Banco de Dados Biológicos

Transcrição

1 Pontifícia Universidade Católica de Goiás Departamento de Biologia Disciplina: Bioinformática Bio1015 Banco de Dados Biológicos Prof. Macks Wendhell Gonçalves, Msc

2 INTRODUÇÃO

3 BANCO DE DADOS - BD Conceito - Um banco de dados pode ser considerado coleção de dados interrelacionados, projetado para suprir as necessidades de um grupo específico de aplicações e usuários Função - Um banco de dados organiza e estrutura as informações de modo a facilitar consultas, atualizações pelos pesquisadores A maioria dos BD s estão atrelados a um SGBD (Sistema de Gerenciamento de Banco de Dados) DADOS

4 SGBD s Um SGBD é um conjunto de softwares que permitem armazenar, modificar e extrair dados de um banco, provendo para isso um ambiente que seja adequado e eficiente. Este sistema é responsável por intermediar os processos de construção, manipulação e administração do banco de dados solicitados pelos usuários ou por outras aplicações. Principais SGBD s

5 EVOLUÇÃO DOS SGBD s SISTEMA DE ARQUIVO SGBD HIERÁRQUICOS SGBD EM REDE 1º geração... SGBD ORIENTADOS A OBJETO 3º geração SGBD OBJETO-RELACIONAL SGBD RELACIONAIS 2º geração

6 Modelo Hierárquico MODELOS SGBD s Os dados são classificados hierarquicamente de acordo com uma arborescência descendente. Este modelo utiliza apontadores entre os diferentes registros. Tratase do primeiro modelo de SGBD. - Apenas um possuidor - Implementa apenas o relacionamento de N:N e N:M - Ex: MIS (Management Information System IBM) Modelo de Rede Como o modelo hierárquico, este modelo utiliza apontadores para os registros. Contudo, a estrutura já não é necessariamente arborescente no sentido descendente. - Mais complexa que a hierárquica - Ex: Computadores de grande porte

7 Modelo Relacional MODELOS SGBD s SGBDR Os dados são registrados em quadrosa de duas dimensões (linhas e colunas). Ocupa mais de 90% do mercado hoje. - A estrutura básica é a tabela (mais amigável) - Curva de aprendizagem menor Modelo Orientado a Objetos SGBDO Os dados são armazenados sob a forma de objetos, quer dizer, de estruturas chamadas classes que apresentam dados membros. Os campos são instâncias destas classes. - Está mais próximo de representações do mundo real - Ex: Aplicações Médicas e Geográficas

8 LINGUAGEM SQL

9 DADOS BIOLÓGICOS EM BIOINFORMÁTICA

10 BANCO DE DADOS PÚBLICOS (BDBs) EM BIOINFORMÁTICA Três BDBs a partir do tipo de conteúdo neles armazenado primários secundários especializados

11 BANCO DE DADOS BIOLÓGICOS BDBs primários Armazenam dados originais de sequências de nucleotídeos ou proteínas

12 BANCO DE DADOS BIOLÓGICOS BDBs primários Utilizam-se basicamente arquivos de tipo texto simples (ex: tipo fasta) para armazenar essas informações. Dentre os principais BDBs primários destacam-se o GenBank, o EMBL e o DDBJ (Xiong, 2006).

13 BANCO DE DADOS BIOLÓGICOS BDBs primários

14 BANCO DE DADOS BIOLÓGICOS BDBs secundários armazenam resultados de análises feitas a partir de dados primários - a partir de sequências de nucleotídeos ou de proteínas armazenados em BDBs primários

15 BANCO DE DADOS BIOLÓGICOS BDBs secundários Dados são armazenados utilizando SGBDs O SWISS-Prot e o PIR (Protein Information Resources) são exemplos de BDBs secundários que armazenam informações referentes às proteínas, incluindo: Anotações de funcionalidades Estruturas tridimensionais e Literatura associada

16 BANCO DE DADOS BIOLÓGICOS BDBs secundários

17 BANCO DE DADOS BIOLÓGICOS BDBs especializados São aqueles que atendem a um interesse particular de pesquisa. Dados são armazenados utilizando SGBDs ou arquivos Por exemplo, Flybase, HIV sequence database, e RDP (Ribosomal Database Project) são BDBs especializados para um particular organismo ou tipo de dado

