Techniky pro porovnávání biologických sekvencí

Abstract

V práci se seznámíme se výstavbou a funkcí základních biologických jednotek DNA, RNA a proteinů. Data, která poskytují, se uchovávají v biologických databázích, které jsou celosvětově propojeny pro lepší komunikaci a dostupnost veškerých informací při vědeckém bádání. Tajemství života je skryto v genech. Geny jsou kódovány sekvencemi nukleotidů a dávají vznik proteinům, které jsou tvořeny sekvencemi aminokyselin. Nejrozšířenějšími technikami pro porovnávání sekvencí jsou algoritmy FASTA a BLAST. V práci je popsán program PSProt, který je založen na bázi zmíněných algoritmů. Slouží k porovnávání sekvencí proteinů. Porovnávaný protein se ale nejdříve pomyslně syntetizuje ze zadaného oligonukleotidu DNA, který kóduje potenciální protein. Nejpodobnější proteiny jsou pak vyhledány heuristikou hitbodů a poté algoritmem semiglobálního zarovnání upraveno jejich výsledné skóre rozhodující pro vyhledávání.This work presents the building up of basic biological units DNA, RNA and proteins as well as their function. Provided data are kept in biological databases which are connected worldwide to supply preferable communication along with all kinds of available information to be used in the scientific research. The secret of alive is hidden in genes coded in sequences of nucleotides. Genes enable the creation of proteins which are made of sequences of amino-acids. The wide-spread methods of comparing these sequences are FASTA and BLAST algorithms. Their base is used for the PSProt program which is described in this work. PSProt program is the tool for comparing the sequences of proteins. First it is necessary to synthesise the protein from the DNA oligonucleotide because it codes the surveyed protein. The most similar proteins are searched out by heuristic of hitpoints, then their final score that is essential for aligning is modified by semiglobal alignment algorithm.