Nozioni base di Biologia -...

Informatica e Bioinformatica – A. A. 2013-2014 1

Ripercorriamo velocemente i principali concetti di biologia indispensabili per

capire la Bioinformatica: verranno approfonditi in altri corsi.

Gli organismi viventi possiedono tutti un genoma, il quale contiene tutta

l’informazione biologica necessaria alla costruzione e alla sopravvivenza

di un individuo.

L’informazione biologica contenuta in un genoma è codificata nell’acido

deossiribonucleico (DNA) ed è suddivisa in unità discrete chiamate geni.

I geni codificano tutte (e non solo) le proteine di un organismo, comprese

quelle che si legano in appropriati punti del genoma regolando una serie di

reazioni definite espressione genica.

Nozioni base di Biologia


Procarioti: organismi unicellulari con una organizzazione relativamente semplice.

Non contengono particolari organelli, caratteristici degli eucarioti.

Il materiale genetico (DNA) non è racchiuso in una particolare struttura.

Gli Eucarioti hanno un nucleo, dove è contenuto il DNA, ed hanno dei

compartimenti interni, racchiusi da membrane, chiamati organelli, che assolvono

particolari compiti biologici (complesso del Golgi, lisosomi, mitocondri, ecc.).

Procarioti ed Eucarioti


Gli acidi nucleici (DNA: acido deossiribonucleico e RNA: acido

ribonucleico) sono dei polimeri organici costituiti da monomeri

chiamati nucleotidi.

I nucleotidi sono formati da tre elementi fondamentali:

un gruppo fosfato

una molecola di zucchero pentoso (deossiribosio nel DNA o ribosio nell’RNA)

una base azotata che si lega allo zucchero con legame N-glicosidico.

Gli acidi nucleici sono formati solo da

quattro tipi di basi azotate:

adenina, guanina, citosina (comuni al

DNA e all’RNA);

la timina presente solo nel DNA;

l’uracile solo nel RNA.

Acidi nucleici: DNA e RNA


Il DNA esiste prevalentemente in forma di doppia elica antiparallela, in cui due filamenti

sono appaiati e avvolti tra loro.

Le basi si appaiano all’interno della doppia elica

secondo la regola:

Adenina con Timina (A-T)

Guanina con Citosina (G-C)

Due basi in grado di appaiarsi tra loro vengono

dette complementari.

Di conseguenza, se si conosce la sequenza di

un’elica si può ricavare anche la sequenza

dell’elica complementare.

Nota:

Negli eucarioti, il DNA si dispone all'interno del nucleo in strutture chiamate cromosomi.

Negli altri organismi, privi di nucleo, esso può essere organizzato in cromosomi o meno e

risiede nel citoplasma.


La direzionalità delle molecole di DNA

5' nnCGATGCTAGTAGTTGTACGCAnn -> 3‘OH

|||||||||||||||||||||

HO-3‘<- nnGCTACGATCATCAACATGCGTnn - 5'

Una rappresentazione in formato testo di una doppia elica di DNA

5‘-CGATGCCACCAAGTTGTACGCA-> 3‘OH

Nota: il DNA può essere costituito da catene lunghissime di basi. Il genoma

umano nei suoi 46 cromosomi, contiene circa 3.3 miliardi di basi!!

La complementarietà delle basi consente di poter archiviare solo una delle

due eliche di una molecola di DNA, che viene in genere rappresentata in

direzione 5’ -> 3’

Qual è il numero di tipologie di basi azotate che vi attendete?


Le Proteine

Fin dall'inizio del secolo scorso sappiamo che le proteine sono responsabili di molti

processi biochimici.

Le proteine sono polimeri lineari di aminoacidi, uniti chimicamente l'uno all'altro

tramite legame peptidico. Le proteine sono costituite essenzialmente da 20 possibili

aminoacidi diversi.

La sequenza con cui gli aminoacidi si succedono l'uno all'altro determina le proprietà di

ogni proteina. Esistono proteine di lunghezze molto diverse, da pochi aminoacidi (in

questo caso sono generalmente chiamate peptidi) a diverse migliaia di aminoacidi.

