so_sal

/*
 * http://sosal.tistory.com/
 * made by so_Sal
 */

Bioinformatics.

단일염기 다형성 (SNP) 의 정의?

SNP(Single Nucleotide Polymorphism): 단일 염기 다형성.

DNA sequence에서 각 염기에 나타나는 일반적인 돌연변이로, 유전체에서 인종, 개인차, 질병 등을 가져오게 되는 부분입니다.

DNA 염기순서가 개체 사이에서 500 ~ 1,000개 염기 당 1개 정도 나타나며,
이런 미세한 차이에 의해 유전자의 기능이 달라질 수 있습니다.

이런 것들이 유전적인 개인차를 알아내는 유력한 단서가 되며,
인간의 개놈에는 약 300만개의 SNP가 존재한다고 합니다.

RFLP(Restriction fragment length polymorphism)은 특정한 염기배열을 인식하여 절단하는 제한효소로, DNA 유전자를 절단하였을 때, 절단된 유전자의 길이가 개인에 따라 다양하게 나타나는 현상을 이야기합니다.


약 1,000개의 염기마다 나타나는 SNP에 의해 RFLP를 이용하여 개인차를 판별할 수 있습니다.
이것은 유전자의 SNP를 판별할 ‘마커’ 라고 부르는데,
RFLP 마커 뿐만 아니라 HRM, Microsatellite 등 마커의 종류는 굉장히 많습니다.

SNP 빈도는 한 위치의 염기에서 얼마만큼의 확률로 다형성이 존재하는지를 뜻합니다. 많은 사람들의 DNA에서 특정한 SNP를 조사하여 그 빈도를 통계적으로 추정하는 것입니다. 예를 들어, 다수의 사람이 어떤 위치에서 A라는 염기를 가지고 있었는데, 10%의 사람만이 G 염기를 가지고 있다고 한다면, SNP 빈도는 10%이라고 추정할 수 있다는 것입니다.

서로 다른 SNP 간의 linkage disequilibrium?

염색체의 서로 다른 유전자 위치에서 관측되는 대립유전자들 간에 존재하는 특정한 연관관계는 멘델의 유전법칙을 어긋나게 하는 요인인데, 바로 이것을 연관불평형이라고 말한다. 일반적으로 이 수치가 |D’| > 0.8인 경우에 두 SNP는 강한 연관관계가 있다고 판단한다. 아래 D는 다음과 같이 정의한다.

연관성 분석 (association analysis)

연관성 분석(Association analysis)은 데이터들 내에 존재하는 특징 및 샘플 사이의 연관성을 찾아내기 위해 하는 것으로, 데이터들을 분석하는 Data mining 기법들 중 하나입니다. 아래 3가지의 평가 기준을 이용하여 실제 데이터의 연관성을 분석합니다.

1. 지지도(support): 전체 데이터 수에 대한 연관 데이터의 수.

2. 신뢰도(Confidence): 연관된 샘플중 한가지 데이터 수에 대한 연관 데이터의 수 
   ( Support(X,Y)  /  Suppot(X) )

3. 향상도(Lift): 두가지 항목이 독립적인지 아닌지 판단하는 측도. 
   Lift(X,Y) = P(X || Y) / P(X) * P(Y) = Confidence(Y) / P (B). 

   이 값이 1이라면, X, Y데이터는 서로 독립이다. (1보다 크면 양의 연관성, 1보다 작으면 음의 연관성)

이러한 연관성 분석은 시장 분석에서부터 이 문제에서 우리가 수행하고자 하는 SNP와 사람의 특성관계까지도 수치화 할 수 있는데, support, confidence, lift 수치를 구하여 분석하는 것입니다.

Support수치가 분석하고자 하는 연관 규칙이 데이터 집합에 얼마나 자주 적용할 수 있을지를 알려주고, Confidence 수치가 데이터들의 연관되어있는 정도를 나타내주며, Lift 수치를 기준으로 우리가 판단하고자 하는 데이터의 연관성이 데이터들의 무작위적인 추측에 비해 얼마나 더 우수한가를 판별해주는 기준이 됩니다.



