CG020 Genomika
Přednáška 1
Úvod do bioinformatiky
Jan Hejátko
Funkční genomika a proteomika rostlin,
Středoevropský technologický institut (CEITEC)
a
Národní centrum pro výzkum biomolekul,
Přírodovědecká fakulta,
Masarykova univerzita, Brno
hejatko@sci.muni.cz, www.ceitec.eu
2
2
 Schéma předmětu
 Definice
 Role BIOINFORMATIKY v současném pojetí FUNKČNÍ GENOMIKY
 Databáze
 Spektrum „on-line“ zdrojů
 PRIMÁRNÍ, SEKUNDÁRNÍ a STRUKTURÁLNÍ databáze
 GENOMOVÉ zdroje
 Analytické nástroje
 Vyhledávání homologií
 Vyhledávání sekvenčních motivů, otevřených čtecích rámců, restrikčních
míst….
 Další www genomové nástroje
Osnova
3
Schéma předmětu
 Kapitola 01
 Úvod do bioinformatiky
 Kapitola 02
 Identifikace genů
 Kapitola 03
 Přístupy reverzní genetiky
 Kapitola 04
 Přístupy genetiky přímé
3
4
Schéma předmětu
 Kapitola 05
 RNA interference a genomové editování
 Kapitola 06
 Genová exprese a chemická genetika
 Kapitola 07
 Protein-proteinové interakce a jejich
analýza
 Kapitola 08
 Současné metody sekvenování DNA
4
5
Schéma předmětu
 Kapitola 09
 Struktura genomů
 Kapitola 10
 Evoluce genomů
 Kapitola 11
 Genomika a systémová biologie
 Kapitola 12
 Praktické aspekty funkční genomiky
 Modelové organismy
 PCR
5
6
6
 Literární zdroje pro kapitolu 01:
 Bioinformatics and Functional Genomics, 3rd
Edition, Jonathan Pevsner, Wiley-Blackwell, 2015
http://www.bioinfbook.org/php/?q=book3
 Úvod do praktické bioinformatiky, Fatima
Cvrčková, 2006, Academia, Praha
 Plant Functional Genomics, ed. Erich
Grotewold, 2003, Humana Press, Totowa, New
Jersey
Literatura
7
7
 Schéma předmětu
 Definice
Osnova
8
8
 Sensu lato (v širším pojetí) zkoumá STRUKTURU a FUNKCI
genomů
 Sensu stricto (v užším pojetí) zkoumá FUNKCI
jednotlivých genů - FUNKČNÍ GENOMIKA
 používá zejména přístupy REVERZNÍ GENETIKY
 Předpokladem je znalost genomu (sekvencí)práce
s databázemi
GENOMIKA-co to je?
Genomics is a science discipline that is interested in the analysis of
genomes. Genome of each organism is a complex of all genes of the
respective organism. The genes could be located in cytoplasm
(prokaryots) nucleus (in most euckaryotic organisms), mitochondria or
chloroplasts (in plants).
The critical prerequisite of genomics is the knowledge of gene sequences.
Functional genomics is interested in function of individual genes.
9
3 : 1
Přístupy „klasické“ genetiky „Reverzně genetický“ přístup
?
inzerční mutageneze
5‘TTATATATATATATTAAAAAATAAAATAA
AAGAACAAAAAAGAAAATAAAATA….3‘
GENOMIKA-co to je?
role BIOINFORMATIKY ve FUNKČNÍ GENOMICE
BIOINFORMATIKA
FUNKČNÍ GENOMIKA
With the knowledge of gene sequences (or the knowledge of the gene files in the
individual organisms, i.e. the knowledge of genomes), Reverse Genetics
appears that allows study their function.
In comparison to ”classical” or Forward Genetics, starting with the phenotype,
the reverse genetics starts with the sequence identified as a gene in the
sequenced genome. The gene identification using approaches of Bioinformatics
will be described later (see Lesson 02).
