생물정보학은 생물학, 컴퓨터 과학, 통계학의 교차점에서 강력한 학문으로 부상했습니다. 생명과학 분야에서는 생물학적 데이터를 분석하고 해석하는 데 중요한 역할을 하며, 연구자들이 현대 실험 기술로 생성된 방대한 양의 정보를 이해하는 데 도움을 줍니다. 생명과학 공급업체로서 우리는 생물학 연구의 지형을 변화시키고 있는 생물정보학의 다양한 도구와 기술에 정통합니다.
서열 정렬 도구
생물정보학의 기본 작업 중 하나는 서열 정렬입니다. 여기에는 DNA, RNA 또는 단백질 서열을 비교하여 유사점과 차이점을 식별하는 작업이 포함됩니다. 이를 통해 진화 관계, 유전자 기능, 질병 관련 돌연변이 식별에 대한 통찰력을 얻을 수 있습니다.
BLAST(Basic Local Alignment Search Tool)는 아마도 가장 널리 사용되는 서열 정렬 도구일 것입니다. 이를 통해 연구자는 대규모 시퀀스 데이터베이스에 대해 쿼리 시퀀스를 검색하여 유사한 시퀀스를 찾을 수 있습니다. BLAST는 공통의 진화 기원을 공유하는 서열인 상동 서열을 신속하게 식별할 수 있습니다. 예를 들어, 새로 발견된 유전자에 대한 연구에서 BLAST는 다른 유기체에서 관련 유전자를 찾아 해당 유전자의 가능한 기능에 대한 단서를 제공하는 데 사용될 수 있습니다.
ClustalW는 다중 서열 정렬을 위한 또 다른 중요한 도구입니다. 세 개 이상의 시퀀스를 동시에 정렬하여 시퀀스 간에 보존된 영역을 표시하는 행렬을 만듭니다. 이는 서로 다른 종이나 계통 간의 관계를 서열 유사성으로부터 추론할 수 있는 계통발생 분석에 특히 유용합니다. ClustalW의 출력은 서열의 진화 이력을 시각적으로 나타내는 계통발생수를 구성하는 데 사용될 수 있습니다.
게놈 조립 도구
게놈 조립은 시퀀싱 기술을 통해 얻은 다수의 짧은 DNA 단편으로부터 완전한 게놈 서열을 재구성하는 과정입니다. 이는 게놈에 반복적인 요소가 존재하고 시퀀싱 중에 발생하는 오류로 인해 어려운 작업입니다.
SOAPdenovo는 널리 사용되는 게놈 조립 도구입니다. De Bruijn 그래프 알고리즘을 사용하여 짧은 읽기를 더 긴 연속으로 조립합니다. 읽기를 더 작은 k - 메르(길이 k의 하위 시퀀스)로 나누고 중첩을 기반으로 그래프를 구성함으로써 SOAPdenovo는 대규모 시퀀싱 데이터를 효율적으로 처리할 수 있습니다. 또 다른 도구인 Velvet도 de Bruijn 그래프 접근 방식을 사용하지만 박테리아 및 진핵생물의 게놈을 포함하여 다양한 크기의 게놈을 조립하는 데 최적화되어 있습니다.
유전자 예측 도구
게놈이 조립되면 다음 단계는 그 안에 있는 유전자를 식별하는 것입니다. 유전자 예측 도구는 계산 알고리즘을 사용하여 단백질이나 기능성 RNA 분자를 암호화하는 게놈 영역을 찾습니다.
Glimmer는 원핵생물 게놈에 대한 잘 알려진 유전자 예측 도구입니다. 이는 코돈 사용, 시작 및 종료 코돈의 존재와 같은 유전자의 통계적 특성을 기반으로 하는 확률 모델을 사용합니다. 진핵생물 게놈의 경우 아우구스투스는 강력한 도구입니다. 인트론과 엑손을 포함한 진핵생물 유전자의 복잡한 구조를 고려하고 숨겨진 마르코프 모델을 사용하여 유전자 구조를 예측합니다.
