Farbstoffe [2]

8 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 8 Synthese der Oligonukleotide benutzte Methode: Photolitographie Oligos können parallel erzeugt werden Maske mit Löchern wird benutzt ultraviolettes Licht tritt nur durch die Löcher beschienene Oligos werden "aktiviert" Basen/Nukleotide können sich anlagern Chip wird mit Nukleotiden einer Art "geflutet" ungebundene Basen werden abgewaschen nächste Maske wird benutzt Wiederholung der einzelnen Schritte (ca. 70 mal) [2]

9 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 9 Merkmale der Oligo-Chips (1) Oligos werden nur durch bekannte Sequenz-Informationen produziert jedes Oligo wird mit einem Mismatch-Oligo gepaart, unterscheiden sich nur im Zentrum (durch eine Base) typischerweise werden 20 Paare von Oligonukleotiden zur Erkennung eines Gens verwendet (ein Spot) Fehl-Hybridisierungen können erkannt werden Oligos, die weniger (oder gleich) hybridisieren als Mismatch- Oligos, implizieren geringe Spezifität

10 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 10 Merkmale der Oligo-Chips (2) es gibt zwei Typen von Oligo-Chips short Oligo-Chips (Länge: bp) long Oligo-Chips (Länge: bp) oft wird nur ein Oligonukleotide gebraucht, um ein Gen zu erkennen weniger Fehl-Hybridisierungen mögliche sich wiederholende oder ähnliche Sequenzen vermeidbar dadurch höhere Spezifität Chips noch relativ teuer gute Methoden/Algorithmen werden benötigt, um Oligos zu erzeugen

11 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 11 Kriterien für optimale Oligos 6 Kriterien 1. Base Composition Limit: keine der Basen sollte 50% eines Oligos ausmachen 2. Base Distribution Limit: Folge eines Basentypes sollte nicht 25% eines Oligos überschreiten 3. GC-Content: sollte zwischen 30% und 70% liegen 4. Sekundärstruktur: Oligos sollten keine Dimers oder Hairpins ausbilden 5. Länge eines zusammenhängenden, komplementären Match zu non-targets sollte kleiner als 15 bp sein 6. Anteil der komplementären Nukleotide im Verhältnis zu non- targets sollte kleiner als 75% sein Kriterien 1, 2 und 4 sind implizit in den anderen Bedingungen enthalten

12 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 12 Anwendungsgebiete (1) Erkennen von SNPs (Single Nucleotide Polymorphism) die zusammenhängende Gensequenz wird durch sich überschneidene Oligos der Länge 25 bp repräsentiert drei Permutationen von jedem Oligo werden mit auf den Chip gepackt unterscheiden sich bloß im zentralen Nukleotid dadurch können alle SNPs eines Gens durch den Chip erkannt werden

13 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 13 Anwendungsgebiete (2) Beobachtung der Effekte, Effizienz und Metabolismus von Medikamenten Leber = Hauptwirkungsstätte bei der Umwandlung von Medikamenten und Hormonen Untersuchung der Gene aus dem Leber-Gewebe daher repräsentativ für den ganzen Organismus Vergleiche der Genexpressionen können helfen die Wirkung von Medikamenten festzustellen Verstehen von Krankheitsverläufen Bestimmen, welche Gene verschiedene Gewebe- und Zell- Typen exprimieren

14 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 14 Es geht weiter... Zweiter Teil: Algorithmen zur Konstruktion von Oligos Einleitung Worum geht es? Methoden der DNA-Array-Synthese SADP – Synchronous Array Design Problem der Epitaxial-Algorithmus der Row-Epitaxial-AlgorithmusMatching AADP – Asynchronous Array Design Problem Algorithmen für in-place Optimierung: Batched Greedy, Chessboard & der Sequential Algorithmus

15 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 15 Einleitung - Worum geht es? (1) Oligodesignproblem (siehe vorheriger Teil) Heute Proben pro Chip (Tendenz steigend) Prozess der Beleuchtung zur Verkettung von Nukleotiden fehleranfällig optische Effekte (Beugung, Brechung, etc.) können unbeabsichtigte Beleuchtung verursachen als Folge: unvorhergesehene Synthese (und vieles mehr…) Lösung: Auswahl der Platzierung von Nukleotiden Border Minimization Problem (BMP)

16 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 16 Einleitung - Worum geht es? (2) Border: Grenze zwischen zwei benachbarten Proben maskiert / unmaskiert Anzahl wird als conflicts bezeichnet Minimization: Verteilung der Proben mit möglichst kleiner Border Length (Summe der Border über alle Masken) [1]