Reverse genetics uses a spectrum of approaches that will be described in the
Lesson 03 that allow isolation of sequence-specific mutants and thus their
phenotype analysis.
The necessity of having phenotype alterations in the forward genomics approach
introduces important difference between those two approaches. Thus, the gene is
no longer understood as a factor (trait) determining phenotype, but rather as a
piece of DNA characterized by the unique string of nucleotides. i.e. physical
DNA molecule.
9
10
10
 Schéma předmětu
 Definice
 Role BIOINFORMATIKY v současném pojetí FUNKČNÍ GENOMIKY
Osnova
11
11
 Definice bioinformatiky (podle NIH vědeckého a technologického
konsorcia pro biomedicínské informace)
Výzkum, vývoj nebo aplikace výpočetních nástrojů a přístupů za
účelem zvyšování rozvoje využití biologických, lékařských, dat o
chování nebo zdraví, včetně těch, které umožňují taková data
získávat, ukládat, organizovat, archivovat, analyzovat nebo
vizualizovat.
Bioinformatika
NIH WORKING DEFINITION OF BIOINFORMATICS AND COMPUTATIONAL BIOLOGY
July 17, 2000
The following working definition of bioinformatics and computational biology were developed by the BISTIC
Definition Committee and released on July 17, 2000. The committee was chaired by Dr. Michael Huerta of the
National Institute of Mental Health and consisted of the following members:
Bioinformatics Definition Committee BISTIC Members Expert Members
Michael Huerta (Chair) Gregory Downing
Florence Haseltine Belinda Seto
Yuan Liu
Preamble
Bioinformatics and computational biology are rooted in life sciences as well as computer and information
sciences and technologies. Both of these interdisciplinary approaches draw from specific disciplines such as
mathematics, physics, computer science and engineering, biology, and behavioral science. Bioinformatics and
computational biology each maintain close interactions with life sciences to realize their full potential.
Bioinformatics applies principles of information sciences and technologies to make the vast, diverse, and
complex life sciences data more understandable and useful. Computational biology uses mathematical and
computational approaches to address theoretical and experimental questions in biology. Although
bioinformatics and computational biology are distinct, there is also significant overlap and activity at their
interface.
Definition
The NIH Biomedical Information Science and Technology Initiative Consortium agreed on the following
definitions of bioinformatics and computational biology recognizing that no definition could completely eliminate
overlap with other activities or preclude variations in interpretation by different individuals and organizations.
Bioinformatics: Research, development, or application of computational tools and approaches for expanding
the use of biological, medical, behavioral or health data, including those to acquire, store, organize, archive,
analyze, or visualize such data.
Computational Biology: The development and application of data-analytical and theoretical methods,
mathematical modeling and computational simulation techniques to the study of biological, behavioral, and
social systems.
12
12
 Interface of biology and computers
 Analysis of proteins, genes and genomes using
computer algorithms and computer databases
 Genomics is the analysis of genomes. The tools of
bioinformatics are used to make sense of the
billions of base pairs of DNA that are sequenced by
genomics projects.
What is Bioinformatics?
J. Pevsner, 
http://www.bioinfbook.org/index.php
13
13
 Bioinformatika ve funkční genomice
 Zpracování a analýza sekvenačních dat
 Identifikace referenčních sekvencí
 Identifikace genů
 Identifikace homologů, ortologů a paralogů
 Korelační analýzy mezi genomy a fenotypy (včetně člověka)
 Zpracování a analýza transkripčních dat
 Transkripční profilování pomocí DNA čipů nebo next-gen
sekvenování
 Vyhodnocování experimentálních dat a predikce nových
regulací v přístupech systémové biologie
 Matematické modelování genových regulačních sítí
Bioinformatika
14
14
 Schéma předmětu
 Definice
 Role BIOINFORMATIKY v současném pojetí FUNKČNÍ GENOMIKY
 Databáze
 Spektrum „on-line“ zdrojů
Osnova
15
Spektrum on-line zdrojů
There are many of on-line resources that could be used.
