La investigación Biomédica in silico Introducción Introducción a la Bioinformática Bioinformática La investigación Biomédica in silico © Copyright Ebiointel,SL 2006

Puntos a tratar: Introducción a la Bioinformática Bioinformática: síntesis de la revolución de la biología molecular y de la informática El análisis computacional de secuencias Retos de la bioinformática: la integración de los diferentes niveles de complejidad de los sistemas biológicos © Copyright Ebiointel,SL 2006

Introducción a la Bioinformática 15 y 16 de Febrero 2001: Publicación secuencia borrador del genoma humano © Copyright Ebiointel,SL 2006

© Copyright Ebiointel,SL 2006 GATTGCCTCTCATTTTCTCTCCCATATTATAGGGTGAAATATGATCGCGTATGCGAGAGTAGTGCCAACATATTGTGATCTTCGATTTTTTGGCAACCCAAAATGGAGGCGGACGAACGAGATGATAATGATAAGATGATTCAAAAAGACAATGCACGACAGAGAGAGCAGAAAAGATAATTAAATTGCCCCTCATTTTCTCTGGCAAATTGTAGGGTGAATTATGATCGCGTATGCGAGAGTGGTGCCAACATATTGTGCTCTTCGATTTTTTGGCAACCCAAAATGGAGGCGGATGAACGAGATGATAATATTTTCAAGTTGCCGCTAATCAAAAATAAATTCCTTGCAACATAAAATAAAGCACAAAATGCCCGCTCAAAAAAAGGCATGAATATATAAGCTCGAACATAGAACATAGGCTTGAACATATAATGACTGCCTTTCATTCTCTATCTTATATTACCGCAAACACAAAATGACAATGCACGACATAGAGAGAAAGAGAGATATTCAGATTGCCTCTCATTGTCTCACCCATATTATGGGAACCAAATATGAGCACGTATGCGAGAGGAGTGCCAACATATTGTGCTCTACGATTTTTTTGCAACCCAAAATGGCGGCGTACGAACGAGATGATAATATATTCAAATTGCCGCTAATCAGAAGCAAGTTTATTGCAATGTTCAGTGCAGCGCAAAATGGCCGCTCAAGAAAAGGCTCGAATATATATTGCCTGCCTCTCATTCACTCTCTTTTATTACCGCAAGACCAAAATGACAATGTACAACAGAGAGAGCAAGAGAGATATTTAGATTGCCTCTCCTTGTCTCTCCCATATTATAGAGACCGAAAATGATTGCGTATGCGAGAAGAGTGCCATTGTATTGAGCTCCTCGACCCAAAATAGCGTCGGACGAACGAGATTATATATTTAAAATGCCGATCATTTTCTCATCCATATAAATACTACCGAAAATGACTGTCTAAAGGTACTCATCGACTATATTTAAATCTGTGTATTTCTGTGAATAGATTGACCTTTGCAATTTTTAACGGCATTGTCTATTAAATTAATATAATTTTCTTTTTTGATGAATATTTAACCGAACATTTACTTGAAATTAAATTATAAAATTGGTTAAATAATGTTGAAATCTTACTTTCAGCTAAATGGGGCTATTTTGCAAGGGTTCCATCATGACATTGGTAAATAATTTTTAAAGAATTAATTGTAAGTTCCAATAGACTGGAAATTATTTTGCAATATCATTCTTATCCCTATTTCCAAAAGCGAATTATTAGTTGCGTGAAAATCAGAAGGAAAATTATTTAACGTGTTATGCCACGCCAAATAGCCGCGCAATAGGAAGCTAGACTATATAATGACTGCAACGAAAATTGTAAATTCCAATTAAAAGGATATTATTGTGCGATTTCACTTTAATTCTTATTTCAAAAAAGTTAATTATTAGTTGACGGAAATCAGAACGAATTTCACCGCAACGTCTTATGCAGCACAAAATGGCGGCGCAAAAGGATGGTTGCATATACAATAACTTCATCTCATTCAATCTCTCCTATATTACCGCAAACTCGAAAGCCAAAACACGAATGATGAAGAGGGATAGATTTTATTGGGACAAAAATGATAGGTCACGCGAGAGGAGTGGTCTAAATTTTACTCTCACAAAAATGTTGGCAATACAAAATGGCGGCGGAATGAAGAGGTGAAAATATATTAAAATTGCCGCTCATTTTCTTCGCGGTAGAATTAGGACTGAACGTTGCCGGGTATAGGATCTCTATTGATGGCCTTTACTTATAAAGTGTATTTCTACAGATCAAATTACTTTTTACTCTTTATCAATATTTAAATATTATAAATTGATTTAGTTAAAATACAATTCGAACAATCTTTTCTCCAAATAATAATAATGTTTAATACCTATTTGCGCATATGCGTTTATTTTTGGGATTTAATTTTAACATTTTTCAACAAAACCGTTACAAATGTAATTTTAAATCAGGAAACGACTTTGGTATGAAAATATGTTTTTTTGTGCGCTTTTAAACATGTAACTGCTCTTTTGTGCTGTTTTATTGAATGCTATCACAGCGTAAAATTTTAGTTTTAATACCAATACATTGGGAATAATTTGCGATTTCATTCTATTCTTATGCCCAAATAAGGAAATAGTTTCCGGCAAAAAATCAGAATTTAGCTTTTACAAAAACTAGAGAGGAGAGGACAATATTATAATTGTAGACCGTTTTAAACACTTTAAAATGTTTAACCATTTATCAATTATTCTACTAAATGTAGGTGATTTTATTTATTAGAATACGAATTCTTTATCTGAATCGAACTAAGTAAGCCTAAGCGCTTAGGAAAAATACATACTTGACGAGTAGAGTGAAATAATTACAAATATTAGACATATCCATTGCTACTCGCATGTAGAGATTTCCACTTATGTTTTCTCTACTTTCAGCAACCGAGAAGAGAACCCACGTTTGAACAAGTATCGGCGTGTGGACAACAGCTATCCCCGCTTCATAACGAATGAGGCTGCCGAGGACCTGATTTACAAGAAGTCCATGGGCGAGCGGGATCAGCCACAGAGCTCAGAGCGGATCTCAATATTTAATCCGCCAGTATACACGCAGCACCAGGTGCGCAATGAAGCCCCCTACATACCCACCACATTTGACCTCCTCTCAGACGATGAGGAGTCGTCACAGAGAGTTGCCAACGCCGGGCCATCTTTCAGGCCCTTGACTTACTCGGATGCTGTGCGTCTAAGCCAGAATGGCTTCGCCAACTCCCGCGTAAGTGGGCACTCCAGCTATACGGTGCGCAGACCACCGGCACTAGTTGACAGAAGCATTCTATCCCAGGAAATGGAGCGCATGGACCAAGAGCAGTATATCTACCTTATCCGTACCGCAGCCCAAAGTAATTCCGTGGGCAGTCACTACGCCGAACCGGTTACTGATAACTCGGAGGTCAAGAAAGTCAGTGAAACCAACAAAAGGTAAATAAATTTTTTATATCCATCCATATCCGAATCAGTGGCAATAATGCAAAATGCTGATTTTATCACCAATTAGTGACGCACCACAGCCGTTAACCCCTCAACCTACCAGACTCACCAGAACAGAATCCTTGCACCGTCGTTTTGCCAGCTGCGTCAACTTAAATGATGACTTCGCCAGCAATTTAAAGCAAGAGCGGCGGACTGTGAAGAGAAATCCAAA © Copyright Ebiointel,SL 2006

Introducción a la Bioinformática GENOMAS © Copyright Ebiointel,SL 2006

Codificación de la información Sistemas vivos: información digital cuaternaria (A,T,G,C) en secuencias unidimensionales de monómeros Ordenadores: información digital binaria en ristras de 0 y 1 © Copyright Ebiointel,SL 2006

© Copyright Ebiointel,SL 2006 Bioinformática Bioinformática: síntesis de la revolución de la biología molecular y de la informática Definición: La disciplina científica que engloba todos los aspectos de la adquisición, procesamiento, distribución, análisis, interpretación e integración de la información biológica Biología molecular Fundamentos ordenadores y programación Fundamentos de redes Bases de datos Aplicaciones bioinformáticas © Copyright Ebiointel,SL 2006