18 BANCO DE DADOS BIOLÓGICOS BDBs especializados

19 BDBs primários BANCO DE DADOS PÚBLICOS EM BIOINFORMÁTICA - GenBank ( - DDBJ DNA Data Bank of Japan ( - EBI European Bioinformatics Institute ( - PDB Protein Data Bank ( BDBs secundários - PIR Protein Information Resource ( - Swiss-Prot - ( - KEGG - Kyoto Encyclopedia of Genes and Genomes - (

20 BUSCA DE INFORMAÇÃO O que se pode descobrir sobre um gene por meio de uma busca a um BD? Informação evolutiva: genes homólogos, frequências dos alelos Informação genômica: localização no cromossomo, intros, UTRs, regiões reguladoras Informação estrutural: estruturas da proteína correspondente, tipos de folds, domínios estruturais; Informação de expressão: expressão específica a um dado tecido, fenótipos, doenças; Informação funcional: função molecular/enzimática, papel em diferentes rotas, papel em doenças;

21 BUSCA DE INFORMAÇÃO Busca de informação sobre genes e produtos gênicos Gene e produtos gênicos são geralmente organizados por sequência - Sequências genômicas codificam todas características de um organismo - Produtos gênicos são descritos unicamente por sua sequência - Sequências similares entre biomoléculas indica tanto uma função similar quanto um relacionamento evolutivo Sequências de macromoléculas proporciona chaves biologicamente significativas para busca em BD

22 NCBI - NATIONAL CENTER FOR BIOTECHNOLOGY INFORMATION O NCBI fornece acesso a genomas completos de mais de organismos. Genomas significam tanto sequências completas de organismos quanto os que ainda estão em processo de sequenciamento.

23 BANCOS DE DADOS DO NCBI Genbank Formatos FASTA, GenBank >gi ref NM_ Homo sapiens tumor protein p53 (TP53), transcript variant 1, mrna GATTGGGGTTTTCCCCTCCCATGTGCTCAAGACTGGCGCTAAAAGTTTTGAGC TTCTCAAAAGTCTAGAGCCACCGTCCAGGGAGCAGGTAGCTGCTGGGCTCCGG GGACACTTTGCGTTCGGGCTGGGAGCGTGCTTTCCACGACGGTGACACGCTTC CCTGGATTGGCAGCCAGACTGCCTTCCGGGTCACTGCCATGGAGGAGCCGCAG TCAGATCCTAGCGTCGAGCCCCCTCTGAGTCAGGAAACATTTTCAGACCTATG GAAACTACTTCCTGAAAACAACGTTCTGTCCCCCTTGCCGTCCCAAGCAATGG ATGATTTGATGCTGTCCCCGGACGATATTGAACAATGGTTCACTGAAGACCCA GGTCCAGATGAAGCTCCCAG(...)

24 BANCOS DE DADOS DO NCBI PubMed (25 milhões publicações) GenBank GenPept Genome dbgss dbest dbsnp

25 Taxonomy BANCOS DE DADOS DO NCBI Permite verificar o número de sequências de nucleotídeos, proteínas e genomas de espécies Contém a classificação taxonômica completa das espécies - Incluindo categorias não-lineanas

26 Trace Archive BANCOS DE DADOS DO NCBI Contém os dados brutos de sequenciamento para diversas espécies O pesquisador pode fazer o download e realizar o base-calling da maneira como preferir Arquivos pesados (dados brutos) Obsoleto... - Short read archive

27 BANCOS DE DADOS DO NCBI RefSeq Banco de dados de sequências de referência para genomas Apresenta uma única cópia para cada gene no genoma - É o verdadeiro NR Dividido em genoma, cdna e proteína (NC, NM e NP) Contém sequências de splicing alternativo

28 BANCOS DE DADOS DO NCBI dbest Contém sequências de EST s de diversos organismos

29 BANCOS DE DADOS DO NCBI dbgss Contém sequências genômicas single-passed para diversos organismos

30 BANCOS DE DADOS DO NCBI UniGene Contém clusters de ESTs formados a partir de similaridades usando o algoritmo megablast. Reúne variantes de splicing no mesmo identificador Cataloga variantes de splicing por tecido

31 Pontifícia Universidade Católica de Goiás Departamento de Biologia Disciplina: Bioinformática Bio1015 Banco de Dados Biológicos Prof. Macks Wendhell Gonçalves, Msc