In una proteina la sequenza di aminoacidi ha una direzione. Per convenzione la sequenza

si scrive a partire dall'estremità NH2-terminale (che è la prima ad essere sintetizzata) e si

procede verso l’estremità COOH-terminale.


Strutture delle proteine

Struttura

primaria:

sequenza degli

aminoacidi

Struttura

terziaria:

la struttura

tridimensionale

della proteina.

Struttura quaternaria:

determinata dal fatto che

molte proteine sono

costituite da più subunità.

Struttura secondaria: le proteine tendono ad

assumere conformazioni

locali particolari molto comuni,

come α-eliche e foglietti-β


Il dogma centrale della Biologia

Duplicazione

Porta alla formazione di nuove

molecole di DNA e al trasferimento

del materiale genetico.

Trascrizione

L’informazione contenuta nel

DNA passa alle molecole di RNA.

Traduzione

Processo finale in cui dall’RNA si

arriva alla sintesi delle proteine.

Come l’informazione biologica presente nel genoma è “utilizzata”

per la sintesi delle proteine?


La trascrizione del DNA

Processo nel quale l’RNA (acido ribonucleico)

è sintetizzato a partire dal DNA stampo. L’RNA è un acido nucleico, il cui scheletro contiene

zucchero ribosio coniugato con le basi Adenina,

Guanina, Citosina e Uracile (U, al posto di T).

La sintesi dell’RNA avviene in direzione 5’ 3’

ad opera di enzimi detti RNA polimerasi, che

generano una copia ad RNA del DNA stampo.

Le molecole prodotte possono essere diverse. Si

distinguono (lista parziale) in:

RNA messaggero o mRNA

RNA transfer o tRNA

RNA ribosomali o rRNA

ognuna delle quali è coinvolta, con ruoli diversi,

nella sintesi proteica.


L’azione delle RNA polimerasi è in qualche modo “guidata”dalla presenza sul DNA

di particolari box di sequenza che vengono riconosciuti da fattori di trascrizione.

Non tutto il DNA viene trascritto in RNA.

Alcune parti del DNA forniscono informazioni su:

inizio (segnale d’inizio) e fine (segnale di stop) della trascrizione;

regolazione della trascrizione (nello stesso organismo non tutti i geni sono

trascritti in tutte le cellule) promotori, repressori della trascrizione.


La struttura del gene

La definizione di “gene” nel corso degli anni è cambiata (e continua a cambiare),

ma possiamo comunque rimarcare una sostanziale differenza tra i geni dei

procarioti e degli eucarioti.

5’UTR 3’UTR

Nei procarioti

Il gene corrisponde in genere all’intera sequenza

presente nell’mRNA.

L’mRNA include la porzione che corrisponde

alla sequenza amminoacidica, che viene chiamata

regione codificante (CDS), ma anche delle

sequenze aggiuntive ad entrambe le estremità,

non codificanti, indicate come 5’ UTR e 3’ UTR.


Generalmente i geni degli eucarioti (in particolare degli eucarioti superiori) sono

interrotti da introni.

Trascrizione: si genera il trascritto primario

Maturazione dell’RNA

Splicing degli introni (la loro eliminazione),

e l’unione degli esoni a formare il trascritto

maturo (RNA messaggero maturo).

