Bioinformatik: Grundlagen, Algorithmen, Anwendungen

Cover
Titelseite
Impressum
Inhaltsverzeichnis
Vorwort
Teil I Grundlagen – Biologie und Datenbanken
	1 Biologische Grundlagen
		1.1 DNA
		1.2 Genetischer Code und Genomkomposition
		1.3 Transkription
		1.4 RNA
		1.5 Proteine
		1.6 Peptidbindung
		1.7 Konformation von Aminosäureseitenketten
		1.8 Ramachandran-Plot
		1.9 Hierarchische Beschreibung von Proteinstrukturen
		1.10 Sekundärstrukturelemente
		1.11 -Helix
		1.12 -Faltblätter
		1.13 Supersekundärstrukturelemente
		1.14 Proteindomänen
		1.15 Proteinfamilien
		1.16 Enzyme
		1.17 Proteinkomplexe
		1.18 Fachbegriffe
		Literatur
	2 Sequenzen und ihre Funktion
		2.1 Definitionen und Operatoren
		2.2 DNA-Sequenzen
		2.3 Protein-Sequenzen
		2.4 Vergleich der Sequenzkomposition
		2.5 Ontologien
		2.6 Semantische Ähnlichkeit von GO-Termen
			2.6.1 Bewertung mittels informationstheoretischer Ansätze
			2.6.2 Vergleich mit einer graphentheoretischen Methode
		Literatur
	3 Datenbanken
		3.1 Nukleotidsequenz-Datenbanken
		3.2 RNA-Sequenz-Datenbanken
		3.3 Proteinsequenz-Datenbanken
		3.4 3D-Struktur-Datenbanken
		3.5 SMART: Analyse der Domänenarchitektur
		3.6 STRING: Proteine und ihre Interaktionen
		3.7 SCOP: Strukturelle Klassifikation von Proteinen
		3.8 Pfam: Kompilation von Proteinfamilien
		3.9 COG und eggNOG: Gruppen orthologer Gene
		3.10 Weitere Datenbanken
		Literatur
Teil II Lernen, Optimieren und Entscheiden
	4 Grundbegriffe der Stochastik
		4.1 Grundbegriffe der beschreibenden Statistik
		4.2 Zufallsvariable, Wahrscheinlichkeitsmaß
		4.3 Urnenexperimente und diskrete Verteilungen
		4.4 Die Kolmogoroffschen Axiome
		4.5 Bedingte Wahrscheinlichkeit, Unabhängigkeit, Satz von Bayes
		4.6 Markov-Ketten
		4.7 Erwartungswert, Varianz
		4.8 Wichtige Wahrscheinlichkeitsverteilungen
			4.8.1 Diskrete Verteilungen
			4.8.2 Totalstetige Verteilungen
		4.9 Schätzer
		4.10 Grundlagen statistischer Tests
		4.11 Eine optimale Entscheidungstheorie: Die Neyman-Pearson-Methode
		Literatur
	5 Bayessche Entscheidungstheorie und Klassifikatoren
		5.1 Bayessche Entscheidungstheorie
			5.1.1 Ein Beispiel: Klassifikation der Proteinoberfläche
			5.1.2 Übergang zu bedingten Wahrscheinlichkeiten
			5.1.3 Erweitern auf m Eigenschaften
		5.2 Marginalisieren
		5.3 Boosting
		5.4 ROC-Kurven
			5.4.1 Bewerten von Fehlklassifikationen
			5.4.2 Aufnehmen einer ROC-Kurve
		5.5 Testmethoden für kleine Trainingsmengen
		Literatur
	6 Klassische Cluster- und Klassifikationsverfahren
		6.1 Metriken und Clusteranalyse
		6.2 Das mittlere Fehlerquadrat als Gütemaß
		6.3 Ein einfaches iteratives Clusterverfahren
		6.4 k-Means-Clusterverfahren
		6.5 Hierarchische Clusterverfahren
		6.6 Nächster-Nachbar-Klassifikation
		6.7 k nächste Nachbarn
		Literatur
	7 Neuronale Netze
		7.1 Architektur von neuronalen Netzen
		7.2 Das Perzeptron
		7.3 Modellieren Boolescher Funktionen
		7.4 Lösbarkeit von Klassifikationsaufgaben
