Angewandte Bioinformatik: Eine Einführung

196 Pages·2018·7.404 MB·German

by  Paul M. Selzer,Richard J. Marhöfer,Oliver Koch (auth.)

Paul M. Selzer · Richard J. Marhöfer
Oliver Koch
Angewandte
Bioinformatik
Eine Einführung
Übungs-
beispiele
2. Aufl age
mit Lösungen
AngewandteBioinformatik
PaulM.Selzer
RichardJ.Marhöfer
OliverKoch
Angewandte
Bioinformatik
EineEinführung
2.,überarbeiteteundaktualisierteAuflage
PaulM.Selzer OliverKoch
BoehringerIngelheimVetmedicaGmbH FakultätfürChemieund
IngelheimamRhein,Deutschland ChemischeBiologie
TUDortmund
RichardJ.Marhöfer Dortmund,Deutschland
MSDAnimalHealthInnovationGmbH
Schwabenheim,Deutschland
ISBN978-3-662-54134-0 ISBN978-3-662-54135-7(eBook)
https://doi.org/10.1007/978-3-662-54135-7
DiesesLehrbuchwurdebegründetvonPaulM.Selzer,RichardJ.MarhöferundAndreasRohwer.
DieDeutscheNationalbibliothekverzeichnetdiesePublikationinderDeutschenNationalbibliografie;
detailliertebibliografischeDatensindimInternetüberhttp://dnb.d-nb.deabrufbar.
SpringerSpektrum
©Springer-VerlagGmbHDeutschland2018
DasWerkeinschließlichallerseinerTeileisturheberrechtlichgeschützt.JedeVerwertung,dienicht
ausdrücklichvomUrheberrechtsgesetzzugelassenist,bedarfdervorherigenZustimmungdesVer-
lags.DasgiltinsbesonderefürVervielfältigungen,Bearbeitungen,Übersetzungen,Mikroverfilmun-
genunddieEinspeicherungundVerarbeitunginelektronischenSystemen.
DieWiedergabevonGebrauchsnamen,Handelsnamen,Warenbezeichnungenusw.indiesemWerk
berechtigtauchohnebesondereKennzeichnungnichtzuderAnnahme,dasssolcheNamenimSin-
nederWarenzeichen-undMarkenschutz-Gesetzgebungalsfreizubetrachtenwärenunddahervon
jedermannbenutztwerdendürften.
DerVerlag,dieAutorenunddieHerausgebergehendavonaus,dassdieAngabenundInformationen
indiesemWerkzumZeitpunktderVeröffentlichungvollständigundkorrektsind.WederderVerlag
nochdieAutorenoderdieHerausgeberübernehmen,ausdrücklichoderimplizit,GewährfürdenIn-
haltdesWerkes,etwaigeFehleroderÄußerungen.DerVerlagbleibtimHinblickaufgeografische
ZuordnungenundGebietsbezeichnungeninveröffentlichtenKartenundInstitutionsadressenneu-
tral.
GedrucktaufsäurefreiemundchlorfreigebleichtemPapier
SpringerSpektrumistTeilvonSpringerNature
DieeingetrageneGesellschaftistSpringer-VerlagGmbHDeutschland
DieAnschriftderGesellschaftist:HeidelbergerPlatz3,14197Berlin,Germany
V
Vorwort
DieBioinformatik isteinejunge aufstrebendeWissenschaft,dieEndederachtzi-
ger,AnfangderneunzigerJahredesletztenJahrhundertseinenSiegeszugdurchalle
LifescienceswieBiologie,Biochemie,Medizin,PharmazieundChemiebegonnen
hat.DenErfolgverdanktsieu.a.derrasantverlaufendenEntwicklungimBereich
derInformatik unddendamiteinhergehendenHardware-undSoftwareentwick-
lungen.DieseKomponentengepaartmiteinersichebenfallsrasantentwickelnden
Biotechnologie(Sequenzierung,Microarrays,Proteomiketc.),habendenanhalten-
den Bioinformatikboom mit verursacht. Nicht zuletzt war für die Bereitstellung
unddie weltweite Verbreitung derbioinformatischen Werkzeuge und Ergebnisse
dergleichzeitigeDurchbruchdesWorldWideWebverantwortlich.