15
16
 EBI http://www.ebi.ac.uk/services
Spektrum on-line zdrojů
Nowadays, the resources are interconnected and could be accessed via
dedicated web pages. Among the best and mostluy used www resources
integrating plenty of database resources belong www portal of European
Bioinformatics Institute (EBI) in Europe (Germany) and National Center of
Biotechnology Information (NCBI) in the USA (
16
17
 NCBI http://www.ncbi.nlm.nih.gov/
Spektrum on-line zdrojů
Nowadays, the resources are interconnected and could be accessed via
dedicated web pages.
17
18
18
 Schéma předmětu
 Definice
 Role BIOINFORMATIKY v současném pojetí FUNKČNÍ GENOMIKY
 Databáze
 Spektrum „on-line“ zdrojů
 PRIMÁRNÍ, SEKUNDÁRNÍ a STRUKTURÁLNÍ databáze
Osnova
19
 EMBL
 http://www.ebi.ac.uk/embl/
 GenBank,
 https://www.ncbi.nlm.nih.gov/
 DDBJ,
 http://www.ddbj.nig.ac.jp
 zahrnují soubory primárních dat – sekvencí DNA a proteinů
 Sekvence v databázích tzv. „Velké trojky“:
 denně vzájemná výměna a zálohování dat
 velká datová náročnost (kapacita i software)
Primární databáze
19
20
20
Growth of GenBank
Year
BasepairsofDNA(millions)
Sequences(millions)
1982 1986 1990 1994 1998 2002
J. Pevsner, 
http://www.bioinfbook.org/index.php
21
Growth of GenBank + Whole Genome Shotgun
(1982-November 2008): we reached 0.2 terabases
Numberofsequences
inGenBank(millions)
BasepairsofDNAinGenBank(billions)
BasepairsinGenBank+WGS(billions)
0
20
40
60
80
100
120
140
160
180
200
1982 1992 2002 2008
J. Pevsner, 
http://www.bioinfbook.org/index.php
21
22
Growth of GenBank
Aug 2016
 Prosinec 1982 680 338 bp, 606 sekvencí
 Duben 2002 19 x 109 bp, 17 x 106 sekvencí + WGS 692 x 106 bp, 172 768 sekvencí
 Srpen 2016 218 x 109 bp, 196 x 106 sekvencí + WGS 1,6 1012 bp, 360 x 106 sekvencí
22
23
WGS
Interactive concepts in biochemistry, Rodney Boyer, Wiley, 
2002, http://www.wiley.com//college/boyer/0470003790/
Shotgun sequencing allows a scientist to rapidly determine the sequence of very long
stretches of DNA. The key to this process is fragmenting of the genome into smaller
pieces that are then sequenced side by side, rather than trying to read the entire genome
in order from beginning to end. The genomic DNA is usually first divided into its
individual chromosomes. Each chromosome is then randomly broken into small strands
of hundreds to several thousand base pairs, usually accomplished by mechanical
shearing of the purified genetic material. Each of the short DNA pieces is then inserted
into a DNA vector (a viral genome), resulting in a viral particle containing "cloned"
genomic DNA (Fig. 1).
The collection of all the viral particles with all the different genomic DNA pieces is
referred to as a library. Just as a library consists of a set of books that together make up
all of human knowledge, a genomic library consists of a set of DNA pieces that together
make up the entire genome sequence. Placing the genomic DNA within the viral genome
allows bacteria infected with the virus to faithfully replicate the genomic DNA pieces.
Additionally, since a little bit of known sequence is needed to start the sequencing
reaction, the reaction can be primed off the known flanking viral DNA.
In order to read all the nucleotides of one organism, millions of individual clones are
sequenced. The data is sorted by computer, which compares the sequences of all the
small DNA pieces at once (in a "shotgun" approach) and places them in order by virtue
of their overlapping sequences to generate the full-length sequence of the genome (Fig.