틀린 내용이 있다면 지적해주세요. 감사합니다

Bioinformatics.
생물정보학 수업을 들으면서 가장 재미있었던 sequence alignment 관련 내용입니다. 

1. Global alignment vs Local alignment

 서열분석의 목적은 관심 있는 서열의 유사점과 차이점을 분석하여 염기와 아미노산 수준에서 서열간의 구조적 기능적 및 진화론적 관련성을 추론하려는 것입니다.

Dynamic programming(DP) : 두 개의 염기서열에 대해서 정렬하기 위해 사용되는 알고리즘.

이러한 방법은 두 개의 서열 사이에서 Optimal aliment를 구해줍니다. Optimal alignment는 두 개의 sequence에 대해서 matched, mismatched character와 gap을 가지게 됩니다. 

 Global and local alignment : 두 가지 형태의 서열 정렬은 똑같이 DP 알고리즘을 사용하여 matrix를 만듭니다. 이 matrix는 ‘figure 1.1’ 점화식을 사용하여 만들어집니다. 하지만, global, local alignment의 차이점은 아래와 같습니다..

Global alignment: trace back은 항상 matrix의 끝에서 시작한다.
Local alignment: trace back은 matrix 안에 있는 가장 큰 값에서부터 시작한다. Matrix에 음수는 존재할 수 없다.

2. scoring matrix: Blosum62 matrix

Substitution matrix: 2개의 sequence를 비교할 때, 모든 경우의 수에 해당되는 염기쌍에 대해 score를 나타내는 표입니다. Protein 서열에는 여러 가지 amino acid가 있는데, 단순한 alignment로는 어떻게 배열하는 것이 더욱 비슷한 서열, 성질, 구조를 갖게 되는지 알지 못합니다. 따라서 우리는 모든 염기쌍에 대해 점수를 부여해야만 하는데, 서열 속에 나타나는 기대빈도수, 그리고 중요성에 따라 차별화 하여 점수를 줍니다.

Blosum62 (BLOcks of Amino Acid SUbstitution Matrix) 는 특히 protein sequence에 해당하는 substitution matrix입니다. 이 matrix 안에 해당되는 score는 Amino Acid 쌍의 relative frequencies, substitution probabilities에 기반합니다. 이것은 Gap을 포함한 총 21개의 아미노산 쌍에 대해 Log-odds score를 계산하여, 2by2 table 형식으로 나타낸 표입니다.

출처: http://en.wikipedia.org/wiki/BLOSUM

 
3. Alignment의 결과인 유사도와 계통수(phylogenetic tree)를 결정법

유사도: Alignment의 결과로 얻은 가장 정렬이 잘된 2개의 sequence에 대한
‘동일한 염기들의 수’ / ‘전체 염기의 길이‘ 를 계산한 값.
계통수: 생물의 유연관계와 관련된 분류학적 계급을 나뭇가지처럼 표현한 그림.

 
우리는 각 sequence에 해당되는 table을 구할 수 있습니다.

수치가 유사도일 경우, 서로 높은 유사도를 가지는 것과 (거리라면, 가까운 거리)
그룹을 지어가며 tree를 구성하는 것입니다.

/*
 * http://sosal.tistory.com/
 * made by so_Sal
 */

Central dogma:
유전정보는 DNA상의 염기배열에서 상보적 염기배열을 가지는 mRNA로 옮겨져, 다시 ribosome위에서 단백질의 아미노산 배열로 전달된다는 한 방향의 흐름이 있음. Crick는 이 유전정보 전달의 흐름을 생물의 일반적 원칙으로서 central dogma 라 부르게 함.
                                               /Naver 지식사전

1) Shotgun: DNA 서열분석 방법 중 하나

 분석하려는 대상이 되는 유전체를 여러 개 준비하여 각각에 대해 무작위 적으로 2,000 bp, 10,000 bp크기만큼 잘라, 그 서열들을 plasmid에 삽입하여 clone library를 만든 후, 모든 부분 서열에 대해 양쪽으로 500bp 만큼 해독하여 데이터를 저장하는 방식입니다. 이 데이터는 분석하려는 유전체의 여러 copy를 분리하였기 때문에 해독된 염기서열들은 서로 overlab(겹치는?) 되는 성질을 가집니다. 따라서 pairwise comparison을 통해 각 fragment를 조합하여 원래의 유전체 염기서열을 구하는 방법이 바로 Shotgun sequencing 방법입니다.