Heute gehören bioinformatische Techniken wie Sequenzsuchen mit dem
BLAST-Algorithmus, paarweise und multiple Sequenzvergleiche, Abfragen bio-
logischer Datenbanken, die Erstellung phylogenetischer Untersuchungen und
vieles mehr zum täglichen Handwerkszeug eines Naturwissenschaftlers. Dieser
TrendsetztsichnachwievorkontinuierlichfortundprägtmaßgeblichdasLeben
einesjedenWissenschaftlersderLifesciences.VielederentsprechendenSoftware-
produkte haben längst ihre kryptischen Formen verloren, sind sehr intuitiv und
benutzerfreundlichgewordenundstehenüberdasInternetjedemWissenschaftler
zur Verfügung. Man muss heute kein Informatiker sein, um komplexe, wissen-
schaftlicheFragestellungenmitbioinformatischenWerkzeugenzubearbeiten.Man
mussjedochdie biologischen Grundlagenverstehen,die Existenzsowie denOrt
derVerfügbarkeit derWerkzeugekennenund ihre Handhabung sowiedie Inter-
pretationderErgebnissesicherbeherrschen.
DievorliegendeumfassendaktualisiertezweiteAuflagediesesBuchsbasiertauf
langjährigenLehrveranstaltungenvonProf.Dr.PaulM.SelzeramInterfakultären
InstitutfürBiochemiederEberhardKarlsUniversitätTübingensowieaufinterna-
tionalenLehrveranstaltungeninvielfachenEU-FP7-undHorizon-2020-Program-
men.BisheuteexistiertkeinvergleichbaresArbeitsbuch,dasmitseinenÜbungen
undLösungendirektimUnterrichteingesetztwerdenkann.Aufgrunddesgroßen
nationalenErfolgsdererstendeutschenAuflage(2004)sowiedesinternationalen
ErfolgsdererstenenglischenAuflage(2008)habensichdieAutorendazuentschlos-
sen,derzweitenvorliegendendeutschenAuflageeinezweiteenglischeAuflagein
naher Zukunft folgen zu lassen. Alle drei Autoren waren gemeinsam in der for-
schendenpharmazeutischenIndustrieimBereichderBioinformatikundChemie-
informatik tätig und habenaufihren individuellenKarrierewegen weitereFelder
derindustriellenundakademischenNaturwissenschaftenerschlossen.DasZieldes
Lehrbuchsistes,eineEinführungindietäglicheAnwendungdervielfältigenCom-
putational-Biology-Werkzeuge zu geben und gleichzeitig einen ersten Überblick
über das mittlerweile sehr komplexe Fachgebiet zu liefern. Es geht jedoch nicht
darum,FormelnoderAlgorithmenzubeschreibenodergarherzuleiten,sondern
darum,deminteressiertenStudentenundWissenschaftlereinenschnellen,struk-
turiertenZugangzurComputationalBiologyzugeben.DeshalbsindProgrammier-
VI Vorwort
kenntnisseodertiefgehendeInformatikkenntnissefürdasStudiumunddieAnwen-
dungdesLehrbuchsnichterforderlich.
WichtigeTeilgebietederComputationalBiologywerdenindenjeweiligenKapi-
telnvorgestelltunddurchweiterführendeLiteratursowieWWW-Verweiseergänzt.
AusführlicheÜbungenundLösungensollendazuanimieren,direktamComputer
dieThematikunddenUmgangmitderSoftwarezuerlernen.Wennmöglichsind
dieÜbungensogewählt,dassBeispielewieetwaProtein-oderNukleotidsequenzen
austauschbarsind.DieserlaubtdemLeser,nachdemerdasPrinzipverstandenhat,
auchsolcheArbeitsbeispielezuwählen, dienähermitseinemwissenschaftlichen
Interesseverknüpftsind.DirekteTexteingabeninComputerprogrammesinddurch
denSchrifttypCourierundEingabendurchdasBetätigenvonSchaltflächensind
durcheinekursiveSchreibweisegekennzeichnet.Einabschließendes,ausführliches
Glossarsolldabeihelfen,DefinitionenundTerminologienderComputationalBio-
logyschnellzuerfassen.