		7.5 Universelle Approximation
		7.6 Lernen in neuronalen Netzen
		7.7 Der Backpropagation-Algorithmus
		7.8 Codieren der Eingabe
		7.9 Selbstorganisierende Karten
		Literatur
	8 Genetische Algorithmen
		8.1 Objekte und Funktionen
		8.2 Beschreibung des Verfahrens
		8.3 Der Begriff des Schemas
		8.4 Dynamik der Anzahl von Schemata
		8.5 Codieren der Problemstellung
		8.6 Genetisches Programmieren
		Literatur
Teil III Algorithmen und Modelle der Bioinformatik
	9 Paarweiser Sequenzvergleich
		9.1 Dotplots
			9.1.1 Definition
			9.1.2 Beispiel
			9.1.3 Implementierung
			9.1.4 Abschätzen der Laufzeit
			9.1.5 Anwendungen
			9.1.6 Einschränkungen und Ausblick
		9.2 Entwickeln eines optimalen Alignmentverfahrens
			9.2.1 Paarweise und multiple Sequenzalignments
			9.2.2 Dynamisches Programmieren
			9.2.3 Distanzen und Metriken
			9.2.4 Die Minkowski-Metrik
			9.2.5 Die Hamming-Distanz
		9.3 Levenshtein-Distanz
			9.3.1 Berechnungsverfahren
			9.3.2 Ableiten des Alignments
		9.4 Bestimmen der Ähnlichkeit von Sequenzen
			9.4.1 Globales Alignment
			9.4.2 Lokales Sequenzalignment
		9.5 Optimales Bewerten von Lücken
			9.5.1 Eigenschaften affiner Kostenfunktionen
			9.5.2 Integration in Algorithmen
		9.6 Namensgebung
		Literatur
	10 Sequenzmotive
		10.1 Signaturen
		10.2 Die PROSITE-Datenbank
		10.3 Die BLOCKS-Datenbank
		10.4 Sequenzprofile
		10.5 Scores für Promotorsequenzen
		10.6 Möglichkeiten und Grenzen profilbasierter Klassifikation
		10.7 Sequenz-Logos
		10.8 Konsensus-Sequenzen
		10.9 Sequenzen niedriger Komplexität
		10.10 Der SEG-Algorithmus
		Literatur
	11 Scoring-Schemata
		11.1 Theorie von Scoring-Matrizen
		11.2 Algorithmenbedingte Anforderung
		11.3 Identitätsmatrizen
		11.4 PAM-Einheit
		11.5 PAM-Matrizen
		11.6 Ein moderner PAM-Ersatz: Die JTT-Matrix
		11.7 BLOSUM-Matrizen
		11.8 Matrix-Entropie
		11.9 Scoring-Schemata und Anwendungen
		11.10 Flexible Erweiterung: Scoring-Funktionen
		Literatur
	12 FASTA und die BLAST-Suite
		12.1 FASTA
			12.1.1 Programmablauf
			12.1.2 Statistische Bewertung der Treffer
		12.2 BLAST
			12.2.1 Konzepte und Umsetzung
			12.2.2 Statistik von Alignments
			12.2.3 Ausgabe der Treffer
		12.3 Vergleich der Empfindlichkeit von FASTA und BLAST
		12.4 Ansätze zur Performanzsteigerung
		12.5 Profilbasierter Sequenzvergleich
		12.6 PSI-BLAST
		12.7 Sensitivität verschiedener Sequenzvergleichsmethoden
		12.8 Vergleich von Profilen und Konsensus-Sequenzen
		12.9 DELTA-BLAST
		Literatur
	13 Multiple Sequenzalignments und Anwendungen
		13.1 Berechnen von Scores für multiple Sequenzalignments
		13.2 Iteratives Berechnen eines Alignments
		13.3 ClustalW: Ein klassischer Algorithmus
			13.3.1 Grundlegende Konzepte
			13.3.2 Algorithmus
			13.3.3 Ein Beispiel: MSA für Trypsin-Inhibitoren
		13.4 T-Coffee
		13.5 M-Coffee und 3D-Coffee
		13.6 Alternative Ansätze
		13.7 Alignieren großer Datensätze
		13.8 Charakterisierung von Residuen mithilfe von Alignments
