Біоінформа́тика — це міждисциплінарна галузь науки, яка поєднує принципи біології, інформатики, математики та статистики для збору, аналізу, інтерпретації та керування біологічними даними.
Біоінформатика тісно пов'язана з обчислювальною біологією, і зосереджена на розробці та використанні обчислювальних методів, алгоритмів і програмних засобів для вилучення значущої інформації з величезних і складних наборів біологічних даних, зокрема в геноміці, епігеноміці, протеоміці та інших дисциплінах оміксних аналізів та мультиоміки. Біоінформатика відіграє ключову роль у вдосконаленні нашого розуміння біологічних процесів, допомагаючи у відкритті ліків, полегшуючи персоналізовану медицину та сприяючи різноманітним аспектам біологічних та біомедичних досліджень.
Біоінформатика охоплює широкий спектр діяльності, включаючи вирівнювання послідовностей, структурну біологію, функціональну анотацію, передбачення структури білків, системну біологію та розробку баз даних і обчислювальних моделей, , збірку геномів, білків, передбачення експресії генів та білок-білкової взаємодії та реконструювання процесу еволюції. Це дає змогу дослідникам досліджувати генетичні варіації, визначати потенційні мішені ліків, розкривати еволюційні зв’язки та отримати уявлення про механізми, що лежать в основі різних захворювань.
Великим напрямком досліджень біоінформатики є отримання високоякісних послідовностей геномів з фрагментів послідовностей, отриманих за допомогою традиційних методів секвенування ДНК та конструювання сигнальних мереж за даними ДНК-мікрочипів. В останньому випадку біоінформатика нерідко перетинається з системною біологією.
Хоча терміни біоінформатика і обчислювальна біологія часто взаємозамінюються, останній указує на ширшу галузь, що також включає розробку алгоритмів і конкретні обчислювальні методи та моделювання біологічних (математична біологія) і біохімічних (обчислювальна хімія, молекулярне моделювання) процесів. Іноді інформатику розглядають як галузь біомедичної інформатики.
Основні галузі досліджень
Аналіз генетичних послідовностей
Відтоді, як в 1977 році був секвенований геном фагу φ-X-174, послідовності ДНК все більшого числа організмів були розшифровані і збережені в базах даних. Ці дані використовуються для визначення послідовностей білків і регуляторних ділянок. Порівняння генів в рамках одного або різних видів може продемонструвати схожість функцій білків або відношення між видами (таким чином, можуть бути складені філогенетичні дерева).
Із зростанням кількості даних вже давно стало неможливим вручну аналізувати послідовності. В наші дні для пошуку по геномах тисяч організмів, що складаються з мільярдів пар основ, використовуються комп'ютерні програми. Програми можуть однозначно зіставити («вирівняти») схожі послідовності ДНК в геномах різних видів, часто такі послідовності несуть схожі функції, а відмінності виникають в результаті дрібних мутацій, таких як заміни окремих нуклеотидів, вставки нуклеотидів і їхнє «випадання» (делецій).
Один з варіантів такого вирівнювання застосовується при самому процесі секвенування. Так звана техніка «дробового секвенування» (яка, наприклад, використовувалася або TIGR для секвенування першого бактеріального геному Haemophilus influenzae) замість повної послідовності нуклеотидів дає послідовності коротких фрагментів ДНК (кожен завдовжки близько 600–800 нуклеотидів). Кінці фрагментів накладаються один на одного і, суміщені належним чином, дають повний геном. Такий метод швидко дає результати секвенування, але збірка фрагментів може бути досить складним завданням для великих геномів. У проєкті з розшифрування геному людини збірка зайняла декілька місяців часу суперкомп'ютерів. Зараз цей метод застосовується для практично всіх геномів, і алгоритми збірки геномів є однією з щонайгостріших проблем біоінформатики на сьогоднішній момент.