2) Shotgun 방법으로부터 얻은 염기서열들을 조합하여 원래의 DNA 서열을 알아내기 

 500bp씩 분석한 fragment의 양 끝 서열은 여러 copy에 의해 만들어진 것으로, overlab 되는 성질을 가지고 있습니다. 이 성질을 이용하여 문자열 비교 알고리즘을 각 fragment에 대해 수행하면서 이들의 조각을 맞추는 방식으로 원래의 DNA 서열을 찾아냅니다.

위 실험을 수행할 시 유의할 사항은 4가지를 들 수 있습니다.

1.  Incomplete coverage.

당연한 이야기지만, 모든 fragment가 전체 DNA 서열을 포괄하여야 합니다.

2.  Sequencing errors

DNA fragment를 조합하는 과정에서 base 1~2개가 잘못 읽혀지게 되면 amino acid로 decoding하는데 잘못 읽혀질 수 있으므로, 유의하여야 합니다.

3.  Repetitive DNA

overlab 되는 부위에 대한 substring들이 반복적으로 나타나게 된다면 조합할 수 있는 여러가지 경우의 수가 나올 수 있으므로, 특히 대처하기 힘든 부분이며, 조심해야 하는 부분입니다.

4.  Unknown orientation

염기를 읽을 때, 방향을 고려하지 못해 조립 (assembly) 과정에서 문제가 발생할 수 있습니다.

3)  DNA에서 단백질정보를 가지고 있는 ORF.
 

Open reading frame(ORF)은 단백질 아미노산 배열로 번역되는 DNA 염기서열을 말합니다. Start codon (ATG)으로 시작하여 Stop codon(TGA, TAA, TAG)로 끝나며, 최종적으로 protein을 구성하게 되는 coding region입니다.

위 그림은 원핵세포에 해당되는 유전자 구조인데, Promoter에서부터 Transcription start site – 5’ Untranslated region(UTR),

start-codon, Coding region, stop codon, 3’UTR 단계로 아주 간단하게 구성되어있습니다. (진핵생물은 더 복잡)

 Coding region이 바로 우리가 이 문제에서 궁극적으로 찾고자 하는 ‘단백질 아미노산 순서를 규정하는 유전자 영역’입니다..

이 영역을 지정해주는 것이 바로 start codon(ATG)와 stop codon(TGA,TAA,TAG) 입니다.

Promoter는 원핵생물에서 Transcription Start Site 근처의 전사를 개시하는 DNA 결합부위로, 전사를 조절하는 부위입니다. DNA를 주형으로 RNA를 합성시키는 RNA중합효소가promoter 부위에 결합하여 전사를 시작하는데, 이때 DNA 이중나선의 한 가닥만이 주형으로 이용되며, 이를 결정하는것도 promoter입니다.

4)  ORF의 전사(transcription), 그리고 해독(translation)

전사(transcription)는 DNA가 mRNA로 유전적 정보를 옮기는 작업입니다. ‘RNA 중합효소’가 DNA의 promoter 부분에서 DNA 이중나선 구조에서 한쪽가닥만이 해독되는데, 이때 프로모터가 두 가닥 중에서 어느 가닥이 주형으로 이용될 지 결정하게 됩니다 (방향은 5` -> 3`). 이렇게 RNA는 일반적으로 한 가닥으로 이루어져 있고, DNA가 가지는 염기중의 하나인 T (Thymine) 대신 U (Uracil) 를 갖는 것을 제외하고는 비주형 가닥과 동일한 방향성 및 염기서열을 가집니다.

 
전사된 후 RNA는 해독(translation)되기 전에 splicing 과정을 거치는데, 이것은 RNA 염기서열 중에서 intron 부위를 제거하고, exon부위를 합치는 과정을 말합니다.

 
Splicing 후에 RNA는 세포질 내 리보솜(ribosome : translation이 일어나는 장소)으로 이동하여 해독(translation)을 시작합니다.