esoni

introni

Rappresentazione schematica del DNA

genomico del gene della -globina

Messaggero maturo

Negli eucarioti


>gi|21359948|ref|NM_021245.2| Homo sapiens myozenin 1 (MYOZ1), mRNA

GTTTCTCCCTAAGTGCTTCTTTGGATCTCAGGCTCTAGGTGCAATGTGAAGGGGAGTCCCTGGGCAGACTGATCCCTGGCTCAGACAGTTC

AGTGGGAGAATCCCAAAGGCCTTTTCCCTCCTTCCTGAGCCTCCGGGCAAGGAGGGAGGGATCTTGGTTCCAGGGTCTCAGTACCCCCTGT

GCCATTTGAGCTGCTTGCGCTCATCATCTCTATTAATAACCAACTTCCCTCCCCCACTGCCAGTGCTGCCCCCACGCCTGCCCAGCTCGTG

TTCTCCGGTCACAGCAGCTCAGTCCTCCAAAGCTGCTGGACCCCAGGGAGAGCTGACCACTGCCCGAGCAGCCGGCTGAATCCACCTCCAC

AATGCCGCTCTCAGGAACCCCGGCCCCTAATAAGAAGAGGAAATCCAGCAAGCTGATCATGGAACTCACTGGAGGTGGACAGGAGAGCTCA

GGCTTGAACCTGGGCAAAAAGATCAGTGTCCCAAGGGATGTGATGTTGGAGGAACTGTCGCTGCTTACCAACCGGGGCTCCAAGATGTTCA

AACTGCGGCAGATGAGGGTGGAGAAGTTTATTTATGAGAACCACCCTGATGTTTTCTCTGACAGCTCAATGGATCACTTCCAGAAGTTCCT

TCCAACAGTGGGGGGACAGCTGGGCACAGCTGGTCAGGGATTCTCATACAGCAAGAGCAACGGCAGAGGCGGCAGCCAGGCAGGGGGCAGT

GGCTCTGCCGGACAGTATGGCTCTGATCAGCAGCACCATCTGGGCTCTGGGTCTGGAGCTGGGGGTACAGGTGGTCCCGCGGGCCAGGCTG

GCAGAGGAGGAGCTGCTGGCACAGCAGGGGTTGGTGAGACAGGATCAGGAGACCAGGCAGGCGGAGAAGGAAAACATATCACTGTGTTCAA

GACCTATATTTCCCCATGGGAGCGAGCCATGGGGGTTGACCCCCAGCAAAAAATGGAACTTGGCATTGACCTGCTGGCCTATGGGGCCAAA

GCTGAACTTCCCAAATATAAGTCCTTCAACAGGACGGCAATGCCCTATGGTGGATATGAGAAGGCCTCCAAACGCATGACCTTCCAGATGC

CCAAGTTTGACCTGGGGCCCTTGCTGAGTGAACCCCTGGTCCTCTACAACCAAAACCTCTCCAACAGGCCTTCTTTCAATCGAACCCCTAT

TCCCTGGCTGAGCTCTGGGGAGCCTGTAGACTACAACGTGGATATTGGCATCCCCTTGGATGGAGAAACAGAGGAGCTGTGAGGTGTTTCC

TCCTCTGATTTGCATCATTTCCCCTCTCTGGCTCCAATTTGGAGAGGGAATGCTGAGCAGATAGCCCCCATTGTTAATCCAGTATCCTTAT

GGGAATGGAGGGAAAAAGGAGAGATCTACCTTTCCATCCTTTACTCCAAGTCCCCACTCCACGCATCCTTCCTCACCAACTCAGAGCTCCC

CTTCTACTTGCTCCATATGGAACCTGCTCGTTTATGGAATTTGCTCTGCCACCAGTAACAGTCAATAAACTTCAAGGAAAATGAAAAAAAA

AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA

AAAAAAAAAAAAAAAAAAAAAAA

Nell’mRNA sono presenti anche regioni non tradotte

Solo la parte centrale (in blu e sottolineata) codifica la relativa proteina (MYOZENIN 1).

La regione a monte è la 5’UTR, la regione a valle la 3’UTR.

Sequenza di un trascritto (MYOZ 1), in formato FASTA, ottenuta interrogando un

database di sequenze nucleotidiche


Durante lo splicing, gli esoni degli eucarioti possono essere combinati (riarrangiati) in

modi diversi tra loro.

Si ottengono così differenti mRNA che codificano differenti proteine a partire dallo

stesso gene.

Questo meccanismo consente di amplificare la quantità di informazione contenuta

nel genoma. Nell’uomo si stimano circa 20-25000 geni che, con questo meccanismo,

possono codificare più di 100.000 differenti proteine.

