Este documento describe la evolución de la secuenciación del ADN y la computación en biología. En los años 50 y 60 se descubrieron las propiedades básicas del ADN y proteínas. En los 70 se crearon las primeras bases de datos de secuencias. En los 80 surgió Internet y la secuenciación automatizada. En los 90 se secuenciaron los primeros genomas completos. En el 2000 se publicó el borrador del genoma humano. Hoy la secuenciación es mucho más rápida y barata gracias a la computación, permitiendo nuevos

1. descifrando el código de la vida computación de altas prestaciones en biología Alberto Labarga 17 de Diciembre de 2008, Univ. De Granada

2. alberto leyre Julia Information architect

4. La vida puede verse como un proceso de almacenamiento y transmisión de información biológica. El ADN es la molécula portadora de esta información. Para entender la vida debemos identificar estas moléculas y descifrar el código

9. “ We wish to propose a structure for the salt of desoxyribose nucleic acid (DNA). This structure has novel features which are of considerable biological interest” “ It has not escaped our attention that the specific pairing we have postulated immediately suggests a possible copying mechanism for the genetic material.”

11. En 1955 Ochoa publica en Journal of the American Chemical Society el descubrimiento de la polinucleótido-fosforilasa En 1959 recibe el premio Nobel junto a su discípulo Arthur Kornberg.

12. Sanger determinó la secuencia de los aminoácidos de la insulina en 1955. Al hacerlo, demostró que las proteínas tienen estructuras específicas. Este resultado le valió su primer Premio Nobel de química en 1958

13. Cuando Perutz llegó a Cambridge la estructura molecular más grande que se había resuelto era la del pigmento natural ficocianina, de 58 átomos. El tema escogido por Perutz para su tesis fue otra proteína, la hemoglobina, el transportador de oxígeno que da color rojo a nuestra sangre.

14. La hemoglobina tiene 11.000 átomos.

15. 190x

18. Tardó 23 años.

19. Wilkins, Perutz, Crick, Steinbeck, Watson, Kendrew

20. El primer Atlas of Protein Sequence and Structure, contenía información de 65 proteinas

21. En 1966 se presenta el código genético. Este código asocia a cada triplete de bases del ADN, llamado codón, un aminoácido concreto.

22. El DOGMA CENTRAL de la biología

23. En 1971 se crea el Protein Data Bank. En 1974 tiene 12 estructuras myoglobin hemoglobin papain ribonuclease lactate dehydrogenase carboxypeptidase A

24. Frederick Sanger publica en 1975 un método para la "Secuenciación del ADN mediante síntesis enzimática".

25. El primer genoma de ADN completamente secuenciado fue el del bacteriófago φX174, en 1977

26. 5,386 bases

27. 11 genes

28. en Andre Marion y Sam Eletr de Hewlett Packard crean Applied Biosystems en 1982 En 1987 comercializan la primera máquina de secuenciación automatizada, el modelo ABI 370.

29. En 1984 el DoE invita a 20 investigadores a Alta, Utah, para discutir los efectos de la radiación en el ADN. Por la noche, entre cerveza y cerveza, alguien comenta, “¿por que no dedican el dinero a algo util, como secuenciar el genoma humano? “

30. Ejercicio 1: Imagine varias copias de un libro, cortadas en 10 millones de trocitos cada una, de manera que los trocitos se solapan. Supongamos que 1 millón de trocitos se han perdido, y que los otros 9 millones están manchados de tinta. Recupere el texto original.

32. 1995.- El primer genoma completo de un organismo vivo , Hemophilus influenzae

33. 1,830,137 bases

34. 3,000 genes

35. 340x

36. 1996.- El genoma de la levadura (eukaryota). 12.000.000 de bases y 6000 genes

37. 1997.- El genoma de la bacteria E. Coli. 4.500.000 de bases y 4600 genes

38. 1998.- El genoma del gusano C. Elegans. 100.000.000 de bases y 18.000 genes

39. 1999.- Se consigue la secuencia completa del cromosoma 22. 49,000,000 bp. (sólo 300 genes) (en realidad, 673)

40. 2000.- La mosca de la fruta; 170 millones de nucleotidos y 13,000 genes

41. 2000.- Arabidopsis thaliana. Tiene 100 millones de nucleótidos, y unos 20,000 genes

42. 15 de Febrero de 2001: se publica el borrador de la secuencia del genoma humano

43. 3,000,830,137 bases

44. 600.000x

45. 25,000 genes

46. 11 años

47. 3,000,000,000 $

50. “ What makes you think you can do a better job with life and genetics than God?”

51. We have computers!

52. 1953: IBM presenta su primera computadora electrónica comercial, la IBM 701 con una memoria total de una memoria total de 2048 palabras de 36 bits

53. 1977: “ No hay necesidad de tener un ordenador en cada casa", Ken Olsen, fundador de Digital Equipment

54. 1981: IBM PC A Intel 8088 processor running at 4.77 MHz. Basic in ROM. 16K RAM. MS-DOS 1.0

55. "Nadie va a necesitar más de 640 Kb de memoria en su ordenador personal"

56. En 1981 se crea EMBL Nucleotide Sequence Data Library. Version 2 contenia 811 secuencias, cerca de un millón de bases que fueron introducidas a mano.

57. En 1986 se crea Swissprot , una base de datos de proteinas curada a mano.

58. En 1990, Tim y su grupo desarrollaron el lenguaje HTML (HyperText Markup Language), el protocolo HTTP (HyperText Transfer Protocol); y el URL (Universal Resource Locator).