2). To statistically ensure that the whole genome sequence is acquired by this method,
an amount of DNA equal to five to ten times the length of the genome must be
sequenced. (Interactive concepts in biochemistry, Rodney Boyer, Wiley, 2002,
http://www.wiley.com//college/boyer/0470003790/)
23
24
Growth of DNA Sequence in Repositories
Year
J. Pevsner, 
http://www.bioinfbook.org/index.php
25
Growth of DNA Sequence in Repositories
Year
A vast amount of sequence data has been
generated using next-generation sequencing.
26
Growth of DNA Sequence in Repositories
B&FG 3e
Fig. 2-3
Page 22 Year
Perhaps 40 petabases (corresponding
to 10 mil. human genomes) of DNA
were generated in calendar year 2014
at major sequencing centers.
27
 zahrnují soubory primárních dat – sekvencí DNA a proteinů
 Proteinové sekvence:
 PIR, http://pir.georgetown.edu/
 MIPS, http://www.mips.biochem.mpg.de
 SWISS-PROT, http://www.expasy.org/sprot/
Primární databáze
27
28
 Standardní nukleotidové sekvence získané kvalitním
sekvencováním
 Typy sekvencí v primárních databázích
 ESTs (Expressed Sequence Tags)
 HGTS (High Throughput Genome Sequencing)
- neanotované „surové“ výsledky sekvenačních projektů
 Referenční sekvence anotovaných genomů
 TPAs (Third Party Annotation)
- sekvence anotované jinými než původními autory
Primární databáze
28
29
GenBank (NCBI) https://www.ncbi.nlm.nih.gov/
Primární databáze
29
30
Primární databáze
30
31
Primární databáze
31
32
Přístupový
kód
Primární databáze
32
33
Primární databáze
33
34
34
What is an Accession Number?
An accession number is label that used to identify a sequence. It is a string of
letters and/or numbers that corresponds to a molecular sequence.
Examples (all for retinol-binding protein, RBP4):
X02775 GenBank genomic DNA sequence
NT_030059 Genomic contig
Rs7079946 dbSNP (single nucleotide polymorphism)
N91759.1An expressed sequence tag (1 of 170)
NM_006744 RefSeq DNA sequence (from a transcript)
NP_007635 RefSeq protein
AAC02945 GenBank protein
Q28369 SwissProt protein
1KT7 Protein Data Bank structure record
Protein
DNA
RNA
Page 27
J. Pevsner, 
http://www.bioinfbook.org/index.php
35
35
NCBI’s important RefSeq project:
best representative sequences
RefSeq (accessible via the main page of NCBI)
provides an expertly curated accession number that
corresponds to the most stable, agreed-upon “reference”
version of a sequence.
RefSeq identifiers include the following formats:
Complete genome NC_######
Complete chromosome NC_######
Genomic contig NT_######
mRNA (DNA format) NM_###### e.g. NM_006744
Protein NP_###### e.g. NP_006735
Page 27
J. Pevsner, 
http://www.bioinfbook.org/index.php
36
RefSeq
36
37
37
Accession Molecule Method Note
AC_123456 Genomic Mixed Alternate complete genomic
AP_123456 ProteinMixed Protein products; alternate
NC_123456 Genomic Mixed Complete genomic molecules
NG_123456 Genomic Mixed Incomplete genomic regions
NM_123456 mRNA Mixed Transcript products; mRNA
NM_123456789 mRNA Mixed Transcript products; 9-digit
NP_123456 ProteinMixed Protein products;
NP_123456789 ProteinCuration Protein products; 9-digit
NR_123456 RNA Mixed Non-coding transcripts