			13.8.1 Entwickeln der Scoring-Funktion
			13.8.2 FRpred: Vorhersage funktionell wichtiger Residuen
			13.8.3 SDPpred: Vergleich homologer Proteine mit unterschiedlicher Spezifität
		13.9 Alignment von DNA- und RNA-Sequenzen
		Literatur
	14 Grundlagen phylogenetischer Analysen
		14.1 Einteilung phylogenetischer Ansätze
		14.2 Distanzbasierte Verfahren
			14.2.1 Ultrametrische Matrizen
			14.2.2 Additive Matrizen
		14.3 Linkage-Algorithmen
		14.4 Der Neighbour-Joining-Algorithmus
		14.5 Parsimony-Methoden
		14.6 Maximum-Likelihood-Ansätze
			14.6.1 Übergangswahrscheinlichkeiten für DNA-Sequenzen
			14.6.2 Empirische Modelle der Protein-Evolution
			14.6.3 Berechnen der Likelihood eines Baumes
			14.6.4 Quartett-Puzzle: Heuristik zum Finden einer Topologie
		14.7 Grundannahmen phylogenetischer Algorithmen
		14.8 Statistische Bewertung phylogenetischer Bäume
			14.8.1 Verwenden von Outgroups
			14.8.2 Bootstrap-Verfahren und posterior Wahrscheinlichkeiten
		14.9 Alternativen und Ergebnisse
		Literatur
	15 Markov-Ketten und Hidden-Markov-Modelle
		15.1 Ein epigenetisches Signal: CpG-Inseln
		15.2 Finite Markov-Ketten
		15.3 Kombination zweier Ketten zu einem Klassifikator
		15.4 Genvorhersage mithilfe inhomogener Ketten
		15.5 Hidden-Markov-Modelle
		15.6 Der Viterbi-Pfad
		15.7 Ein HMM zur Erkennung von CpG-Inseln
		15.8 Der Vorwärts- und der Rückwärts-Algorithmus
		15.9 Schätzen von Parametern
		15.10 Der Baum-Welch-Algorithmus
		15.11 Entwurf von HMMs
		15.12 Verwendung und Grenzen von HMMs
		15.13 Wichtige Eigenschaften von Markov-Ketten
		15.14 Markov-Ketten-Monte-Carlo-Verfahren
			15.14.1 Monte-Carlo-Integration
			15.14.2 Metropolis-Hastings-Algorithmus
			15.14.3 Simulated Annealing
			15.14.4 Gibbs-Sampler
		15.15 Weitere Anwendungen von Markov-Ketten
		Literatur
	16 Profil-HMMs
		16.1 HMM-Struktur zur Beschreibung von Proteinfamilien
		16.2 Suche nach homologen Sequenzen
		16.3 Modellbau mit Profil-HMMs
		16.4 Approximieren von Wahrscheinlichkeitsdichten
		16.5 HHsearch: Vergleich zweier Profil-HMMs
			16.5.1 Grundlagen des Alignments von zwei Hidden-Markov-Ketten
			16.5.2 Paarweises Alignment von HMMs
			16.5.3 Performanz von HHsearch
			16.5.4 Strukturvorhersage mit HHsearch
		Literatur
	17 Support-Vektor-Maschinen
		17.1 Beschreibung des Klassifikationsproblems
		17.2 Lineare Klassifikatoren
		17.3 Klassifizieren mit großer Margin
		17.4 Kernel-Funktionen und Merkmalsräume
		17.5 Implizite Abbildung in den Merkmalsraum
		17.6 Eigenschaften von Kernel-Funktionen
		17.7 Häufig verwendete Kernel-Funktionen
		17.8 Aus Merkmalen abgeleitete Kernel-Funktionen
		17.9 Support-Vektor-Maschinen in der Anwendung
		17.10 Multiklassen SVMs
		17.11 Theoretischer Hintergrund
		Literatur
	18 Vorhersage der Sekundärstruktur
		18.1 Vorhersage der Proteinsekundärstruktur
			18.1.1 Ein früher Ansatz: Chou-Fasman-Verfahren
			18.1.2 PHD: Profilbasierte Vorhersage