17 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 17 Methoden der DNA-Array-Synthese (1) Synchrone Synthese: Jede Periode der Supersequenz S (= ACGT) synthetisiert ein einzelnes Nukleotid Asynchrone Synthese: Erlaubt willkürliches Einsetzen der Nukleotide [1]

18 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 18 Methoden der DNA-Array-Synthese (2) Synchrones, sowie asynchrones Array-Design kann durch Angabe einer mutmaßlichen unteren Grenze errechnet werden. Basierend auf: dem Hammingabstand bei synchroner Synthese dem LCS bei asynchroner Synthese Aber: sehr langsam exakt deshalb nur Verwendung zum Vergleich der später vorgestellten Heuristiken

19 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 19 SADP – Synchronous Array Design Problem Ursprüngliche Vorgehensweise: Berechnung der Konflikt-Distanz: d(p, p) = 2h(p, p), wobei p Proben und 2h zweifacher Hammingabstand danach TSP-Heuristik, um die Nukleotide mit minimiertem Hammingabstand auf einer Site anzuordnen (Hannenhalli et al., 2002; erstes Arraydesign bei Affymetrix) Aber: es geht "besser" (dieser Ansatz optimiert nur etwa die Hälfte der benachbarten Paare) …

20 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 20 SADP Der "epitaxial placement approach": Ursprung in der VLSI (Very Large Scale Integration) Idee: Zweidimensionale Anordnung von Proben um einen einzelnen (zufällig gewählten und zentralen) Startpunkt (seed) Epitaxial-Algorithmus ist nur bis zu einer Chipgröße von 300 x 300 Proben praktikabel daher: Skalierung durch Aufteilung in K Subsets (chunks) Nachteil: begrenzte Platzierungsmöglichkeit; Probe kann nicht überall auf dem Array angelegt werden (nur in ihrem Subset) keine Optimierung der Grenzen zwischen den chunks

21 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 21 SADP Der Epitaxial-Algorithmus [1]

22 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 22 SADP Verbesserung (Kahng et al.): row-epitaxial-algorithm Drei Haupteigenschaften: 1. Umstrukturierung einer vorab optimierten, bestehenden Anordnung - erste Platzierung kann durch verschiedene Algorithmen erfolgen (z.B. Gray Code) muss sehr schnell sein - TSP (Hannenhalli et al.) braucht zu lange gute initial-Anordnung: lexikographische Sortierung der Proben (radix sort)

23 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 23 SADP 2.Auffüllung der leeren Flächen mit Proben, in einer vordefinierten Reihenfolge (von links nach rechts, Reihe für Reihe) 3.die Proben werden aus den nächsten k0 Reihen gewählt k0 = Lookahead beim Algorithmus dadurch Geschwindigkeit des Algorithmus erhöht je größer k 0, desto besser ist das Ergebnis jedoch schlechtere Laufzeit

24 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 24 SADP Vergleich der bisher vorgestellten Algorithmen [1]

25 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 25 AADP – Asynchronous Array Design Problem Algorithmen für "in-place Optimierung" Der Batched Greedy Algorithmus: sucht die Probe mit höchstem "Gewinn" nach Umsetzung und aktualisiert seine "Gewinnliste" [1]

26 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 26 AADP Die Chessboard Optimization Idee: Maximiere Anzahl unabhängiger Nukleotide Ein Nukleotid ist unabhängig, wenn das Vertauschen Eines die optimale Einbettung des Anderen nicht beeinflusst. Zweifärben der Array-site (Schachbrett); alle weißen/schwarzen Felder können untereinander neu angeordnet werden [1]

27 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 27 AADP Der Sequential Algorithmus ermöglicht optimale Umsortierung der Nukleotide geht Array Reihe für Reihe durch Nachteil von Batched Greedy, Chessboard: nur unabhängige Nukleotide werden vertauscht Auswirkungen verbreiten sich langsam Das wird durch die sequentielle Abarbeitung gelöst [1]

28 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 28 AADP [1]

29 Seminar Fortgeschrittene algorithmische Bioinformatik, SS05 - Vortrag Oligodesignprobleme 29 Quellenangabe Paper: [1] Scalable Heuristics for Design of DNA Probe Arrays - Andrew B. Kahng, Ion I. Măndoiu, Pavel A. Pevzner, Sherief Reda and Alexander Z. Zelikovsky DNA chips: promising toys have become powerful tools - David Gerhold, Thomas Rushmore and C. Thomas Caskey Picky: oligo microarray design for large genomes - Hui-Hsien Chou, An-Ping Hsia, Denise L. Mooney and Patrick S. Schnable Links: [2] ode1.html


Herunterladen ppt "Seminar Fortgeschrittene Algorithmische Bioinformatik Oligodesignprobleme von Oliver Arnold & Jan Hendrik Nielsen."

Ähnliche Präsentationen


Google-Anzeigen