Wir danken unserem ehemaligen Kollegen und Mitautor der ersten Auflage
HerrnDr.AndreasRohwerfürseineBeiträge,dieüberarbeitetnachwievorinder
zweiten Auflagevon Bedeutungsind.FrauChristiane Ehrt und FrauLina Hum-
beck–TUDortmund–dankenwirganzbesondersfürdasaufmerksameLektorat
unddieaktivePrüfungallerÜbungenundLösungen.FrauDr.SandraNoackdan-
kenwirfürdiekonstruktivenDiskussionsbeiträge.FrauStefanieWolfvomSpringer
Verlag danken wir für die kontinuierliche Unterstützung bei derUmsetzung der
zweitenAuflage.
Ingelheim,Worms,DortmundimJanuar2018
VII
Der Kreislauf der genetischen Information
Die genetische Information wird mit einem 4-Buchstaben-Alphabet gespeichert
undinProteineübersetzt,dieihrerseitsdurchein20-Buchstaben-Alphabetcodiert
sind. Proteine falten sich zu dreidimensionalen Strukturen, die lebenswichtige
FunktionenineinzelligenodermehrzelligenOrganismenausüben.DieseOrganis-
menstehenkontinuierlichuntereinemstarkenSelektionsdruck,derwiederumzu
VeränderungenindergenetischenInformationführt.
IX
Titelbild
DasTitelbildzeigtdasdreidimensionalemolekulareSzenarioeinesProtein-DNA-
Komplexes.DerTranskriptionsaktivator Gal4vonSaccharomycescerevisiaebindet
aneinDNA-Oligomer(PDB-ID1D66).DasProteinistalsRibbon-Modelldarge-
stellt,wobei˛-HelicesrotundLoop-Regionengelbgezeigtsind.DieSeitenketten
derAminosäurensindindenLoop-Bereichennichtdargestellt.FürdasDNA-Oli-
gomerwurdedielokaleKrümmungdermolekularenOberflächefarbcodiert,wo-
beizunehmendeKrümmungdurchdunklereFarbwerteangezeigtwerden(Brick-
mannJ,Exner TE,Keil M,MarhöferRJ[2000] Molecular graphics –trendsand
perspectives.JMolMod6:328–340).DieStrukturwurdemiteinerSiliconGraphics
Octane2unddemProgrammpaketMOLCAD/Sybyl(TriposInc.)erzeugt(Brick-
mannJ,GoetzeT,HeidenW,MoeckelG,Reiling S,Vollhardt H,ZachmannCD
[1995]Interactive visualization of molecular scenarioswith MOLCAD/Sybyl.In:
BowieJE(Hrsg)Datavisualizationinmolecularscience–toolsforinsightandin-
novation.Addison-WesleyPublishingCompanyInc,Reading,Massachusetts,USA,
S83–97).
XI
Eine kurze Historie der Bioinformatik
DerersteAlgorithmus zum Vergleichvon Protein- oderDNA-Sequenzen wurde
1970vonNeedlemanundWunschveröffentlicht(s.7Kap.3).DamitistdieDiszi-
plinBioinformatiknureinJahrjüngeralsderInternetvorläuferARPANETundein
JahrälteralsE-Mail,die1971durchRayTomlinsonerfundenwurde.DerBegriff
Bioinformatik wurde jedocherst1978gebräuchlich,alsHogewegihn als„Studi-
eninformatischerProzesseinbiologischenSystemen“definierte(Hogeweg[1978]
SimulationofCellularForms.InFrontiersinSystemModelling.ZeiglerBP(Ed),
Simulation Councils, Inc., S. 90–95). Die Brookhaven Protein Data Bank (PDB)
wurdeebenfalls1971gegründet.InderPDBwerdenbisheuteProteinkristallstruk-
turengesammelt(s.7Kap.2).ZunächstentwickeltesichdieneueDisziplinrelativ
langsam,bis1977dievollständigeGenomsequenzdesBakteriophagen(cid:2)X174ver-
öffentlicht wurde (Sanger etal.[1977] Nucleotide sequenceof bacteriophage phi
X174DNA.Nature265:687–695).KurzdaraufwurdezumerstenMaldasSoftware-
paketIntelliGeneticsSuitezurAnalysevonDNAundProteinsequenzeneingesetzt
(1980). Im darauffolgenden Jahr publizierten Smith und Waterman (s. 7Kap.3)
einenweiterenAlgorithmusfürdenVergleichvonSequenzenundIBMbrachteden
erstenPersonalcomputer(PC)aufdenMarkt.ImJahr1982brachteeinSpin-offder
UniversityofWisconsin,dieGeneticsComputerGroup,unterdemNamenWis-
consinSuiteeinProgrammpaketzurSequenzanalyseaufdenMarkt.Sowohldieses
ProgrammpaketalsauchdieIntelliGeneticsSuitewarenzunächstSammlungenre-
lativkleiner,einzelnerProgramme,dieüberdieKommandozeilebedientwurden.