Іншим прикладом застосування комп'ютерного аналізу послідовностей є автоматичний і регуляторних послідовностей в геномі. Не все нуклеотиди в геномі використовуються для завдання послідовностей білків. Наприклад, в геномах еукаріотів існують великі сегменти некодуючої ДНК, які явно не кодують білки, а їхня функціональна роль в багатьох випадках невідома. Розробка алгоритмів виявлення ділянок геному, що кодують білки, є важливим завданням сучасної біоінформатики.
Біоінформатика допомагає зв'язати геномні та протеомні проєкти, наприклад, допомагаючи у використанні послідовності ДНК для ідентифікації білків.
Анотація геномів
У контексті геноміки анотація — процес маркування генів і інших об'єктів в послідовності ДНК. Перша програмна система анотації геномів була створена в 1995 році Оуеном Вайтом (Owen White), що працював в команді, яка секвенувала і проаналізувала перший декодований геном вільноживучого організму, бактерії Haemophilus influenzae. Доктор Вайт побудував систему знаходження генів, тРНК і інших об'єктів в геномі, і зробив перші позначення функцій цих генів. Більшість сучасних систем працюють схожим чином, але ці програми постійно розвиваються і поліпшуються.
Обчислювальна еволюційна біологія
Еволюційна біологія досліджує походження і появу видів, також як їхній розвиток з часом. Інформатика допомагає еволюційним біологам в декількох аспектах: вивчення еволюції великого числа організмів, вимірюючи зміни в їхній ДНК, а не тільки в будові або фізіології порівняння цілих геномів (див. ), що дозволяє вивчати більш комплексні еволюційні події, такі як дуплікація генів, горизонтальний перенос генів і передбачати фактори спеціалізації організмів будування комп'ютерних моделей популяцій, щоб передбачити поведінку системи з часом відстеження появи публікацій, що містять інформацію про велику кількість видів
Область інформатики, що використовує генетичні алгоритми, часто плутають з комп'ютерною еволюційною біологією. Робота в цій області використовує спеціалізоване програмне забезпечення для поліпшення алгоритмів і обчислень і ґрунтується на еволюційних принципах, таких, як реплікація, через рекомбінацію або мутації, і виживання за умовами природного відбору.
Оцінка біологічного різноманіття
Біорізноманіття екосистеми може бути визначено як повна генетична сукупність певного середовища, що складається зі всіх видів, що мешкають в ньому, чи це біофільм в покинутій шахті, крапля морської води, жменя землі або вся біосфера планети Земля. Для збору видових назв, описів, ареалу розповсюдження і генетичній інформації використовуються бази даних. Спеціалізоване програмне забезпечення застосовується для пошуку, візуалізації та аналізу інформації, і, що важливіше, її доступності іншим людям. Комп'ютерні симуляції моделюють такі речі, як популяційна динаміка, або обчислюють загальне генетичне здоров'я культури в агрономії. Один з найважливіших потенціалів цієї області полягає в аналізі послідовностей ДНК організмів або повних геномів цілих вимираючих видів, дозволяючи запам'ятати результати генетичного експерименту природи в комп'ютері й можливо використовувати знову в майбутньому, навіть якщо ці види повністю вимруть.
Аналіз експресії генів
Експресія багатьох генів може досліджуватися за допомогою вимірювання рівнів багатьох мРНК з використанням методів ДНК-мікрочипів, (EST), (SAGE) або інших варіантів мультиплексної . Всі ці методи надзвичайно сприятливі до шуму і схильні до упередженості в отриманих значеннях, тому важлива область досліджень в біоінформатиці займається розробкою статистичних інструментів для розділення сигналу і шуму в генетичних дослідженнях. Ці дослідження часто використовуються для виявлення генів, залучених у хвороби: наприклад, дані мікрочипів ракових епітеліальних клітин порівнюють з нормальними для визначення підвищуючої та понижчуючої регуляції генів.
