Spezialisierung für Bioinformatik

Sie haben vielleicht schon viel über die Genomsequenzierung und ihr Potenzial, eine Ära der personalisierten Medizin einzuläuten, gehört, aber was bedeutet es, ein Genom zu sequenzieren? Biologen können immer noch nicht die Nukleotide eines ganzen Genoms lesen, so wie man ein Buch von Anfang bis Ende lesen würde. Sie können jedoch kurze Stücke der DNA lesen. In diesem Kurs werden wir sehen, wie die Graphentheorie genutzt werden kann, um Genome aus diesen kurzen Stücken zusammenzusetzen. Wir werden außerdem etwas über Brute-Force-Algorithmen lernen und sie auf die Sequenzierung von Mini-Proteinen, den sogenannten Antibiotika, anwenden.

In der ersten Hälfte des Kurses werden wir sehen, dass Biologen die 3 Milliarden Nukleotide eines menschlichen Genoms nicht so lesen können, wie Sie ein Buch von vorne bis hinten lesen würden. Sie können jedoch kürzere Fragmente der DNA lesen. In diesem Kurs werden wir sehen, wie die Graphentheorie genutzt werden kann, um Genome aus diesen kurzen Stücken zusammenzusetzen, was dem größten Puzzle gleichkommt, das je zusammengesetzt wurde. In der zweiten Hälfte des Kurses werden wir über Antibiotika sprechen, ein Thema von großer Bedeutung, da antimikrobiell resistente Bakterien wie MRSA auf dem Vormarsch sind. Sie kennen Antibiotika als Medikamente, aber auf molekularer Ebene sind sie kurze Mini-Proteine, die von Bakterien entwickelt wurden, um ihre Feinde zu töten. Die Bestimmung der Sequenz der Aminosäuren, aus denen eines dieser Antibiotika besteht, ist ein wichtiges Forschungsproblem, das dem der Sequenzierung eines Genoms durch Zusammensetzen winziger DNA-Fragmente ähnelt. Wir werden sehen, wie Brute-Force-Algorithmen, die alle möglichen Lösungen ausprobieren, in der Lage sind, natürlich vorkommende Antibiotika zu identifizieren, damit sie im Labor synthetisiert werden können. Schließlich werden Sie lernen, wie man gängige Bioinformatik-Softwaretools anwendet, um das Genom eines tödlichen Staphylococcus-Bakteriums zu sequenzieren, das eine Antibiotikaresistenz erworben hat.

Nachdem wir im vorherigen Kurs Genome sequenziert haben, möchten wir diese vergleichen, um festzustellen, wie sich die Arten entwickelt haben und was sie voneinander unterscheidet. In der ersten Hälfte des Kurses werden wir zwei kurze biologische Sequenzen vergleichen, z.B. Gene (d.h. kurze Sequenzen von DNA) oder Proteine. Wir werden ein leistungsfähiges algorithmisches Werkzeug namens dynamische Programmierung kennenlernen, das uns helfen wird, die Anzahl der Mutationen zu bestimmen, die die beiden Gene/Proteine voneinander getrennt haben. In der zweiten Hälfte des Kurses werden wir "herauszoomen", um ganze Genome zu vergleichen, wo wir groß angelegte Mutationen sehen, die als Genom-Umlagerungen bezeichnet werden, d.h. seismische Ereignisse, die große DNA-Blöcke über Millionen von Jahren der Evolution umgeworfen haben. Bei der Betrachtung des menschlichen und des Mausgenoms werden wir uns fragen: So wie Erdbeben mit größerer Wahrscheinlichkeit entlang von Verwerfungslinien auftreten, gibt es auch in unserem Genom Stellen, die "zerbrechlich" und anfälliger dafür sind, im Rahmen von Genomumlagerungen zerstört zu werden? Wir werden sehen, wie kombinatorische Algorithmen uns bei der Beantwortung dieser Frage helfen werden. Schließlich werden Sie lernen, wie man gängige Bioinformatik-Software-Tools zur Lösung von Problemen beim Sequenzabgleich einsetzt, darunter BLAST.

