© copyright ebiointel,sl 2006 almacenamiento y representación de la información biomédica

© Copyright Ebiointel,SL 2006

Almacenamiento y representación de la información biomédica


Puntos a tratar:Puntos a tratar:

Tipos de datos biomédicos

Formatos de presentación de datos

Envío de datos

Formatos de secuencias

Sistemas gestores de bases de datos

Almacenamiento y representación de la información


Milenio Libro

1er Religiosos:Biblia, Corán,...

2º El origen de la especies

3er El genoma humano

HumanGenome

DB


Bases de datos biomédicas

Tipos de datos Literatura Secuencias Estructuras

3D 2D Geles 2D

Asociación genética (Desequilibrio)

Tecnología informática de almacenamiento y recuperación de datos

Archivo de texto Base de datos relaciones Base de datos deductivas Base de datos orientada a objetos



Evolución de las bases de datos moleculares

Categoría de base de datos

Contenido de los datos

Ejemplos

Bases de datos de literatura

Citaciones bibliográficas

Revistas on-line

MEDLINE (1971)

Bases de datos factuales o datos brutos

Seq. ácidos nucleicos,

Seq. Aminoácidos

Estructuras moleculares 3D

GenBank (1982), EMBL (1982), DDBJ (1984), PIR (1968), SWISS-PROT (1986), PDB (1971)

Base de datos de conocimientos

Biblioteca de motivos

Clasif. molecular

Rutas metabólicas

PROSITE (1988)

SCOP (1994)

KEGG (1995)


http://www.nlm.nih.gov/

http://www.ncbi.nlm.nih.gov/

http://www.ebi.ac.uk/

http://www.ddbl.nig.ac.jp/

http://www.expasy.ch/

http://www.rcsb.org/

http://expasy.hcuge.ch/sprot/prosite.html

http://scop.mrc-lmb.cam.ac.uk/scop

http://www.genome.ad.jp/kegg


Primarias

Secundarias

Terciarias

Secuencia

Motivo

Dominio Módulo

A V I L D R Y F H

[A S] - [IL ] 2-X [ DE ] – R- [FYW ] 2-H

A,b,c @,*,#

Base de datos primarias

Base de datos secundarias

Base de datos de estructuras

Niveles de secuencia proteica y organización estructural



Formato de archivo de texto (flat file) o html (GenBank, EMBL)

Formato gráfico o applets (PDB, Drosophila GeneView, Human Genoma MapViewer)

Formato código binario o texto interpretable por aplicaciones de visualización (archivo dnd de ClustaW)

Formato presentación datos



Envío de secuencias a las bases de datos por el investigador

Vía Web en BankIt Usar programa Sequin en Mac, Windows, UNIXE-mailEn disquete por correo

Revisión de las nuevas entradas o actualización

Asignación de número de acceso de la base de datos a las nuevas entradas

Intercambio de las nuevas secuencias entre las tres principales bases de datos

Recopilación de las Secuencias de las grandes bases de datos


ObsoletoObsoleto

http://www.ncbi.nlm.nih.gov/Genbank/index.html




Se suelen enviar las secuencias previo a la publicación

Proyectos genomas (High Throughtput Sequence, HTG):

Borrador (draft): 1 error en 1kb (4x-5x) Acabado (finished): 1 error en 10 kb (8x-9x)

• Genome Survey Sequence (GSS) Una única lectura de secuencias de clones

genómicos al azar 1 error en 100 bp

ESTs (Expressed Tagged Sites) Una única lectura de secuencias de clones

de cDNA al azar 1 error en 100 bp

Fiabilidad de las secuenciasAlmacenamiento y representación de la información


Códigos de bases de ácidos nucleicos IUB/GCG Significado Complemento ------- ----------- -----------

A A T C C G G G C T/U T A M A or C K R A or G Y W A or T W S C or G S Y C or T R K G or T M V A or C or G B H A or C or T D D A or G or T H B C or G or T V X/N G or A or T or C X . not G or A or T or C .



Códigos de aminoácidos

Símbolo de una y tres letras

G Glycine GlyP Proline ProA Alanine AlaV Valine ValL Leucine Leu I Isoleucine Ile M Methionine Met C Cysteine CysF Phenylalanine Phe Y Tyrosine Tyr

W Tryptophan Trp H Histidine HisK Lysine Lys R Arginine Arg Q Glutamine Gln N Asparagine AsnE Glutamic Acid Glu D Aspartic Acid Asp S Serine Ser T Threonine Thr



Formatos de secuencias

Ficheros ASCII (editor de texto) Fasta GenBank GCG ... Fasta

Múltiples secuencias


http://ebiointel.uab.es/curso/seqadh.txt


Formato GenBank


http://ebiointel.uab.es/curso/LDL%20Hipercolesterolemia.htm


Más formatos de secuencias

ASN.1 EMBL Swiss Prot FASTA GCG GCG-MSF GCG-RSFGenBank/GenPept NEXUS PHYLIP NBRF y PIR

