Notícias

• Aula extra dia 13 de Maio, 14:30/17:00/ Extra class covering Phylogeny and Clustering May 13. 2:30/5:00 pm.

• Teste para dia 22 de Maio, 9:00/ Test May 22, 9:00 am

• Última Semana reservada para apresentações/ Last week reserved for student seminars.

Objectivos, Programa, Docente

Objectivos

Pretende-se que o aluno:

• Se familiarize com os conceitos básicos de Biologia Molecular Computacional

• Entenda os algoritmos básicos de Bioinformática, nomeadamente em emparelhamento de sequências, filogenia e reconhecimento de padrões no genoma e proteoma.

• Tenha uma perspectiva das questões abertas na área.

Programa

1. Problemas Computacionais em Biologia Molecular

2. Revisão dos Conceitos Fundamentais da Biologia Molecular

   1. DNA

   2. Proteínas

   3. Bases de Dados

3. Alinhamento de Pares de Sequências

   1. Homologia

   2. Alinhamento Globais: Algoritmo de Needleman e Wunsch

   3. Alinhamento Locais: Algoritmo de Smith e Waterman

   4. Alinhamento para Funções de Penalização Afins

   5. Métodos Heurísticos: BLAST

   6. Modelos para Alinhamentos: BLOSUM

4. Alinhamentos Múltiplos

   1. Avaliação de Alinhamentos Múltiplos

   2. Alinhamento em Estrela

   3. Alinhamento em Árvore: Clustal-W

5. Árvores Filogenéticas

   1. Métodos de Construção

   2. UPGMA

   3. Junção de Vizinhos

   4. Parcimónia

   5. Branch & Bound

6. Modelos Probabílisticos

   1. Conceitos Básicos de Probabilidade

   2. Cadeias de Markov

   3. Aplicações: Encontrar Genes

   4. HMMs

   5. Aprendizagem de HMMs: “Forward-Backward”

   6. Aplicações: Profile HMMs

7. Expressão de Genes

   1. Clustering Hierárquico

   2. Clustering por K-Médias

   3. Clustering EM

8. Estrutura de Proteínas

   1. Níveis de Descrição

   2. Modelação Por Homologia

   3. Threading

9. Novas Áreas

   1. Biologia Comparativa

   2. Biologia de Sistemas

   3. Ontologias

   4. Medicina Molecular

Docente

• Vítor Santos Costa. Email: vsc@dcc.fc.up.pt

Aulas

Esquema Previsto de Aulas

: Introdução à cadeira

: Alinhamento de Sequências

: Alinhamento de Sequências/BLAST

: Alinhamento Múltiplo de Sequências

: Árvores Filogenéticas

: HMMs

: Clustering

: High Throughput

: TBA

: TBA

: Apresentação de Trabalhos

: Teste

Avaliação e funcionamento das aulas

1. Mini Trabalhos: 2x3 Valores

2. Monografia: 8 Valores

3. Teste: 6 Valores

O teste do ano passado está aqui.

Mini Trabalhos

A entrega consiste num arquivo zip ou tar a enviar por mail para vsc AT dcc.fc.up.pt com o subject BIOINFO: Mini-Trabalhos. O arquivo zip deverá conter o código e um pequeno relatório de 1 ou 2 páginas por trabalho descrevendo a implementação, e dando exemplos.

1. Implementação de Serviços Web para acesso ao EBI:

   • Escreva uma interface para diferentes algoritmos de alinhamentos locais e globais (3 pelo menos)

   • Experimente com diferentes tipos de matrizes de custo, usando BLOSUM, PAM

   • Experimente com custos de buracos lineares e afins.

   • Pode usar qq linguagem que prefira.

   • Compare com a sua própria implementação

2. Utilização de Blast (extra):

   • Escolha uma proteína

   • Procure essa proteína no BLAST

   • Varie os parâmetros e altere as bases de dados, indicando como isso altera os resultados.

3. Implementação de HMMs:

   • Implemente os Algoritmos de Viterbi para HMM.

   • Experimente com um modelo de genoma bacterial.

   • Implemente o algoritmo de aprendizagem de parâmetros para HMMs (EM ou forward backwards)

   • Experimente o seu algoritmo para o reconhecimento de genes num genoma bacterial e compare com uma ferramenta pré-existente.

4. Implementação de Árvores Filogenéticas:

   • Implemente o algoritmo UPGMA.

   • Implemente o algoritmo de parcimónia usando uma ferramenta de alinhamento.

   • Compare estes dois algoritmos numa família de proteínas do PFAM. Como computar as distâncias?