Типи даних у біоінформатиці Біоінформатика має справу з різноманітними типами біологічних даних, кожен з яких пропонує унікальне розуміння складності живих організмів. Ці типи даних необхідні для розуміння генетики, біології та суміжних галузей. Ось кілька відомих типів даних у біоінформатиці:
Оміксіні технології
«Оміксні технології» — це набори передових, високопродуктивних методологій, які використовуються для аналізу широкого діапазону біологічних молекул та їх взаємодії з метою розуміння структури, функції та динаміки біологічних систем на різних рівнях. Поєднуючи ці «-оми», вчені можуть аналізувати складні біологічні великі дані, щоб знаходити нові асоціації між біологічними об’єктами, точно визначати відповідні біомаркери захворювань і фізіологічних процесів. Роблячи це, мультиоміка об’єднує різноманітні дані омік, щоб знайти узгоджено відповідний зв’язок або асоціацію генотип-фенотип-довкілля.Tarazona, S., Balzano-Nogueira, L., & Conesa, A. (2018). Multiomics Data Integration in Time Series Experiments. Термін «мультіоміка» відображає взаємозв’язок і складну взаємодію між різними типами біологічних даних. Біологічні процеси керуються каскадом подій, які починаються з генома та призводять до функціональних білків і метаболітів, які опосередковують клітинні процеси. Уздовж цього континууму існують різні точки регулювання та зворотного зв’язку, які найкраще зрозуміти, якщо розглядати їх разом.
Геномні дані Секвенування ДНК: визначення точної послідовності нуклеотидних основ у молекулах ДНК. Цей тип даних був революційним завдяки високопродуктивним технологіям секвенування, таким як секвенування наступного покоління (NGS) і . Збірка геномів: реконструкція повних геномів із фрагментованих послідовностей ДНК. Удосконалення алгоритмів і обчислювальних методів підвищили точність і ефективність складання геному. : порівняння геномів різних видів для виявлення еволюційних зв’язків, збережених елементів і генетичних варіацій. Цей тип даних допомагає зрозуміти еволюцію видів і функціональних елементів у геномах. : вивчення функцій генів і некодуючих елементів у геномах, часто за допомогою таких методів, як CRISPR-Cas9 для редагування генів і функціональної анотації. (див. Геноміка) Фармакогеномічні дані: дослідження того, як генетичні варіації впливають на індивідуальні реакції на ліки. Цей тип даних використовується в персоналізованій медицині та оцінці безпеки ліків.
Епігеномні дані Профіль метилювання ДНК: Вивчення статусу метилювання специфічних залишків цитозину в ДНК. Патерни метилювання часто асоціюються з глушінням генів і можуть бути проаналізовані за допомогою таких методів, як бісульфітне секвенування та . Дані модифікації гістонів — ChIP-Seq (Секвенування імунопреципітацією хроматину): визначення місць і моделей модифікацій гістонів (наприклад, ацетилювання, метилювання), пов’язаних з регуляцією генів. Секвенування ChIP поєднує імунопреципітацію хроматину з високопродуктивним секвенуванням. : профілювання малих некодуючих РНК (наприклад, мікроРНК, малих інтерферуючих РНК), які відіграють вирішальну роль у регуляції генів після транскрипції. Аналіз довгих некодуючих РНК (lncRNA): Дослідження функцій і регуляторних ролей довгих некодуючих РНК у експресії генів та епігенетичній регуляції. Методи фіксації конформації хромосом — відображення тривимірної організації хроматину в клітинному ядрі. Дані Hi-C дають зрозуміти, як хроматинові петлі та взаємодії впливають на регуляцію генів і архітектуру геному. (EWAS) — Епігеномне профілювання метилювання ДНК: виявлення епігенетичних змін, пов’язаних із захворюваннями, ознаками та впливом навколишнього середовища, подібно до загальногеномних досліджень асоціацій (GWAS) для генетичних варіацій. (див. Епігеноміка)
Транскриптомні дані (RNA-Seq): профілювання експресії генів шляхом кількісного визначення молекул РНК у зразку. RNA-Seq надає інформацію про рівні експресії генів, альтернативний сплайсинг і посттранскрипційні модифікації. Аналіз транскриптомів: аналіз усього набору транскриптів у клітині чи тканині, включаючи ідентифікацію нових транскриптів, варіантів сплайсингу та регуляторних РНК. (див. Транскриптоміка)
Епітранскриптомні дані