		18.2 Vorhersage der RNA-Sekundärstruktur
			18.2.1 RNA-Sequenzen und -Strukturen
			18.2.2 Freie Energie und Strukturen
			18.2.3 Sekundärstrukturvorhersage durch Energieminimierung
			18.2.4 Strukturen mit Schleifen
			18.2.5 STAR: Einbinden eines genetischen Algorithmus
			18.2.6 MEA-Verfahren zur Vorhersage von Strukturen mit Pseudoknoten
			18.2.7 Strukturvorhersage mithilfe von multiplen Sequenzalignments
		Literatur
	19 Vergleich von Protein-3D-Strukturen
		19.1 Grundlagen des Strukturvergleichs
		19.2 Superposition von Protein-3D-Strukturen
		19.3 SAP: Vergleich von 3D-Strukturen mit Vektorbündeln
		19.4 Simulated Annealing
		19.5 Superposition mithilfe von DALI
			19.5.1 Scores für Substrukturen
			19.5.2 Alignieren von Substrukturen
		19.6 TM-Align
		19.7 DeepAlign
		19.8 Multiple Superpositionen
		Literatur
	20 Vorhersage der Protein-3D-Struktur
		20.1 Threading-Verfahren
		20.2 3D-1D-Profile: Profilbasiertes Threading
			20.2.1 Bestimmen der lokalen Umgebung
			20.2.2 Erzeugen eines 3D-1D-Profils
		20.3 Wissensbasierte Kraftfelder
			20.3.1 Theoretische Grundlagen
			20.3.2 Ableiten der Potenziale
		20.4 Rotamerbibliotheken
		20.5 MODELLER
		20.6 ROSETTA/ROBETTA
			20.6.1 Energieterme und ihre Verwendung
			20.6.2 De-novo-Strukturvorhersage mit ROSETTA
			20.6.3 Verfeinerung der Fragmentinsertion
			20.6.4 Modellieren strukturell variabler Regionen
		20.7 Alternative Modellieransätze
		20.8 Verify-3D: Bewerten der Modellqualität
		Literatur
	21 Analyse integraler Membranproteine
		21.1 Architektur integraler Membranproteine
		21.2 Spezifische Probleme beim Sequenzvergleich
		21.3 Vorhersage der Topologie von Helix-Bündeln
			21.3.1 HMMTOP
			21.3.2 MEMSAT-SVM
			21.3.3 Ein Meta-Server: TOPCONS
		21.4 Vorhersage der Struktur von -Fässern
			21.4.1 TMBpro
			21.4.2 BOCTOPUS
		21.5 Alternative Ansätze und Homologiemodellierung
		21.6 Gegenwärtiger Stand bioinformatischer Methoden
		Literatur
	22 Entschlüsselung von Genomen
		22.1 Shotgun-Sequenzierung
		22.2 Erwartete Anzahl von Contigs beim Shotgun-Ansatz
		22.3 Basecalling und Sequenzqualität
		22.4 Assemblieren von Teilsequenzen: Klassischer Ansatz
			22.4.1 Phase eins: Bestimmen überlappender Präfix/Suffix-Regionen
			22.4.2 Phase zwei: Erzeugen von Contigs
			22.4.3 Phase drei: Generieren der Konsensus-Sequenz
		22.5 Neue Herausforderung: Assemblieren kurzer Fragmente
		22.6 Annotation kompletter Genome
		22.7 Metagenomik
			22.7.1 Spezielle Anforderungen an die Bioinformatik
			22.7.2 Minimalanforderungen für die Metagenom-Annotation
		Literatur
	23 Auswertung von Genexpressionsdaten
		23.1 DNA-Chip-Technologie
			23.1.1 Datenbanken für Genexpressionsdaten
			23.1.2 Grenzen der Technologie
		23.2 Analyse von DNA-Chip-Signalen
			23.2.1 Quantifizierung von Expressionswerten
			23.2.2 Normalisieren und Datenreduktion
			23.2.3 Normalisieren über Replikate
		23.3 Identifizieren differenziell exprimierter Gene