NT_123456 Genomic AutomatedGenomic assemblies
NW_123456 Genomic AutomatedGenomic assemblies
NZ_ABCD12345678 Genomic AutomatedWhole genome shotgun data
XM_123456 mRNA AutomatedTranscript products
XP_123456 ProteinAutomatedProtein products
XR_123456 RNA AutomatedTranscript products
YP_123456 ProteinAuto. & Curated Protein products
ZP_12345678 ProteinAutomatedProtein products
NCBI’s RefSeq project: many accession number
formats for genomic, mRNA, protein sequences
J. Pevsner, 
http://www.bioinfbook.org/index.php
38
Primární databáze
38
39
Primární databáze
39
40
 PROSITE, http://www.expasy.org/prosite/
 Databáze funkčních nebo strukturních motivů získaných
srovnáváním primárních dat (sekvencí)
Sekundární databáze
40
41
 PROSITE, http://www.expasy.org/prosite/
Sekundární databáze
 Databáze funkčních nebo strukturních motivů získaných
srovnáváním primárních dat (sekvencí)
41
42
 PROSITE, http://www.expasy.org/prosite/
Sekundární databáze
 Databáze funkčních nebo strukturních motivů získaných
srovnáváním primárních dat (sekvencí)
42
43
 PROSITE, http://www.expasy.org/prosite/
Sekundární databáze
 Databáze funkčních nebo strukturních motivů získaných
srovnáváním primárních dat (sekvencí)
43
44
 PRINTS, http://www.bioinf.man.ac.uk/dbbrowser/PRINTS/
Sekundární databáze
 Databáze funkčních nebo strukturních motivů získaných
srovnáváním primárních dat (sekvencí)
44
45
 TRANSFAC http://www.gene-regulation.com/
Sekundární databáze
Scaffold/Matrix Attached Region transaction Database
S/MARt DB (saffold/matrix attached region transaction database). This database
collects information about S/MARs and the nuclear matrix proteins that are
supposed be involved in the interaction of these elements with the nuclear matrix.
http://transfac.gbf.de/SMARtDB/index.html)
45
46
 PDB http://www.rcsb.org/pdb/
Strukturální databáze
46
47
 PDB http://www.rcsb.org/pdb/
Strukturální databáze
47
48
 PDB http://www.rcsb.org/pdb/
Strukturální databáze
Pekárová et al., Plant Journal (2011)
48
49
49
 Schéma předmětu
 Definice
 Role BIOINFORMATIKY v současném pojetí FUNKČNÍ GENOMIKY
 Databáze
 Spektrum „on-line“ zdrojů
 PRIMÁRNÍ, SEKUNDÁRNÍ a STRUKTURÁLNÍ databáze
 GENOMOVÉ zdroje
Osnova
50
 NCBI Genome Data Viewer https://www.ncbi.nlm.nih.gov/genome/gdv /
Genomové zdroje
50
51
 Genome Browser Gateway https://genome.ucsc.edu/
Genomové zdroje
51
52
Genomové zdroje
 Human Genome Browser http://genome.ucsc.edu/cgi-bin/hgGateway
52
53
Genomové zdroje
 Human Genome Browser http://genome.ucsc.edu/cgi-bin/hgGateway
53
54
Genomové zdroje
 Human Genome Browser http://genome.ucsc.edu/cgi-bin/hgGateway
54
55
Genomové zdroje
 Human Genome Browser http://genome.ucsc.edu/cgi-bin/hgGateway
55
56
Genomové zdroje
 The Arabidopsis Information Resource (TAIR) http://www.arabidopsis.org
56
57
Genomové zdroje
 The Arabidopsis Information Resource (TAIR) http://www.arabidopsis.org
AHP2 @ TAIR
57
58
58
 Role BIOINFORMATIKY v současném pojetí FUNKČNÍ GENOMIKY
 Databáze
 Vyhledávání homologií
 Analytické nástroje
 Spektrum „on-line“ zdrojů
 GENOMOVÉ zdroje
 PRIMÁRNÍ, SEKUNDÁRNÍ a STRUKTURÁLNÍ databáze