© Copyright Ebiointel,SL 2006 Bioinformática Nueva disciplina Bioinformática: síntesis de la revolución de la biología molecular y de la informática Aproximación que cruza la arena tanto experimental como teórica: experimentos realizados “in silico” Nueva disciplina Curriculum: Licenciado en Ciencias de la Vida Máster en computación Doctor en análisis de secuencias Dos modelos de training: (1) Biólogo molecular o informático que se especializa en informática o biología molecular respectivamente o (2) Licenciado que se forma únicamente en bioinformática o biología computacional © Copyright Ebiointel,SL 2006

© Copyright Ebiointel,SL 2006 Bioinformática 1951 1977 1982 1986 1990 1991 1995 2000 2001 2003 2005 1953 Estructura del DNA Hitos de la Bioinformática Primera proteína secuenciada Secuenciación del DNA GenBank, EMBL, DDBJ Secuenciación automatizada de DNA Algoritmos FASTA y BLAST WWW Primer genoma completo Primer cromosoma humano Borrador Genoma Humano Genoma Humano completo HapMap, Genoma chimpancé, 387 genomas © Copyright Ebiointel,SL 2006

© Copyright Ebiointel,SL 2006 El problema Fenotipo DNA Existe una relación entre estructura molecular y función en el sentido más amplio. René Magritte Clarividencia © Copyright Ebiointel,SL 2006

Propiedades de la información biológica Bioinformática Propiedades de la información biológica La información biológica Existe una relación entre estructura molecular y función en el sentido más amplio: DNA --> Fenotipo (todos los niveles) La complejidad de los datos biológicos El crecimiento explosivo de los datos biológicos © Copyright Ebiointel,SL 2006

El crecimiento explosivo de datos Hace ... Antes Ahora Nucleótidos 26 años (1982) 680338 pb (GenBank) > Miles de millones Proteínas 26 años 1500 300.000 DNA continuo 16 años 73 kb > 270 Mbases SNPs centenares 11 millones Genomas 11 años microorganismos 387 Organismos Expresión 10 años Limitado pocos genes Torrente de datos (microchips) © Copyright Ebiointel,SL 2006

Número de pares de bases (x 109) Número desecuencias (x millón) Bioinformática Crecto bases datos Crecimiento explosivo de secuencias Estima de Abril 2006: 130,989,342,565 bases Número de pares de bases (x 109) Número desecuencias (x millón) Ver la estima de hoy © Copyright Ebiointel,SL 2006

El crecimiento explosivo de datos Hace ... Antes Ahora Nucleótidos 26 años (1982) 680338 pb (GenBank) > Miles de millones Proteínas 26 años 1500 300.000 DNA continuo 16 años 73 kb > 270 Mbases SNPs centenares 11 millones Genomas 11 años microorganismos 387 Organismos Expresión 10 años Limitado pocos genes Torrente de datos (microchips) © Copyright Ebiointel,SL 2006

© Copyright Ebiointel,SL 2006 La avalancha de datos La Bioinformàtica es crucial para tranformar el torrente de datos brutos en conocimiento biológico David B. Searls Un reto científico y tecnológico © Copyright Ebiointel,SL 2006

Biologia Computacional Bioinformática Biologia Computacional Los métodos computacionales se han convertido en algo intrínseco de la investigación biológica moderna, y su importancia sólo puede incrementar conforme aumenta la importacia de los métodos a gran escala de generación de datos, la complejidad de los datos y la sofisticación de nuestras preguntas Francis S. Collins © Copyright Ebiointel,SL 2006

Tres vertientes del análisis bioinformático: Manejo de volúmenes masivos de datos Análisis e interpretación de resultados experimentales Modelo de sistemas biológicos © Copyright Ebiointel,SL 2006

© Copyright Ebiointel,SL 2006 Bases de datos DB © Copyright Ebiointel,SL 2006 http://www.ncbi.nlm.nih.gov/gquery/gquery.fcgi