		23.4 Metriken zum Vergleich von Expressionsdaten
		23.5 Analyse kompletter DNA-Chip-Datensätze
			23.5.1 Anwendung von Clusterverfahren
			23.5.2 Validierung und Alternativen
		23.6 Hauptkomponentenanalyse
		23.7 Biclusterverfahren
			23.7.1 ISA: Ein performantes Biclusterverfahren
			23.7.2 Der Signatur-Algorithmus
			23.7.3 Iterative Optimierung
			23.7.4 QUBIC: Ein graphenbasiertes Biclusterverfahren
		23.8 Grenzen und Alternativen bei der Expressionsanalyse
		23.9 Genexpressions-Profiling
		23.10 Visualisieren mithilfe von Wärmekarten
			23.10.1 Der klassische Ansatz
			23.10.2 ClusCor: Kombination verschiedener Datenquellen
		23.11 Datenaufbereitung für systembiologische Fragestellungen
			23.11.1 Bündelung von Datenbankinformation
			23.11.2 Statistische Analyse der Termverteilung
			23.11.3 Verwendbarkeit der Verfahren
		Literatur
	24 Analyse von Protein-Protein-Interaktionen
		24.1 Biologische Bedeutung des Interaktoms
		24.2 Methoden zum Bestimmen des Interaktoms
		24.3 Analyse des Genominhaltes
			24.3.1 Genfusion
			24.3.2 Phyletische Muster
			24.3.3 Analyse von Genfolgen
			24.3.4 Performanz sequenzbasierter Methoden
		24.4 Bewerten von Codonhäufigkeiten
		24.5 Suche nach korrelierten Mutationen
			24.5.1 Erzeugen sortierter MSA-Paare
			24.5.2 Identifizieren korrelierter Mutationen
		24.6 Vergleich phylogenetischer Bäume
			24.6.1 Die mirror-tree-Methode
			24.6.2 Korrektur des Hintergrundsignals
		24.7 Vorhersage des Interaktoms der Hefe
		24.8 Protein-Protein-Interaktionsvorhersagen
			24.8.1 Vorhersagen basierend auf Strukturinformation
			24.8.2 PrePPI: Integration zusätzlicher Merkmale
		Literatur
	25 Big Data: Herausforderungen und neue Möglichkeiten
		25.1 Klassifikation mit Random Forests
			25.1.1 Entscheidungsbäume
			25.1.2 Berechnen der Topologie
			25.1.3 RF-Algorithmus
			25.1.4 Theoretische Klassifikationsleistung eines RFs
			25.1.5 Problemlösungen für konkrete Anwendungen
			25.1.6 Auswahl informativer Eigenschaften
			25.1.7 Bioinformatische Anwendungen
		25.2 Sequenzbasierte Vorhersage der Protein-3D-Struktur
			25.2.1 Experimentelle Proteinstrukturaufklärung
			25.2.2 Berechnen von Kovariationssignalen
			25.2.3 PSICOV: Vorhersage räumlich benachbarter Residuen-Paare
			25.2.4 Vorhersage der 3D-Struktur mithilfe von Kontaktinformation
			25.2.5 Alternative Nutzung von Kopplungssignalen
		25.3 Berechnen einer Feinstruktur großer Proteinfamilien
			25.3.1 MCL: Clustern mithilfe stochastischer Matrizen
			25.3.2 Cytoscape: Visualisierung von Netzwerk-Clustern
		25.4 Positionierung von Nukleosomen
			25.4.1 Chromatin und Nukleosomen
			25.4.2 NucleoFinder: Statistischer Ansatz zur Vorhersage von Nukleosomen-Positionen
		25.5 Analyse des menschlichen Genoms mithilfe von ENCODE-Daten
			25.5.1 Datentypen
			25.5.2 Genom-Browser
		Literatur
	26 Zum Schluss
		26.1 Informatik in schwierigem Umfeld
		26.2 Ungelöste Probleme und Herausforderungen
		Literatur
Index
EULA