SpäterfolgtedanneinegrafischeBenutzeroberflächefürdieWisconsinSuite,was
eineeinfachereBedienungermöglichte.WährenddieIntelliGeneticsSuiterelativ
baldvomMarktverschwand,wardieWisconsinSuiteunterdemNamenGCGnoch
bisindie2000er-Jahrehineinkommerziellerhältlich.
Die Veröffentlichung der Polymerasekettenreaktion (PCR) durch Mullis und
Mitarbeiter im Jahr 1986 stellt einen Meilenstein für die Molekularbiologie und
gleichzeitigfürdieBioinformatik dar(Mullisetal.[1986]Specificenzymaticam-
plificationofDNAinvitro:thepolymerasechainreaction.ColdSpringHarbSymp
QuantBiol51Pt1:263–273).ImgleichenJahrwurdedieSWISS-Prot-Datenbank
gegründet,undThomasRoderickprägtedenBegriffGenomics,womiterdiewis-
senschaftliche Disziplin der Sequenzierung und Beschreibung ganzer Genome
beschrieb(Kuska[1998]Beer,Bethesda,andbiology: how„genomics“cameinto
being.J.Natl.CancerInst90:93).ZweiJahrespäter–1988–wurdedasNational
Centerfor Biotechnology Information (NCBI)gegründet.DasNCBIbetreibt bis
heuteeinederwichtigstenprimärenDatenbanken (.Abb.1;s.7Kap.2).Imglei-
chenJahr startete die Humangenominitiative und der FAST-Algorithmus wurde
veröffentlicht(s.7Kap.3).AlsdasCERNimJahr1991dieProtokolleveröffentlich-
te,diedasWorldWideWeb(WWW)beschreiben,wurdeeineneueÄraeingeläutet
(https://home.cern/topics/birth-web; https://timeline.web.cern.ch/timelines/The-
birth-of-the-World-Wide-Web).DasWWWermöglichteeserstmals,bioinforma-
tischeWerkzeugezureinfachenBenutzungzurVerfügungzustellen.Gleichwohl
dauerteesnocheinigeJahre,bisdiesauchtatsächlichderFallwar.Ebenfalls1991
XII EinekurzeHistoriederBioinformatik
o-
e
cl
u
N
here gle
Erste Behandlung von Lungenkrebs mit CRISPR-Cas9-Gensc Epigenomkartevon 127 humanen Gewebetypen und Zellen erstellt 19.000 –20.000 proteincodierende Gene im menschlichen Genom nachgewiesen Science kürt Krebsimmuntherapie als Durchbruch des Jahres Erste klinische Exomsequenzierungzur Re(cid:4)ung eines erkrankten Kindes Erstes Neandertalergenom RNA-Seq; erstes Genom von Krebszellen Nature kürt NGS zur Methode des Jahres NGS –Solexa NGS –Roche 454 H. sapiens offiziellfer(cid:3)ggestellt M. musculus, P. falciparum, A. gambiae „Gapped BLAST“H. sapiens 1. Entwurf S. cerevisieaD. melanogasterH. influenzaedbSNPMicroarrayC. elegans Jahr nBank-DatenbankdesNCBIinVerbindungmiteinigenMeilensteinenderBioinformatik.dbESTExpressedSequenceTagdatabase;dbSNPSinNGSNextGenerationSequencing.(UnterMitwirkungvonDr.QuangHonTran)
ffymetrixDNA dbEST klungderGemDatabase;
A BLAST Entwicmorphis
b.1oly
bP
eraapnesaB nedrailliM .Atide