Artigos de Investigação

Os seguintes artigos não são um estudo exaustivo da área, mas tentam mostrar algumas áreas recentes de interesse:

• Temas Quentes e Grandes Projetos:

  • Genome Editing

  • ENCODE

  • Next Generation Sequencing

• Artigos na Bioinformatics:

  • MRBAYES: Bayesian inference of phylogenetic trees

  • NÃO ESCOLHER: MEGA2: molecular evolutionary genetics analysis software

  • Haploview: analysis and visualization of LD and haplotype maps

  • Naïve Bayes for microRNA target predictions—machine learning for microRNA targets

  • A review of feature selection techniques in bioinformatics

  • Haploview: analysis and visualization of LD and haplotype maps

  • False discovery rate, sensitivity and sample size for microarray studies

  • Support vector machine classification and validation of cancer tissue samples using microarray expression data

  • DnaSP version 3: an integrated program for molecular population genetics and molecular evolution analysis

  • A comparison of normalization methods for high density oligonucleotide array data based on variance and bias

• ISMB:

  • SPEX2: automated concise extraction of spatial gene expression patterns from Fly embryo ISH images

  • Assessing the functional coherence of gene sets with metrics based on the Gene Ontology graph

  • Modularity and directionality in genetic interaction maps

  • Protein–Protein Interaction (PPI)

  • Alignment Free Comparison

  • Gene Networks

  • SNP

  • RNA Workshop

• Outros:

  • InSite: a computational method for identifying protein-protein interaction binding sites on a proteome-wide scale

  • Decoding global gene expression programs in liver cancer by noninvasive imaging

  • Biclustering Algorithms for Biological Data Analysis: A Survey

  • From Signature to Models: Understanding Cancer Using Microarrays

  • ABySS

  • iLogCHEM

  • Improving model construction of profile HMMs for remote homology detection through structural alignment

  • Inferring Regulatory Networks from Time Series Expression Data and Relational Data via Inductive Logic Programming

  • Non-Coding RNA

Apresentações de Alunos

No ano de 2012/2013 foram recebidas as seguintes apresentações:

• Andress Teixeira

• António Gonçalves

• Carlos Paiva

• Jason Araújo

• João Teixeira

• Luís Correia

• Pedro Coutinho

• Rui Marques

• Rui Mendes

• Teresa Costa

Algumas Monografias:

• Americo Pereira, Jan Otto

• Pedro Coelho e Ana Dias

• André e Carlos

• Carlos Rodrigues

• David e Daniel

• Gabriel

Sumários das aulas teóricas

Sumários estarão disponíveis no sigarra.

Bibliografia e material complementar

Slides do Curso

Slides do Curso

Livros recomendados

• Biological Sequence Analysis: Probabilistic Models of Proteins and Nucleic Acids. R. Durbin, S. Eddy, A. Krogh, and G. Mitchison. Cambridge University Press, 1998.

• Computational Genome Analysis An Introduction, Richard Deonier, S Tavaré, and Michael S. Waterman, Springer Verlag, 2005.

Material de Apoio

• Introdução a Biologia Molecular:

  • L. Hunter. Life and Its Molecules: A Brief Introduction. AI Magazine 25(1):9-22, 2004. Uma versão mais antiga mas mais detalhada está como introduction to molecular biology for the computer scientist

  • Livro WEB: Genomes, T.A. Brown

  • Livro WEB: Molecular Cell Biology by Lodish, Berk, Matsudaira, Kaiser, Krieger, Scott, Zipursky, and Darnell

• Alinhamento de Pares de Sequências:

  • Secções 2.1-2.7 de Durbin et. al.

  • Needleman & Wunsch

  • Smith & Waterman

  • BLAST

  • Gapped BLAST e PSI-BLAST

  • BLOSUM

• Alinhamento Múltiplo:

  • Secções 6.1-6.4 de Durbin et. al.

  • CLUSTAL-W

  • T-COFFEE

  • MUSCLE

  • PROBCONS

• Modelos de Markov e Análise de Genes:

  • Capítulo 3 de Durbin et. al.

  • GeneMark

  • Glimmer

  • Genscan

• pHMMs:

  • Secções 5.2-5.4 de Durbin et. al.

  • HMMer

  • SAM

  • ISMB99 Tutorial

  • Survey de 1998

  • Pfam

  • Artigo da Juliana

• Árvores Filogenéticas:

  • Cap 6 e Secções 7.1-7.4 de Durbin et. al.

  • Phylip

  • MrBayes

  • Tree Of Life

  • Tutorial ISMB 2005

• Expressão de Genes:

  • Cap 6 e Secções 7.1-7.4 de Durbin et. al.