Secuenciación del genoma (Aproximación aleatoria, Celera) Potencia de cálculo Ordenador Compaq de 800 procesadores Alfa EV6 y EV7 con una arquitectura de 64 bits y más de 80 terabytes de memoria (5 veces la biblioteca del congreso) © Copyright Ebiointel,SL 2006

© Copyright Ebiointel,SL 2006 Análisis de genomas Genome sequence Predicted genes Translation Proteome Database Similarity searrch² All-against-all Comparison Within Proteome 1,3 Protein Comparison Between Proteomes 1,4 Search Of Clusters 5 Proteome Proteome Proteome 1 Proteome 2 Proteome SwissProt PDBsequences Translated ESTs Proteome database Database of Proteome 1 Database of Proteome 2 Cluster Database © Copyright Ebiointel,SL 2006 ..... Or Proteome

© Copyright Ebiointel,SL 2006 Genómica comparativa Metodología con una sensibilidad y precisión comparable o superior al análisis experimental Genoma ratón 14% menor genoma humano (2,5 Gb vs 2,9 Gb) 90% ambos genomas presentan sintenia A nivel nucleotídico 40% GH se alinea con GR Tasa substitución neutra 0,5 por sitio. Doble ratón que humanos % genoma sometido a selec purificadora >5% Evolución no uniforme del genoma Ambos ~ mismo número genes, 30.000. 80% único ortólogo, sin homología <1% © Copyright Ebiointel,SL 2006

? ¿Qué cambios genéticos nos hacen humanos Genómica comparativa Chimpancé vs Homo sapiens © Copyright Ebiointel,SL 2006

Análisis filogenéticos Bioinformática Análisis filogenéticos Genómica evolutiva © Copyright Ebiointel,SL 2006

SNPs Base genética de la individualidad humana A G A G T T C T G C T C G SNPs A G G G T T A T G C G C G Single Nucleotide Polymorphism S A G A G T T C T G C T C G A G G G T T A T G C G C G © Copyright Ebiointel,SL 2006

Base genética de la individualidad humana International HapMap Project (http://www.hapmap.org) S © Copyright Ebiointel,SL 2006

Expresión (DNA microarrays: Molecular portraits) La caracterización molecular de enfermedades como herramienta de prevención y diagnóstico es una de las nuevos logros que permitirá la genómica aplicada a la salud © Copyright Ebiointel,SL 2006

Proteómica IBM: GeneBlue T M I T D S L A V V L Q R R D W E N P G V T Q L N R L A A H P P F A S W R N S E E A R T D R P S Q Q L R S L N G E W R F A W F P A P E A V P E S W L E C D L P E A D T V V V P S N W Q M H G Y D A P I Y T N V T Y P I T V N P P F V P T E N P T A G C Y S L T F N V D E S W L Q E G Q T R I I F D G V N S A F H L W C N G R W V G Y G Q D S R L P S E F D L S A F L R A G © Copyright Ebiointel,SL 2006

Redes de interacción Proteómica (Gavin et al. Nature 2002) Redes de interacción de proteínas (Gavin et al. Nature 2002) Máquina multiproteínas 232 máquinas de 12 proteínas promedio © Copyright Ebiointel,SL 2006

© Copyright Ebiointel,SL 2006 Bioinformática MAKING CONNECTIONS This network graph shows causal connections among 30,512 genes, 31,459 proteins, and 5,824 small molecules in Genstruct's model, which contains 136,362 causal connections that can be evaluated to explain the molecular state changes observed in large-scale systems biology experiments. The red connections represent inhibitions; green, activation; light blue, reaction; dark blue, a product; yellow, catalysis; orange, binding; and black, gene product relations. COURTESY OF GENSTRUCT © Copyright Ebiointel,SL 2006

© Copyright Ebiointel,SL 2006 Bioinformática Modelo de sistemas biológicos E-Cell (Masaru Tomita) © Copyright Ebiointel,SL 2006

© Copyright Ebiointel,SL 2006 Bioinformática Entendiendo la célula © Copyright Ebiointel,SL 2006