Esempio di splicing alternativo

L’uso alternativo dello splicing nel gene dei vertebrati

per la calcitonina/CGRP, genera un ormone che

regola l’omeostasi del calcio nella ghiandola tiroide

(in verde) o un neuropeptide vasodilatatore nel

sistema nervoso (in rosso).

Solo negli eucarioti Splicing alternativo

Come passare dagli mRNA alle proteine?


La traduzione (translation)

L’informazione codificata nell’mRNA, utilizzando “solo” 4 tipi di nucleotidi

deve poter generare ben 20 differenti aminoacidi.

Consideriamo la sequenza lineare di RNA: 5-AUGAUCAGAAUCG……3

Se leggiamo 1 base alla volta (A, U, G, A, U, C,…….) esisterebbero solo 4 aminoacidi

2 basi (AU, GA, UC, AG,……): 42 combinazioni = 16 aminoacidi, non basta!

3 basi (AUG, AUC, AGA,…...): 43 combinazioni = 64 aminoacidi, anche troppi, ma è

proprio così.

La cellula possiede un sistema di interpretazione di questo codice genetico.

La regione codificante è letta tre basi alla volta, senza sovrapposizioni:

ogni gruppo di tre basi è chiamato tripletta o più propriamente codone.

Tutti gli organismi hanno essenzialmente lo stesso codice genetico con qualche

piccola eccezione in casi molto particolari (ad esempio i mitocondri):

- è perciò definito universale.


Le quattro lettere sulla colonna di

sinistra indicano la prima base di ogni

codone, le lettere poste in alto indicano

la seconda base.

All'interno della tabella, accanto ad

ogni codone è indicato l'aminoacido

corrispondente.

Si può vedere che molti aminoacidi

sono codificati da più codoni:

il codice genetico è degenere perché

molti amminoacidi sono codificati da più

di un codone.

Tre codoni codificano lo "STOP",

ovvero la fine della proteina.

Il codone ATG codifica la metionina

ma indica anche l’inizio della regione

codificante la proteina.

Come leggere il codice genetico

Questo significa che, noto un mRNA, potete

in linea di principio ottenere la corrispondente

sequenza amminoacidica!


Ad esempio la sequenza:

A C T G T A C C G T T A A G C A T A….

può dare origine a:

ACT GTA CCG TTA AGC ATA…...

CTG TAC CGT TAA GCA TA…..

TGT ACC GTT AAG CAT A….

Data la sequenza di un trascritto esistono tre possibili modi di tradurre tale sequenza

in proteina, a seconda del punto di inizio:

le tre possibilità sono chiamate reading frame (fasi di lettura).

evidenza che la sequenza deve essere codificante

Quando la fase di lettura è costituita esclusivamente da codoni che rappresentano aminoacidi

si parla di open reading frame (ORF).

Una sequenza tradotta in proteina ha una fase di lettura che comincia con un codone di inizio

(in genere AUG) e si estende lungo i codoni finché raggiunge uno dei tre codoni di

terminazione.

In genere, solo una delle tre possibili fasi di lettura è aperta in una data sequenza di DNA.

Una lunga open reading frame è difficile che sia presente per caso. Se non fosse tradotta

non ci sarebbe nulla che impedisce l’accumulo dei codoni di terminazione:


Lo sviluppo di tecnologie strumentali sempre più sofisticate ha portato ad una enorme produzione di dati

biologici. Per la gestione di questi dati è quindi necessario disporre di potenti sistemi di archiviazione e

strumenti per accedere alle loro informazioni.

DATABASE BIOLOGICI

Sono essenzialmente dei contenitori ordinati di informazioni costruiti per introdurre e mantenere dati di tipo biologico e permetterne una facile consultazione (query)

Raccolgono informazioni e dati derivati dalla letteratura e da analisi effettuate in laboratorio

oppure attraverso l’applicazione di analisi bioinformatiche o analisi in silico.

Sono generalmente accessibili liberamente e possono essere consultati via web.

Ogni banca dati è caratterizzata da un elemento centrale attorno al quale viene costruita la

entry della banca dati.

