Back to the topics list

bioinformatike

Bioinformatika je područje koje se brzo razvija u modernom društvu. Uključuje spajanje bioloških podataka i softverskih alata koji olakšavaju razumijevanje. Zadubimo se i saznajmo više.

CILJEVI UČENJA

Do kraja ove teme od vas se očekuje;

• Razumjeti značenje bioinformatike
• Razumjeti elemente bioinformatike
• Razumjeti ciljeve bioinformatike

Bioinformatika se odnosi na interdisciplinarno područje odgovorno za razvoj metoda i softverskih alata koji se koriste za razumijevanje bioloških podataka . Pojam "bioinformatika" su 1970. skovali Ben Hesper i Paulien Hogewen. Kao interdisciplinarno znanstveno područje, bioinformatika kombinira statistiku, matematiku, informacijsko inženjerstvo, biologiju i informatiku. Glavna svrha bioinformatike je analizirati i interpretirati biološke podatke. In silico analizu bioloških upita obavila je informatika korištenjem statističkih i matematičkih tehnika.

Bioinformatika uključuje biološke studije koje koriste računalno programiranje kao metodologiju uglavnom u području genomike . Glavne primjene bioinformatike uključuju identifikaciju gena kandidata i polimorfizama pojedinačnih nukleotida (SNP). Takve se identifikacije često izvode s ciljem boljeg razumijevanja genetske osnove jedinstvenih prilagodbi, bolesti, poželjnih svojstava ili razlika među populacijama. Na manje formalan način, bioinformatika također pokušava razumjeti organizacijske principe unutar sekvenci proteina i nukleinskih kiselina poznatih kao proteomika .

Bioinformatika je postala važan dio mnogih bioloških područja. U eksperimentalnoj molekularnoj biologiji, bioinformatičke tehnike poput obrade slike i signala omogućuju izvlačenje korisnih rezultata iz velikih količina sirovih podataka. Bioinformatika pomaže u sekvenciranju, kao i označavanju genoma i njihovih uočenih mutacija u području genetike . Također igra ulogu u analizi ekspresije i regulacije proteina i gena. Alati bioinformatike pomažu u usporedbi, analizi, kao i tumačenju genomskih i genetskih podataka, te općenito u razumijevanju evolucijskih aspekata molekularne biologije. U strukturnoj biologiji pomaže u simulaciji i modeliranju DNA, RNA, proteina i biomolekularnih interakcija.

SEKVENCIJE

Početkom 1950-ih Frederick Sanger je odredio slijed inzulina. Nakon toga, proteinske sekvence postale su široko dostupne. Postalo je nepraktično ručno uspoređivati nekoliko sekvenci. To je povećalo ulogu računala u molekularnoj biologiji. Kasnije su objavljene metode poravnanja sekvenci i molekularne evolucije. U 1970-ima, nove tehnike sekvenciranja DNA primijenjene su na bakteriofag MS2 i øX174, a proširene nukleotidne sekvence su zatim analizirane informacijskim i statističkim algoritmima. Ove studije su ilustrirale da se dobro poznate značajke, kao što su segmenti kodiranja i tripletni kod, otkrivaju u jednostavnim statističkim analizama i stoga su dokaz koncepta da bi bioinformatika bila pronicljiva.

CILJEVI

Za proučavanje načina na koji se normalne stanične aktivnosti mijenjaju u različitim stanjima bolesti, biološki podaci moraju se kombinirati kako bi se stvorila sveobuhvatna slika tih aktivnosti. Stoga je bioinformatika evoluirala tako da je sada najhitniji zadatak analiza i interpretacija različitih vrsta podataka. To uključuje proteinske strukture, proteinske domene, aminokiselinske i nukleotidne sekvence.

Računalna biologija je pojam koji se daje stvarnom procesu analize i interpretacije bioloških podataka. Važne poddiscipline u bioinformatici i računskoj biologiji uključuju;

• Razvoj novih algoritama i statističkih mjera koje procjenjuju odnose među članovima velikih skupova podataka. Na primjer, postoje metode za lociranje gena u sekvenci za predviđanje strukture i/ili funkcije proteina i grupiranje sekvenci proteina u obitelji srodnih sekvenci.
• Razvoj i implementacija računalnih programa koji omogućuju učinkovit pristup, upravljanje i korištenje različitih vrsta informacija.

Glavni cilj bioinformatike je povećati razumijevanje bioloških procesa. Ono što ga izdvaja od ostalih pristupa je njegova usmjerenost na razvoj, kao i primjenu računalno intenzivnih tehnika za postizanje ovog cilja. Primjeri uključuju vizualizaciju, algoritme strojnog učenja, rudarenje podataka i prepoznavanje uzoraka. Glavni istraživački napori na tom području uključuju pronalaženje gena, usklađivanje sekvence, dizajn lijeka, sastavljanje genoma, otkrivanje lijekova, predviđanje strukture proteina, usklađivanje strukture proteina, diobu stanice ili mitozu i modeliranje evolucije.

• nalaz gena odnosi se na proces identifikacije regija genomske DNK koje kodiraju gene.
• poravnanje sekvenci je način raspoređivanja sekvenci DNA, RNA ili proteina kako bi se identificirale regije sličnosti koje mogu biti posljedica funkcionalnih, strukturnih ili evolucijskih odnosa između sekvenci.
• sastavljanje genoma odnosi se na poravnavanje i spajanje fragmenata iz duže DNA sekvence kako bi se rekonstruirao izvorni slijed.
• otkrivanje lijekova je inventivni proces pronalaska novih lijekova na temelju znanja o biološkoj meti.
• predviđanje strukture proteina je zaključak o trodimenzionalnoj strukturi proteina iz njegove aminokiselinske sekvence
• poravnanje strukture proteina stvara sličnost između dvije ili više polimernih struktura na temelju njihovog oblika i trodimenzionalne konformacije.