? ¿Qué gran panorámica emergerá del océano de datos biológicos Bioinformática ¿Qué gran panorámica emergerá del océano de datos biológicos ? Qué gran panorámica emergerá del océano de datos biológicos En que consiste la clarividencia 1. La complejidad no es reducible, pero si se puede desFuerza bruta 2. Umbral Ruptura epistemológica. Nuevos principios generales de organización de los seres vivos. Quizá acompañado con un cuerpo matemático que sea el lenguaje natural de la biología. Algo in between Ya rutas metabólicas galactosa en levadura. Rudimentos de modelos de señales de redes célular y sistema nervisoso Espresión en erizos mar Patrones completos de comunicación de células. Reglas. a. La complejidad no es reducible b. Nuevos principios generales de organización de lo biológico © Copyright Ebiointel,SL 2006

Bioinformática Sistema biológico (Organismo) Aproximación reduccionista (Experimentos) Aproximación sintética interdisciplinar (Bioinformática: Biólogos, médicos, matemáticos, físicos, informáticos,) Bloques de construcción (Genes/Moléculas) © Copyright Ebiointel,SL 2006

© Copyright Ebiointel,SL 2006 Bioinformática -omics Nivel de análisis Definición Estatus Método análisis Genoma Conjunto completo de los genes de un organismo o sus organelas Independiente del contexto Secuenciación sistemática del DNA Transcriptoma Conjunto completo de los RNA mensajeros presentes en una célula, tejido o órgano Dependiente del contexto (el complementos de RNAs varía según cambios en la fisiología, el desarrollo o patologías Matrices de hibridación SAGE Análisis Northern a gran escala Proteoma Conjunto completo de proteínas presentes en una célula, tejido o órgano Dependiente del contexto Electroforesis en gel bidimensional, fingerprinting de péptidos Análisis de dihíbridos Metaboloma Conjunto completo de metabolitos (intermediarios de bajo peso molecular) presentes en una célula, tejido o órgano Espectrofotometría de infrarrojos Espectrofotometría de masas Espectrofotometría resonancia magnético nuclear Localizoma, Interactoma, …. Interactoma © Copyright Ebiointel,SL 2006

La Bioinformática en la investigación clínica La intersección de la genómica y bioinformática en la práctica clínica es una necesidad que debe incorporarse en la investigación médica si que quiere que la revolución genómica incida efectivamente en la medicina Chris Gunter Nature 2004, 429: 439 © Copyright Ebiointel,SL 2006

Perspectivas de la Biotecnología El ‘guru’ JUAN ENRIQUEZ Ex-Director del Harvard Business School´s Life Science Project y, actualmente, es CEO de Biotechconomy Conocer el lenguaje de los genes es dominar el futuro Código digital cuaternario El lenguaje de los genes. En una conferencia magistral (en su doble sentido) impartida por el guru de la biotecnología Juan Enriquez (organizada por Genoma España en 2004 , “La biotecnología, más que un sector”, concluía, tras un largo argumento sobre la importancia histórica de la capacidad de manejar ciertos lenguajes (de abstracción creciente), que en el cto del lenguaje de los genes está el dominio del futuro (en este cto de la intimidad de los procesos moleculares y celulares abre una perspectiva del manejo de la vida inimaginable). Hacía un analogía como el lenguaje de lo bits han definido el progreso de los últimos 40 años. El lenguaje de la vida, el del genoma humano, al igual que el de los sistema de gestión y transmisión de las TI, es también un lenguaje digital, y es imprescindible para su conocimiento y dominio el componente bioinformático. © Copyright Ebiointel,SL 2006