Ad esempio, l’elemento centrale per le banche dati di sequenze di acidi nucleici è la

sequenza nucleotidica di DNA o di RNA


L’oggetto principale è la ENTRY, una unità riconoscibile grazie ad un identificatore

univoco, che possiede una descrizione organizzata in campi standardizzati riconoscibili

grazie ad HEADERS (“etichette”), univoci nella banca dati; esempio Identificatore,

Autore, Data, ecc.

Organizzazione di un database biologico

Un RECORD biologico

LOCUS un codice

DEFINITION

descrizione della sequenza

ACCESSION un codice

ORGANISM

l’organismo a cui appartiene la

sequenza (e tassonomia)

REFERENCE

Riferimenti bibliografici a quella

sequenza o chi l’ha sottomessa


In genere le banche dati presentano 2 versioni delle entries:

Flat-file: un file di testo semplice, formattato, meno “accessibile”

HTML (o XML): interattivo, di facile consultazione

L’interattività ha un ruolo centrale per una banca dati: permette di

navigare facilmente tra le sue entries e quelle di altri database.

Sia i flat-file che le pagine HTML sono ricchi di cross-references, riferimenti che

rimandano ad altre banche dati generiche o specializzate.

Si ottiene così per ogni entry una serie di informazioni spesso ridondanti, tra

cui è bene sapersi orientare, anche perché alcune sembrano in contraddizione.

Esempi:

- una proteina può avere dei riferimenti a sequenze codificanti diverse;

- una entry può avere più nomi per descriverla o corrispondere a più autori.


Collegamenti tra i database Caratteristica importante di questi database è il fatto che sono collegati (in modo intricato) tra di loro. Da un record di un database è possibile saltare, mediante un link ipertestuale, ai record ad esso correlati degli altri database integrati nel sistema.


Tipologie di interrogazioni delle Banche Dati

RICERCHE TESTUALI (QUERY)

Utilizzano programmi di RETRIEVAL (di ricerca, reperimento dati) per restituire i record di un database che soddisfano i criteri richiesti.

sfruttano una ricerca di tipo letterale ed individuano termini uguali.

Ricordo che i database devono essere tutti standardizzati (tag, separatori, headers, segni di punteggiatura ecc): questo rende rapida la ricerca.

RICERCHE PER SIMILARITÀ (su sequenze nucleotidiche o proteiche)

Restituiscono le sequenze di un database più simili ad una sequenza fornita come query.

Non sono delle vere e proprie query in quanto richiedono l’esecuzione di programmi anche piuttosto complessi (ad esempio BLAST o FASTA).

Domande:

Trovare la sequenza nucleotidica del gene ‘telethonin’ è una ricerca testuale o di similarità?

Identificare in topo il gene omologo alla DHFR umana è una ricerca testuale o di similarità?

Ricercare una sequenza proteica di homo sapiens è una query o una ricerca per similarità?


OPERATORI BOOLEANI

Questi potreste già conoscerli dalla matematica!

ATTENZIONE! Oltre a quello

nucleare, esiste anche il genoma

mitocondriale, nei database sono

depositate sequenze derivanti da

entrambe le sorgenti!!!


RICERCA BIBLIOGRAFICA

Le modalità con cui si esegue una ricerca bibliografica sono di esempio

per una qualsiasi ricerca testuale o query.

Struttura di un articolo scientifico

- Rivista dove è pubblicato (nome, data di

pubblicazione, volume, pagina )

- Titolo

- Autori

- Abstract (Riassunto dell’articolo)

- Introduzione

- Opzionali: ringraziamenti

- Reference (Bibliografia)

Materiali e metodi

Risultati, discussione, conclusione

Descrizione del lavoro


Titolo

Autori

Abstract

(riassunto)

Introduzione Risultati


Discussione


Materiali e

metodi

References

(citazioni)

Informazioni

supplementari

in rete

Correzioni

Nozioni base di Biologia -...

Documents

Transcript of Nozioni base di Biologia -...