59. Hello everybody out there using minix - I'm doing a (free) operating system (just a hobby, won't be big and professional like gnu) for 386(486) AT clones. This has been brewing since april, and is starting to get ready. I'd like any feedback on things people like/dislike in minix, as my OS resembles it somewhat (same physical layout of the file-system (due to practical reasons) among other things). I've currently ported bash(1.08) and gcc(1.40) , and things seem to work. This implies that I'll get something practical within a few months, and I'd like to know what features most people would want. Any suggestions are welcome, but I won't promise I'll implement them :-) Linus ( [email_address] ) PS. Yes – it's free of any minix code, and it has a multi-threaded fs. It is NOT portable (uses 386 task switching etc), and it probably never will support anything other than AT-harddisks, as that's all I have :-(. El 25 de agosto de 1991, apareció este mensaje en el grupo de noticias comp.os.minix de Usenet

60. En 1992 se crea el Sanger Center

61. En 1995 se crea el Instituto Europeo de Bioinformática

62. Gestiona y pone a disposición de los investigadores más de 200 bases de datos biológicos

64. La capacidad de almacenamiento se duplica cada 2 años Ley de Moore: el número de transistores en un chip se duplica cada 18 meses El ancho de banda se duplica cada 18 meses

66. 2560 JS21 blade computing nodes, each with 2 dual-core, 2.3 GHz, IBM 64-bit PowerPC 970MP processors 10240 CPUs | 20 TB of RAM | 280 TB of external disk

67. 62.63 teraflops

68. myGrid

69. un gran poder viene acompañado de una gran responsabilidad disponibilidad accesibilidad estabilidad responsabilidad

70. Contingency cluster backup engines +storage 8 X ES40 + 2 x DS20 SAN attached Tape silos SAN Backup/ mirrors Ensembl cluster 8 X ES40, 6 X ES40 Large scale assembly, sequencing & trace data 19 X ES40, 4 X DS20 360 ds10 alpha Oracle Cluster 6xDS20 2xES40 Informatics Development 5xES40 PFAM SAN attached Tape libraries Extranet Web Cluster 2X ES40 0.5Tb disk FIREWALL DMZ The ‘Internet’ Mail-hub, local ftp, secure login, Aceserver, Dial-in hubs Ensembl web Blast services 12 ES40 + 6TB storage Cancer Project X-linked disease 4 X ES40 4Tb disk High throughput Farm 768 RLX nodes Humgen 8 X ES45 Front-end Compute Servers Desk top devices Pathogen 15 x ES40 GS320 32-way 128GB mem. Internal Router GS320 32-way 128GB mem. User X at Institute Y

72. Sequencing  Fragment assembly problem  The Shortest Superstring Problem  Velvet (Zerbino, 2008) Gene finding  Hidden Markov Models, pattern recognition methods  GenScan (Burge & Karlin, 1997) Sequence comparison  pairwise and multiple sequence alignments  dynamic algorithm, heuristic methods  PSI- BLAST (Altschul et. al., 1997) ( SSAHA, 2001) ( MUMmerGPU, 2008)

73. S.F. Altschul, et al. (1990) , "Basic Local Alignment Search Tool," J. Molec. Biol. , 215(3): 403-10, 1990. 15,306 citations

74. J. Thompson, T. Gibson, D. Higgins (1994), CLUSTAL W: improving the sensitivity of progressive multiple sequence alignment. Nuc. Acids. Res. 22, 4673 - 4680

76. Golub et. al. Science 286:531-537. (1999)

80. Relational data mining Text mining Spectrum data mining Chemical sequence data model Visualizing relational data clusters Visualizing multidimensional data Visualizing sequence data Visualizing pathway data Text mining visualization Visualizing cluster statistics Visualizing serial/spectrum data Decision tree model of metabonomic profile Chemical structure visualization

81. Data Integration via caIntegrator

82. curation submission dataflow workflow ws ws ws ws ws Advanced Search Retrieve data Submit data

85. esto no ha hecho más que empezar!!

86. 2002: mus musculus

87. 2003: mus musculus

88. 2005: mus musculus

89. 2006: opposum

90. 2007: platypus

91. 2008: mammoth

92. 2008: homo neardenthalensis

93. 2008: Watson personal genome

94. 2 meses

95. 2,000,000 $

96. 100x 1500x

98. <2%

100. 98% ADN basura

101. ¿basura?

102. ENCyclopedia Of DNA Elements

104. 99,9% idénticos

105. VARIACIÓN EN LA SECUENCIA HUMANA DE DNA Tasa de mutación = 10 -8 /sitio/generación Nº generaciones ancestro común-humano actual: 10 4 -10 5

106. 10.000.000 SNPs

109. $10-million award for the first privately funded team that can sequence 100 human genomes in 10 days for less than 10.000$

111. Applied Biosystems ABI 3730XL 1 Mb / day Illumina / Solexa Genetic Analyzer 2000 Mb / run Applied Biosystems SOLiD 3000 Mb / run Roche / 454 Genome Sequencer FLX 100 Mb / run

112. 3000x

114. 10X dual core Linux cluster con 15 terabytes de disco

115. 60.000$

116. 50.000x

117. 2 semanas

118. 800x

119. 1/10000 bits image/bits secuence

120. 10.000x

121. At $150,000, the Polonator is the cheapest instrument on the market, says Harvard University's George Church, whose lab developed the technology in conjunction with Dover Systems, Plus, the tool uses five-fold less reagents than other platforms, and is the smallest instrument available. http://www.polonator.org/

123. La información científica disponible en 2010 se duplicará cada 72 horas

124. hay que empezar ya es decir, vamos con retraso

125. what is the impossible thing we are going to do today?

126. El mayor peligro no es que nuestro objetivo sea demasiado ambicioso y no lo consigamos, sino que sea demasiado humilde y lo alcancemos. Michelangelo

127. muchas gracias

128. scientifik.info