Im vorigen Kurs der Specialization haben wir gelernt, wie man Gene, Proteine und Genome vergleicht. Eine Möglichkeit, diese Methoden zu nutzen, besteht darin, einen "Baum des Lebens" zu erstellen, der zeigt, wie sich eine große Anzahl verwandter Organismen im Laufe der Zeit entwickelt hat. In der ersten Hälfte des Kurses werden wir Ansätze zur Erstellung von Evolutionsbäumen diskutieren, die Gegenstand einiger der meistzitierten wissenschaftlichen Arbeiten aller Zeiten waren, und zeigen, wie sie Rätsel lösen können, von der Suche nach dem Ursprung eines tödlichen Virus bis hin zur Suche nach dem Geburtsort des modernen Menschen. In der zweiten Hälfte des Kurses werden wir einen anderen Gang einlegen und die alte Behauptung untersuchen, dass sich Vögel aus Dinosauriern entwickelt haben. Wie können wir das beweisen? Wir werden insbesondere ein Ergebnis untersuchen, das besagt, dass Peptide, die aus einem T. rex-Fossil gewonnen wurden, eng mit Peptiden übereinstimmen, die in Hühnern gefunden wurden. Wir werden insbesondere Methoden aus der computergestützten Proteomik verwenden, um herauszufinden, wie wir beurteilen können, ob dieses Ergebnis stichhaltig ist oder auf eine Form der Kontamination zurückzuführen ist. Schließlich werden Sie lernen, wie man gängige Bioinformatik-Software-Tools anwendet, um einen Evolutionsbaum von Ebolaviren zu rekonstruieren und die Quelle der jüngsten Ebola-Epidemie zu identifizieren, die weltweit für Schlagzeilen sorgte.

Wie können wir feststellen, welche Gene die verschiedenen Prozesse in der Zelle steuern? Wie sind die Menschen aus Afrika ausgewandert und haben sich auf der ganzen Welt ausgebreitet? In diesem Kurs werden wir sehen, dass diese beiden scheinbar unterschiedlichen Fragen mit ähnlichen Algorithmen und Techniken des maschinellen Lernens angegangen werden können, die sich aus dem allgemeinen Problem der Einteilung von Datenpunkten in verschiedene Cluster ergeben. In der ersten Hälfte des Kurses werden wir Algorithmen für das Clustern einer Gruppe von Objekten in eine Sammlung von Clustern auf der Grundlage ihrer Ähnlichkeit vorstellen, ein klassisches Problem der Datenwissenschaft, und sehen, wie diese Algorithmen auf Genexpressionsdaten angewendet werden können.

In der zweiten Hälfte des Kurses werden wir ein weiteres klassisches Werkzeug der Datenwissenschaft, die Hauptkomponentenanalyse, vorstellen, mit der mehrdimensionale Daten vor dem Clustering vorverarbeitet werden können, um die Anzahl der Dimensionen stark zu reduzieren, ohne dass ein Großteil des "Signals" in den Daten verloren geht. Schließlich werden Sie lernen, wie man gängige Bioinformatik-Softwaretools anwendet, um ein reales Problem beim Clustering zu lösen.

In früheren Kursen dieser Specialization haben wir uns mit der Sequenzierung und dem Vergleich von Genomen beschäftigt. In diesem Kurs geht es um fortgeschrittene Themen bei der Suche nach Mutationen, die in der DNA und in Proteinen lauern. In der ersten Hälfte des Kurses möchten wir uns mit der Frage beschäftigen, wie sich das Genom eines Individuums vom "Referenzgenom" der Spezies unterscheidet. Unser Ziel ist es, kleine DNA-Fragmente des Individuums zu nehmen und sie auf das Referenzgenom zu "mappen". Wir werden sehen, dass die kombinatorischen Mustervergleichsalgorithmen, die dieses Problem lösen, elegant und äußerst effizient sind und erstaunlich wenig Laufzeit und Speicherplatz benötigen. In der zweiten Hälfte des Kurses werden wir lernen, wie man die Funktion eines Proteins identifiziert, selbst wenn es im Vergleich zu ähnlichen Proteinen mit bekannten Funktionen mit so vielen Mutationen bombardiert wurde, dass es kaum noch zu erkennen ist. Dies ist zum Beispiel bei HIV-Studien der Fall, da das Virus oft so schnell mutiert, dass die Forscher Mühe haben, es zu untersuchen. Der Ansatz, den wir verwenden werden, basiert auf einem leistungsstarken Tool für maschinelles Lernen, dem so genannten Hidden Markov Model. Schließlich werden Sie lernen, wie man gängige Bioinformatik-Softwaretools einsetzt, die Hidden Markov Models verwenden, um ein Protein mit einer verwandten Proteinfamilie zu vergleichen.

In diesem Kurs lernen Sie, wie Sie die von Illumina (unserem Industriepartner) entwickelte BaseSpace Cloud-Plattform nutzen können, um verschiedene Standard-Bioinformatik-Softwareansätze auf reale biologische Daten anzuwenden.

Insbesondere werden Sie in einer Reihe von Anwendungsherausforderungen sehen, wie die Genomassemblierung verwendet werden kann, um die Quelle eines Ausbruchs von Lebensmittelvergiftungen aufzuspüren, wie die RNA-Sequenzierung uns helfen kann, Genexpressionsdaten auf Gewebeebene zu analysieren und die Vor- und Nachteile der Ganzgenomsequenzierung gegenüber der Ganz-Exom-Sequenzierung zu vergleichen, um potenziell schädliche Mutationen in einer menschlichen Probe zu finden. Außerdem haben Hacker-Studenten die Möglichkeit, ihren eigenen Genomassembler zu bauen und ihn auf reale Daten anzuwenden!