Definición de formatos de secuencias: http://www.genomatix.de/online_help/help/sequence_formats.html


http://www.genomatix.de/online_help/help/sequence_formats.html









http://newfish.mbl.edu/Course/Software/FileFormats/


Conversor de formatos•ReadSeq: http://iubio.bio.indiana.edu/cgi-bin/readseq.cgi

•Conversores de formato


http://iubio.bio.indiana.edu/cgi-bin/readseq.cgi









http://bioweb.pasteur.fr/seqanal/formats-uk.html



Tecnología informática de almacenamiento y recuperación de datos

Base de datos Sistema gestor de la base de datos

Archivo de texto

Base de datos relaciones

Base de datos orientada a objetos

Base de datos deductivas

Especifica la estructura lógica de la base de datos en función de la definición de los datos



Base de datos relaciones (Codd 1970)

Todos los datos se organizan en tablas Álgebra relacional Intuitivo y comprensible Consultas en lenguaje SQL (Structured Query Language,

estándar 1986, 1992, 1999, 2003) Lenguaje declarativo de acceso a bases de datos

SELECT lista de atributos

FROM lista de relaciones

WHERE condición

SELECT * FROM TABLA_CITACION WHERE year = ‘2005’


cuatro operaciones básicas: INSERT, UPDATE, DELETE y SELECT.cuatro operaciones básicas: INSERT, UPDATE, DELETE y SELECT.


Paper 1

Paper 2

Paper 3

Paper 4........

SELECT

PROJECT

Jou

rnal

MU

ID

Vo

lum

e

Pag

es

Yea

r


2005

SELECT * FROM TABLA_CITACION WHERE year = ‘2005’

200520052004

2003

2004

200520052005

Jou

rnal

MU

ID

Vo

lum

e

Pag

es

Yea

r

MU

ID

Yea

r


JOIN

Jou

rnal

MU

ID

Vo

lum

e

Pag

es

Yea

r

Au

tho

r

MU

ID

Au

tho

r

Author 1-1

Author 1-2

Author 2-1

Author 2-2

Author 2-3

Author 3-1

........


16777514

16777514

16777514

16777514

MU

ID

Jou

rnal

Vo

lum

e

Pag

es

Yea

r



SELECT

Ejemplo 1:

SELECT * FROM TABLA_NOMBRE ORDER BY ID, FECHA, NOMBRE

Ejemplo 2:

SELECT NOMBRE, DESCRIPCION FROM TABLA_NOMBRE WHERE FECHA >= '2006/1/01' ORDER BY ID, FECHA, NOMBRE

Ejemplo 3:

SELECT NOMBRE, COUNT(*) AS CANTIDAD FROM TABLA_NOMBRE WHERE FECHA >= '2006/1/01' GROUP BY NOMBRE

DELETE

Este comando SQL elimina registros de una tabla especifica.

Ejemplo 1:

DELETE FROM TABLA_NOMBRE WHERE ID = 2



DPDB DATA MODEL



Ejemplos SGBD relacionales

ComercialesORACLESQLServerAccess

Código abiertoMySQLPostgreSQL


Base de datos orientada a objetos (Kay 1972) Objetos son tipos abstractos de datos Una representación más flexible del mundo real de datos Falta de lógica robusta Incorpora los conceptos importantes del paradigma de objetos:

Encapsulación - Propiedad que permite ocultar la información al resto de los objetos, impidiendo así accesos incorrectos o conflictos. Herencia - Propiedad a través de la cual los objetos heredan comportamiento dentro de una jerarquía de

clases. Polimorfismo - Propiedad de una operación mediante la cual puede ser aplicada a distintos tipos de

objetos.



Base de datos orientada a objetos (Kay 1972)

Similitud (X)

Objeto X

mensajeClase de similitud de secuencia

Clase de similitud de estructura

Clase de similitud de expresión

Clase de similitud de rutas metabólicas



Integración de Bases de datos

Integración basada en Links

Base de datos: entrada

Base de datos 1:entrada1 Base de datos 2:entrada2



Programación orientada a objetos

(Kay,1972)

Programación lógica

(Kowalski,1972)

Base de datos deductiva

(1977)

Base de datos orientada a objetos

(1986)

Base de datos deductiva y

orientada a objetos(1989)

Base de datos relacional

(Codd,1970)

Evolución de las Bases de datos



•Internet y la interoperabilidad de datos

Desarrollos de estándares en XML

Programación Java, C#, Visual

Basic, JScript, AJAX,..

Servicios de aplicaciones Web(Visual Studio.Net,Java JBoss, SAD,

BioMOBY)

Evolución de Internet


© copyright ebiointel,sl 2006 almacenamiento y representación de la información biomédica

Documents