Οι πρώτες “λέξεις”. Ανάλυση της Σύστασης βιολογικών αλληλουχιών

Abstract

Το συγκεκριμένο κεφάλαιο έχει ως αντικείμενο την ανάλυση της σύστασης βιολογικών αλληλουχιών. Στο επίκεντρό του βρίσκεται η σχέση της νουκλεοτιδικής σύστασης με την προέλευση και τη λειτουργικότητα γονιδιωματικών αλληλουχιών. Σε αυτό το πλαίσιο, το πραγματικό βιολογικό πρόβλημα που αναπτύσσεται, σχετίζεται με την ανάλυση του ποσοστού βάσεων γουανίνης/κυτοσίνης (GC content) με σκοπό τη διάκριση αλληλουχιών διαφορετικής προέλευσης σε ένα βακτηριακό γονιδίωμα, ως προϊόντα οριζόντιας μεταφοράς γονιδιωματικού υλικού. στο πλαίσιο του προβλήματος αυτού παρουσιάζονται αναλυτικά οι βιολογικές έννοιες της γονιδιωματικής σύστασης και της οργάνωσης των γονιδιωμάτων των ανώτερων ευκαρυωτικών οργανισμών σε ισόχωρες περιοχές σταθερού ποσοστού GC. Στο δεύτερο μέρος του κεφαλαίου εξετάζεται μια ενδιαφέρουσα ιδιότητα όλων των γνωστών γονιδιωμάτων που είναι γνωστή ως ο δεύτερος κανόνας ισοδυναμίας του Chargaff και παρουσιάζονται γονιδιωματικά χαρακτηριστικά που σχετίζονται με αυτόν. Στο επίπεδο των μαθηματικών και υπολογιστικών εννοιών, εισάγονται οι έννοιες της πιθανότητας και των κατανομών. Η κύρια μεθοδολογία που παρουσιάζεται είναι ο έλεγχος απλών στατιστικών υποθέσεων με τη χρήση κανονικοποιημένων κατανομών, οι οποίες παρουσιάζονται μετά από μια εκτενή αναφορά στο Κεντρικό Οριακό Θεώρημα (ΚΟΘ). Στο τέλος του Κεφαλαίου θα πρέπει να μπορείτε: 1. Να υπολογίσετε τις συχνότητες εμφάνισης ολιγονουκλεοτιδίων σε γονιδιωματικές αλληλουχίες και τις σχετικές υπερ- και υπο-εκπροσωπήσεις τους. 2. Να εντοπίσετε περιοχές με διαφορετική σύσταση σε πλήρη γονιδιώματα. 3. Να εξετάσετε σε ποιο βαθμό μία ή περισσότερες τιμές από ένα δείγμα διαφέρουν από το σύνολο. 4. Να εντοπίσετε το σημείο έναρξης του αναδιπλασιασμού του DNA σε βακτηριακά γονιδιώματα.

This chapter focuses on the analysis of the composition of biological sequences. It focuses on the relationship between nucleic acid composition and the origin and functionality of genomic sequences. In this context, the actual biological problem that arises relates to the analysis of the guanine/cytosine content (GC content) in order to distinguish sequences of different origins in a bacterial genome as products of horizontal transfer of genomic material. In the context of this problem, the biological concepts of genomic composition and the organization of genomes of higher eukaryotic organisms into isochoric regions of constant GC content are presented in detail. The second part of the chapter examines an interesting property of all known genomes known as Chargaff's second rule of equivalence and presents genomic characteristics related to it. At the level of mathematical and computational concepts, the concepts of probability and distributions are introduced. The main methodology presented is the testing of simple statistical hypotheses using normalized distributions, which are presented after an extensive reference to the Central Limit Theorem (CLT). By the end of this chapter, you should be able to: 1. Calculate the frequencies of oligonucleotides in genomic sequences and their relative over- and under-representations. 2. Identify regions with different compositions in complete genomes. 3. Examine the extent to which one or more values from a sample differ from the whole. 4. Identify the starting point of DNA replication in bacterial genomes.