La Bioinformática hoy Herramientas bioinformáticas Datos Conocimiento El software bioinformático es hoy más que nunca la solución a los problemas de superabundancia de datos, de complejidad y heterogeneidad de la información de la biología molecular y celular en la investigación básica y clínica. Muchas problemas planteados en la biología molecular son del desarrollo de nuevos algoritmos y herramientas bioinformáticas. EL MENSAJE QUE DEBE ENFSTIZARSE LA REVOLUCION DEL SOFTWARE Y LA NUEVAS POSICIONES DE LOS ELEMENTOS EN LA IONESTIGACION -> LAS PLATAFORMAS BIOINFORMATICA SON EN CENTRO (ALGO ANOLOGO A LA LUCHA ENTRE HARDWARE Y SOFTWARE EN IT; LO QUE MANDA ES EL SOFTWARE) La diapositiva representa el papel central de la bioinformática es esta era genómica la investigación científica en áreas de la biotecnología y biomedicina. Superabundancia Datos (información no estructurada) -> DIGESTIÓN (Herramientas Bioinformática) -> Conocimiento (patrones, estructuras, efectos, interacciones, procesos, mecanismos, centros activos, redes de interacción, teoría, modelos, …) Ahora bien, en la práctica la Bioinformática dista de ocupar esta posición crucial que le corresponde. El uso y la prioridad que ocupan las herramientas bioinformática no están en el nivel requerido. El investigador principal de proyectos suele pensar que es más importante tener el último aparato de secuenciación que un software de alto nivel apropiado que le permita analizar a él mismo los datos. Y quizá para ello se debe culpar a la falta de soluciones bioinformática que hoy necesitan la investigación. Los productos bioinformáticos suelen ser una serie de programas heterogéneos, en distintos lenguajes (perl. Java. Entornos,…) y que requieren distintos sistemas operativos, que a su vez tratan datos con formatos distintos. Por lo que la puesta en marcha de una serie de herramientas funcionales para el grupo de investigación se convierte en algo intrincado, arcano, del que el IP se desentiende y lo deja en manos de los doctorandos más versados en informática, pero que suelen saber menos la biología del problema, y la confianza de sus análisis dependen críticamente del uso legítimo de los programas, los parámetros, la estadística, la bioinformática dura. No hay un uso profesional de la bioinformática en la investigación. (Alguien se lo resuelve pero no profesionalmente). Ello resulta en una gran ineficiencia en el uso y la optimización de recursos bioinformáticos, y creándose una y otra vez software ya disponible. MAYUSCULA{ Se debe trasladar la importancia del análisis bioinformático desde el doctorando hasta el IP. El tiene las preguntas, pero no conoce los intríngulis de la informática.} Hace falta una solución integrada que permita interrogar a los datos directamente todas las preguntas que como investigadores tenemos en mente si necesidad de saber las tecnicities, los intríngulis informáticos. La solución a este problema principal de la investigación actual es la apuesta tecnológica de ebioIntel. Hace falta un trabajo pedagógico, el valor estratégico y añadido que representa de investigación construida a partir de poderosas herramientas de software. Las herramientas bioinformáticas deben trabajar como un grupo de investigación virtual. Cualquier empresa biotecnológica la requiere. El investigador principal no suele disponer de las herramientas adecuadas. Conjunto de software disponible, que aceptan distintos formatos, programas que corren en distintos sistemas operativos, y el ordenador (ordenadores) es un complicado galimatías difícil de seguir por investigadores principales. Dos ejemplos que muestran la falta de concienciación de la importancia de disponer herramientas bioinformáticas: (1) No lo consideran prioritario en sus presupuestos de sus proyectos. (2) No plantear sus problemas de análisis como un actividad continuada, donde se enfrenta de modo permanente y continuo los datos que se generan localmente con los que produce la comunidad a nivel internacional. La parte bioinformática es un equipo de software que debe trabajar día y noche. Herramientas bioinformáticas Datos Conocimiento © Copyright Ebiointel,SL 2006

Bioinformática Conclusiones En la era postgenómica de la investigación Biomédica El tratamiento y análisis masivo de información es parte de la práctica de la investigación biomédica actual El disponer de recursos bioinformático integrados y de gran capacidad para el tratamiento y análisis de información biomédica es hoy una necesidad primaria de la investigación biomédica Los investigadores precisan conocimientos y capacidades para el análisis e interpretación bioinformático mediante programas de formación Desarrollo de análisis de sistemas dinámicos complejos Colaboración multidisciplinar Estilo de vida en la red © Copyright Ebiointel,SL 2006

Are you ready?