 Schéma přednášky
Osnova
59
 Globální vs. lokální přiřazení
 Globální přiřazení pouze u sekvencí, které jsou si podobné a
podobné délky (za cenu vnášení mezer do jedné nebo obou
sekvencí)
 Lokální přiřazení umožní identifikaci a srovnání i v případě
porovnávání pouze úseků sekvencí s významnou mírou
podobnosti, např. i při záměně pořadí proteinových domén
během evoluce
Cvrčková, Úvod do praktické bioinformatiky
 Globální přiřazení se používá především v případě
mnohačetného přiřazování (CLUSTALW, viz dále)
Analytické nástroje
59
60
 Volba správného typu přiřazení pomocí bodového diagramu (dotplot)
 vynesení sekvencí proti sobě
 identifikace shody v okně o dané velikosti (např. 2 bp)
 „odfiltrování“ diagonál o délce menší než je mezní hodnota
(threshold)
Cvrčková, Úvod do praktické bioinformatiky
Analytické nástroje
60
61
 příklady srovnání sekvencí pomocí bodového diagramu
 globálně lze srovnávat pouze sekvence A, B
 ostatní sekvence prošly během evoluce záměnou domén a je
nutné je porovnávat lokálně
 bodový diagram lze získat pomocí srovnávání programem
BLAST2 (viz dále)
Cvrčková, Úvod do praktické bioinformatiky
Analytické nástroje
61
62
 BLAST http://ncbi.nlm.nih.gov/BLAST/
Analytické nástroje
62
63
63
 Velikost vyhledávacího slova (word size): 10-11 bp, resp. 2-3 aa
 Hodnocení homologie pomocí matice PAM (Point Accepted Mutation) nebo
BLOSUM (BLOcks Substitution Matrix)
 Primární podobnosti (seed matches)
 Rozšiřování oblasti homologie doprava i doleva
 Zobrazení výsledků
MRKEV [delece]
MRKE [záměna]
MRKY [inzerce]
MRAKY M R . K E V
| | | :
M R A K Y
Matice PAM 250
Cvrčková, Úvod do praktické bioinformatiky
BLAST
Basic Local Alignment Search Tool
64
E= expectancy
value
 „expectancy value“ udává předpokládaný počet sekvencí se stejnou
nebo lepší podobnosti při vyhledávání ve stejně velké databázi
složené z náhodných sekvencí
 výsledek udává frakci totožných a u proteinů i podobných pozic, příp.
počet vložených mezer
BLAST
Basic Local Alignment Search Tool
64
65
Primární databáze
BLINK is a link to the pre-computed BLAST search results for the respective
sequence (see the next slide).
65
66
BLAST
Basic Local Alignment Search Tool
66
67
 vyhledávání podle zdroje (organismu) sekvencí, např. známých genomů
mikroorganismů
 V současnosti existuje celá řad specializovaných verzí programu BLAST
 BLASTP
• vyhledávání podobnosti k proteinu v databázi proteinových
sekvencí
 BLASTN
• vyhledávání podobnosti k nukleotidové sekvenci v databázi
nukleotidových sekvencí
 BLASTX
• vyhledávání podobnosti nukleotidové sekvence přeložené
do sekvence aa v proteinové databázi
• další varianty jako např. MEGABLAST pro identifikaci
totožných nebo velice podobných sekvencí (vyhledává
dlouhé podobné úseky nukl. sekvencí)
BLAST
Specializované verze
67
68
 TBLASTN
• vyhledávání podobnosti proteinové sekvence v
nukleotidové databázi přeložené do sekvence aa
 TBLASTX
• vyhledávání k sekvenci nukleotidů přeložené do sekvence
aa v databázi nukleotidových sekvencí přeložených do
sekvence aa
 V současnosti existuje celá řad specializovaných verzí programu BLAST
BLAST
Specializované verze