단백질 구조 예측 도구
단백질의 3차원 구조를 결정하는 것은 단백질의 기능을 이해하는 데 필수적입니다. 그러나 X-선 결정학 및 NMR 분광학과 같은 단백질 구조 결정을 위한 실험 방법은 시간이 많이 걸리고 비용이 많이 듭니다. 생물정보학 도구는 단백질 구조를 예측하기 위한 대안적인 접근 방식을 제공합니다.
Modeller는 상동성 기반 단백질 구조 예측에 널리 사용되는 도구입니다. 이는 관련 단백질의 알려진 구조(템플릿)를 사용하여 표적 단백질의 모델을 구축합니다. Modeller는 표적 서열을 주형 서열과 정렬하고 구조 정보를 전달함으로써 표적 단백질의 3차원 모델을 생성할 수 있습니다.
Rosetta는 알려진 템플릿에 의존하지 않고 처음부터 단백질 구조를 예측할 수 있는 또 다른 강력한 도구입니다. 이는 에너지 최소화와 몬테카를로 샘플링의 조합을 사용하여 단백질의 가장 낮은 에너지 형태를 검색합니다.
데이터 시각화 도구
생물정보학에서는 결과를 더 잘 이해하기 위해 복잡한 생물학적 데이터를 시각화해야 하는 경우가 많습니다. 이 목적을 위해 사용할 수 있는 여러 도구가 있습니다.
Cytoscape는 널리 사용되는 네트워크 시각화 도구입니다. 단백질-단백질 상호작용 네트워크, 유전자 조절 네트워크, 대사 네트워크 등 생물학적 네트워크를 표현하는 데 사용할 수 있습니다. Cytoscape를 사용하면 사용자는 네트워크 모양을 사용자 정의하고, 주석을 추가하고, 네트워크 구조에 대한 다양한 분석을 수행할 수 있습니다.
IGV(Integrative Genomics Viewer)는 게놈 데이터를 시각화하는 도구입니다. DNA 서열, 유전자 주석, 시퀀싱 판독을 포함하여 광범위한 게놈 데이터 유형을 표시할 수 있습니다. IGV는 연구자들이 게놈을 확대 및 축소하고, 여러 데이터 트랙을 동시에 보고, 다양한 게놈 특징 간의 관계를 탐색할 수 있는 사용자 친화적인 인터페이스를 제공합니다.
높은 처리량의 데이터 분석 기술
차세대 염기서열분석, 마이크로어레이 등 처리량이 많은 기술의 출현으로 인해 전례 없는 속도로 대량의 생물학적 데이터가 생성되고 있습니다. 이 데이터를 분석하려면 생물정보학 기술이 필수적입니다.
RNA - seq 분석은 처리량이 많은 데이터 분석의 일반적인 응용 프로그램입니다. 여기에는 RNA 분자의 서열을 분석하여 샘플 내 유전자의 발현 수준을 정량화하는 작업이 포함됩니다. DESeq2 및 edgeR과 같은 도구는 건강한 조직과 질병에 걸린 조직 등 다양한 조건 간에 차별적으로 발현되는 유전자를 식별하는 데 사용됩니다. 이러한 도구는 통계 모델을 사용하여 데이터의 가변성을 설명하고 어떤 유전자가 크게 상향 또는 하향 조절되는지 확인합니다.
마이크로어레이 데이터 분석에는 생물정보학 기술도 필요합니다. 마이크로어레이는 수천 개의 유전자 발현 수준을 동시에 측정할 수 있습니다. LIMMA(마이크로어레이 데이터용 선형 모델)와 같은 도구는 마이크로어레이 데이터를 분석하고, 차등적으로 발현된 유전자를 식별하고, 유전자 세트 농축 분석을 수행하는 데 사용됩니다.
생명과학 공급업체로서 우리는 현대 생물학 연구에서 이러한 생물정보학 도구와 기술의 중요성을 이해하고 있습니다. 우리는 생물정보학 연구를 지원하는 다양한 제품과 서비스를 제공합니다. 예를 들어, 우리는 생물정보학 분석에 사용되는 원시 데이터를 생성하는 데 필수적인 고품질 시퀀싱 시약을 제공합니다. 우리는 또한 연구자들이 이러한 도구를 최대한 활용할 수 있도록 생물정보학 소프트웨어 라이선스와 교육 프로그램을 제공합니다.