  • Eisen e outros, PNAS 1988

  • Tutorial de Baldi (ISMB02)

  • Tutorial de Page & Shavlik (ICML03)

  • Biclusters

  • Open-Source Clustering Software

• Estrutura de Proteínas:

  • Zhang: The protein structure prediction problem could be solved using the current PDB library

  • Rosetta

  • Krippahl e Barahona

Cursos Relacionados

• Introduction to BioInformatics, Mark Craven, UW-Madison

• Computational Molecular Biology, Sean Eddy, Washington University

• Algorithms for Molecular Biology, Ron Shamir, Tel Aviv University

• Computational Molecular Biology, Doug Brutlag & Lee Kozar, Stanford

• Representations and Algorithms for Computational Molecular Biology, Russ Altman, Stanford

• MIT Open Courseware

• MO640/MC931 Biologia Computacional, João Meidanis, UNICAMP

Variado

Temas Não Cobertos

• Montagem de Sequências e “Base Calling”

• Sinais de DNA: “DNA Binding Sites”

• Compilação de Genomas Completos

• Rearranjos do Genoma

• Estrutura Secundária de RNA

• Biologia de Sistemas, eg Dana Pe’er

  Projectos de Trabalho

  Propôe-se um conjunto de projectos a realizar durante o curso. A entrega de cada projecto deverá incluir:

  • Um relatório discutindo o problema, técnicas usadas, problemas encontrados, avaliação experimental, conclusões e bibliografia.

  • O programa fonte.

  • Uma apresentação ao professor/colegas.

  Os trabalhos de aprendizagem devem incluir avaliação de confiança nos resultados, usando técnicas como validação cruzada.

  ColdPenguim

  Implementar um conjunto de ferramentas capazes de automatizar a análise de amostras de populações de genes. Inclui:

  • Interface WEB;

  • pipeline

  • BD especializadas e atualização

  Aprendizagem em High-Throughput Data

  Use as ferramentas weka/R de machine learning para

  1. Aprender classificadores que distinguem entre amostras de RNA obtidas em condições normais e stress

  2. Use técnicas de seleção de atributos para encontrar um subconjunto de genes representativo.

  3. Compare os seus genes com resultados obtidos por algoritmos especializados como o limma ou deseq/ebseq (pacotes R) e com algoritmos simples como ganho de informação.

  4. Conjunto de Dados: TBA

  Montagem de Dados em High Throughput RNA-Seq

  Monte um pipeline com diversas ferramentas para processar dados de RNA-SEQ, usando dados de dois organismos: 1

  1. Trimmomatic e Picard para limpar.

  2. Use Bow-Tie 2, BWA, ou SOAP2/3 para alinhamento.

  3. HTSEq, RSEM, TOPHATpara montar. GenePattern como exemplo de pipeline e problemas.

  4. Analizar tempo e qualidade dos resultados.

  5. Dados: comece por página de treino do EBI

  6. http://www.broadinstitute.org/cancer/software/genepattern/modules/RNA-seq/

  Module Networks

  1. Avalie module networks usando dados de expressão de RNA para levedura. Compare resultados, em particular para diferentes ferramentas.

  2. Software original: Genomica

  3. Software recente: LeMoNe

  4. Também pode experimentar GRAM

  5. Use dados de expressão fornecidos por António Gonçalves.

  Double Mutant Analysis

  O objetivo do trabalho é estudar as vantagens de mutação duplas para entender causalidade no genoma.

  1. Selecione um dos artigos em

     • • Simultaneous knockdown of the expression of two genes using multiple shRNAs and subsequent knock-in of their expression.

     • Review

  2. Repita as experiências

  Anti-Sense Transcription

  O objetivo do trabalho é estudar a importância de transcrição na faixa inversa.

  1. Veja Strand-specific RNA sequencing reveals extensive regulated long antisense transcripts that are conserved across yeast species

  2. Estude expressão diferencial usando os dados de António Gonçalves.

  Web Services

  O objetivo deste trabalho é implementar um servidor SOAP ou REST, incluindo suporte para

  • servidor blast local;

  • uma ou duas bases de dados diferentes e configuráveis;

  • serviço de alinhamento múltiplo com difereentes pacotes;

  • serviço de filogenia.

  • acesso a base de dados/serviços externas, eg EBI, NCBI;

  Text Networks

  • Minerar bases de dados sobre publicações paraa encontrar genes muito relacionados

  • Implementar um web-crawler

  • Use um analizador morfológico/sintático para codificar informação

  • gerar atributos (eg bag of words, regras Prolog)

  • clusterizar

  • construir um grafo de linkagem.

  Expressão de Genes com ProbLog

  O objectivo do trabalho é o de encontrar as pathways interactivas no genoma de um organismo como a Drosophila Melanogaster usando um modelo probabilistico:

  • Obtenha um mapa de interacções de proteínas do BioGRID

  • Obtenha datasets de expressão genética, eg from fruitfly

  • Calcule as correlações entre os elementos

  • Use ProbLog para estabelecer um grafo entre os elementos.

  Encontrar Padrões em Fármacos

  O objectivo do trabalho é o de encontrar padrões típicos em pequenas moléculas:

  • Obtenha datasets de resposta a drogas, eg do NCI

  • Explore o dataset usando o iLogChem (perguntar ao professor).

  • Explore o dataset usando MoSS