Exon만 남은 RNA는 각 염기 3개를 하나로 묶어 codon이라고 부르는데, tRNA가 특정 아미노산을 선택하여 mRNA와 상보적인 결합을 통해 protein chain을 만들어가게 됩니다.

ex)
CGGGTTTCGGGCTCATGCCCTACGATGCGT
GACCGTGTTGAGAATATCGGGTTTCGGGCT
GAATATCGGGTTTCGGGCTCATGCCCTACG
TCATGCCCTACGATGCGTAACGGACTAGTA
GCTCATGCCCTACGATGCGTAACGGACTAG
GAGAATATCGGGTTTCGGGCTCATGCCCTA
GTTTCGGGCTCATGCCCTACGATGCGTAAC
GTTGAGAATATCGGGTTTCGGGCTCATGCC
CGTGTTGAGAATATCGGGTTTCGGGCTCAT
ATCGGGTTTCGGGCTCATGCCCTACGATGC
CATGGACCGTGTTGAGAATATCGGGTTTCG
TTTCGGGCTCATGCCCTACGATGCGTAACG
GTGTTGAGAATATCGGGTTTCGGGCTCATG
ATATCGGGTTTCGGGCTCATGCCCTACGAT
ATGGACCGTGTTGAGAATATCGGGTTTCGG
GACCGTGTTGAGAATATCGGGTTTCGGGCT
TATCGGGTTTCGGGCTCATGCCCTACGATG
GTTTCGGGCTCATGCCCTACGATGCGTAAC
GTTGAGAATATCGGGTTTCGGGCTCATGCC
AGAATATCGGGTTTCGGGCTCATGCCCTAC
TGTTGAGAATATCGGGTTTCGGGCTCATGC
CCGTGTTGAGAATATCGGGTTTCGGGCTCA
ACCGTGTTGAGAATATCGGGTTTCGGGCTC
TCGGGCTCATGCCCTACGATGCGTAACGGA
TCGGGTTTCGGGCTCATGCCCTACGATGCG
GTGTTGAGAATATCGGGTTTCGGGCTCATG
TCGGGTTTCGGGCTCATGCCCTACGATGCG
ATGGACCGTGTTGAGAATATCGGGTTTCGG
TTTCGGGCTCATGCCCTACGATGCGTAACG
GAGAATATCGGGTTTCGGGCTCATGCCCTA
CGTGTTGAGAATATCGGGTTTCGGGCTCAT
CATGGACCGTGTTGAGAATATCGGGTTTCG
TCGGGTTTCGGGCTCATGCCCTACGATGCG
AATATCGGGTTTCGGGCTCATGCCCTACGA
TCGGGCTCATGCCCTACGATGCGTAACGGA
ACCGTGTTGAGAATATCGGGTTTCGGGCTC
GCTCATGCCCTACGATGCGTAACGGACTAG
AGAATATCGGGTTTCGGGCTCATGCCCTAC
TGTTGAGAATATCGGGTTTCGGGCTCATGC
CATGGACCGTGTTGAGAATATCGGGTTTCG
TCGGGCTCATGCCCTACGATGCGTAACGGA
TTGAGAATATCGGGTTTCGGGCTCATGCCC
ATCGGGTTTCGGGCTCATGCCCTACGATGC

DNA 조각으로 부터, fragment 조합 프로그램을 통해

CATGGACCGTGTTGAGAATATCGGGTTTCGGGCTCATGCCCTACGATGCGTAACGGACTAGTA
를 얻는다.

ORF를 분석하여 실제 protein이 될 DNA 서열을 찾는다.

CATGGACCGTGTTGAGAATATCGGGTTTCGGGCTCATGCCCTACGATGCGTAACGGACTAGTA

찾은 Exon을 이용하여 Protein을 완성한다.

MTVLRISGFG

(이렇게 짧은 Protein은 사실 거의 존재하지 않습니다만..)

Fragment로부터 DNA서열을 복원하고,
DNA서열에서 ORF를 찾아 실제 Protein으로 번역하는 과정이었습니다.




잘못된 내용이 있다면 댓글로 지적 부탁합니다 ^^