생명 과학 분야의 생물정보학과 관련된 당사의 제품 및 서비스에 관심이 있으시면 당사의 제품 카탈로그를 살펴보시기 바랍니다. 다음 링크를 따라가면 일부 특정 제품에 대한 자세한 정보를 확인할 수 있습니다.CAS: 111470 - 99 - 6 암로디핀 베실레이트그리고계면활성제 CAS 423 - 50 - 7을 위한 투명한 액체 퍼플루로헥산 설포닐 불화물.
우리는 귀하의 생물정보학 연구 요구에 가장 적합한 솔루션을 제공하기 위해 최선을 다하고 있습니다. 귀하가 소규모 연구 그룹이든 대규모 제약 회사이든, 우리는 귀하의 프로젝트를 지원할 수 있는 전문 지식과 자원을 보유하고 있습니다. 질문이 있거나 특정 요구 사항에 대해 논의하고 싶은 경우 조달 협상을 위해 언제든지 당사에 문의하시기 바랍니다.
참고자료
- Altschul, SF, Gish, W., Miller, W., Myers, EW, & Lipman, DJ (1990). 기본 지역 정렬 검색 도구입니다. 분자생물학 저널, 215(3), 403 - 410.
- 톰슨, JD, 히긴스, DG, & 깁슨, TJ (1994). CLUSTAL W: 서열 가중치, 위치별 갭 페널티 및 가중치 매트릭스 선택을 통해 점진적인 다중 서열 정렬의 민감도를 향상시킵니다. 핵산 연구, 22(22), 4673 - 4680.
- Li, R., Zhu, H., Ruan, J., Qian, W., Fang, X., Shi, Z., ... & Li, S. (2010). 대규모 병렬 짧은 읽기 시퀀싱을 통해 인간 게놈을 새롭게 조립합니다. 게놈 연구, 20(2), 265 - 272.
- Zerbino, DR, & Birney, E. (2008). Velvet: de Bruijn 그래프를 사용하여 새로운 짧은 읽기 어셈블리를 위한 알고리즘입니다. 게놈 연구, 18(5), 821 - 829.
- Delcher, AL, Harmon, D., Kasif, S., White, O., & Salzberg, SL (1999). GLIMMER를 사용하여 미생물 유전자 식별이 향상되었습니다. 핵산 연구, 27(23), 4636 - 4641.
- Stanke, M., & Morgenstern, B. (2005). AUGUSTUS: 진핵생물의 유전자 예측을 위한 웹 서버입니다. 핵산 연구, 33(suppl_2), W465 - W467.
- Eswar, N., Webb, B., Marti - Renom, MA, Madhusudhan, MS, Eramian, D., Shen, M., ... & Sali, A. (2006). MODELLER를 이용한 비교 단백질 구조 모델링. 생물정보학의 현재 프로토콜, 5(1), 5.6.1 - 5.6.37.
- 다스, R., & 베이커, D. (2008). Rosetta를 이용한 거대분자 모델링. 생물물리학의 연례 검토, 37, 363 - 382.
- Shannon, P., Markiel, A., Ozier, O., Baliga, NS, Wang, JT, Ramage, D., ... & Ideker, T. (2003). Cytoscape: 생체분자 상호작용 네트워크의 통합 모델을 위한 소프트웨어 환경입니다. 게놈 연구, 13(11), 2498 - 2504.
- 로빈슨, MD, McCarthy, DJ, & Smyth, GK(2010). edgeR: 디지털 유전자 발현 데이터의 차등 발현 분석을 위한 Bioconductor 패키지입니다. 생물정보학, 26(1), 139 - 140.
- 사랑, MI, Huber, W., & Anders, S. (2014). RNA의 접힘 변화 및 분산에 대한 적절한 추정 - DESeq2를 사용한 seq 데이터. 게놈 생물학, 15(12), 550.
- 스미스, GK (2004). 마이크로어레이 실험에서 차등 발현을 평가하기 위한 선형 모델 및 경험적 베이즈 방법. 유전학 및 분자 생물학의 통계적 응용, 3(1).