68
69
 PSI-BLAST (Position-Specific Iterated BLAST)
• PSI-BLAST vytváří pro každé přiřazení tzv. PSSM (Position
Specific Substitution Matrix)
• PSSM matice zohledňuje výskyt jedné aminokyseliny ve
stejné pozici se zvýšenou frekvencí u sekvencí
identifikovaných jako podobné v prvním kole pomocí
BLAST, což může znamenat funkční konzervovanost
• Prvním krokem je standardní BLAST, při kterém PSIBLAST
identifikuje skupinu podobných sekvencí s E
hodnotou lepší než minimální hodnota (standardně 0,005)
 V současnosti existuje celá řad specializovaných verzí programu BLAST
BLAST
Specializované verze
69
70
 PHI-BLAST (Pattern-Hit Initiated BLAST)
• Sekvenci motivu je třeba vložit pomocí speciálního syntaxu
• [LVIMF] znamená buď Leu, Val, Ile, Met nebo Phe
• Určen k identifikaci specifické sekvence, např. motivu
(pattern) v sekvenci podobných proteinových sekvencí
• - je oddělovník (neznamená nic)
• x(5) znamená 5 jakýchkoliv aminokyselin
• x(3, 5) znamená 3 až 5 jakýchkoliv aminokyselin
BLAST
Specializované verze
 V současnosti existuje celá řada specializovaných verzí programu BLAST
70
71
 Příklad vyhledávání pomocí PHI-BLAST
BLAST
Specializované verze
71
72
72
 Role BIOINFORMATIKY v současném pojetí FUNKČNÍ GENOMIKY
 Databáze
 Vyhledávání homologií
 Analytické nástroje
 Spektrum „on-line“ zdrojů
 Vyhledávání sekvenčních motivů, otevřených čtecích rámců,
restrikčních míst….
 GENOMOVÉ zdroje
 PRIMÁRNÍ, SEKUNDÁRNÍ a STRUKTURÁLNÍ databáze
 Schéma přednášky
Osnova
73
 Biology Workbench http://workbench.sdsc.edu/
Analytické nástroje
73
74
 Biology Workbench http://workbench.sdsc.edu/
Analytické nástroje
74
75
 Biology Workbench http://workbench.sdsc.edu/
Analytické nástroje
75
76
 Biology Workbench http://workbench.sdsc.edu/
Analytické nástroje
76
77
 Biology Workbench http://workbench.sdsc.edu/
Analytické nástroje
77
78
 Biology Workbench http://workbench.sdsc.edu/
Analytické nástroje
78
79
 Biology Workbench http://workbench.sdsc.edu/
Analytické nástroje
79
80
Analytické nástroje
 Virtual PCR (VPCR) http://grup.cribi.unipd.it/cgi-bin/mateo/vpcr2.cgi
80
81
Analytické nástroje
 Virtual PCR (VPCR) http://grup.cribi.unipd.it/cgi-bin/mateo/vpcr2.cgi
81
82
82
 Role BIOINFORMATIKY v současném pojetí FUNKČNÍ GENOMIKY
 Databáze
 Vyhledávání homologií
 Analytické nástroje
 Spektrum „on-line“ zdrojů
 Vyhledávání sekvenčních motivů, otevřených čtecích rámců,
restrikčních míst….
 GENOMOVÉ zdroje
 PRIMÁRNÍ, SEKUNDÁRNÍ a STRUKTURÁLNÍ databáze
 Další www genomové nástroje
 Schéma přednášky
Osnova
83
 TIGR (The Institute for Genomic Research), http://www.tigr.org/software/
 Recently part of the J. Craig Venter Institute
Další WWW zdroje
83
84
 Online Mendelian Inheritance in Man (OMIM) http://www.omim.org/
Další WWW zdroje
84
85
85
 Role BIOINFORMATIKY v současném pojetí FUNKČNÍ GENOMIKY
 Databáze
 Vyhledávání homologií
 Analytické nástroje
 Spektrum „on-line“ zdrojů
 Vyhledávání sekvenčních motivů, otevřených čtecích rámců,
restrikčních míst….
 GENOMOVÉ zdroje
 PRIMÁRNÍ, SEKUNDÁRNÍ a STRUKTURÁLNÍ databáze
 Další www genomové nástroje
 Schéma přednášky
Shrnutí
86
86
Diskuse