Bioinformatik

Gerhard Steger

ISBN 10: 3764369515 / ISBN 13: 9783764369514

Editore: Birkhäuser Basel Apr 2003, 2003

Riguardo questo articolo

This item is printed on demand - it takes 3-4 days longer - Neuware -Mit Hilfe der Bioinformatik können ermittelte DNA-, RNA- oderAminosäuresequenzen hinsichtlich Struktur und Funktion schnelleingeschätzt werden; das spart Kosten und Zeit bei weiterführendenExperimenten im Labor.Das vorliegende Buch gliedert sich in einen RNA- und einen Protein-Teil.Je ein Kapitel führt das biologische Thema der Strukturvorhersageinklusive biophysikalischer Grundlagen der Vorhersagemethoden ein.Folgekapitel gehen auf die informationstechnischen Methoden mit einemmöglichst kurzen Beispiel ein, stellen den meist komplizierterenAlgorithmus zur Lösung des biologischen Problems vor und diskutieren zumAbschluss mindestens eine Implementation und damit erzielbare Ergebnisseanhand eines biologischen Beispiels.Das Buch ist gleichermassen für Biologen und Informatiker relevant, daes sowohl einen Überblick über die aktuellen Möglichkeiten derStrukturvorhersage gibt als auch den Einsatz von unterschiedlichsteninformationstechnischen Methoden in der Biologie demonstriert. 316 pp. Deutsch.

Codice articolo 9783764369514

Dati bibliografici

• Titolo: Bioinformatik
• Editore: Birkhäuser Basel Apr 2003
• Data di pubblicazione: 2003
• Lingua: Tedesco
• ISBN 10: 3764369515
• ISBN 13: 9783764369514
• Rilegatura: Taschenbuch
• Condizione: Neu
• Dimensioni: 244 L x 170 A x 18 P (millimetri) 244 millimetri di larghezza per 170 millimetri di altezza per 18 millimetri di profondità
• Peso: 548 grammi

Descrizione articolo

Riassunto

Mit Hilfe der Bioinformatik können ermittelte DNA-, RNA- oder Aminosäuresequenzen hinsichtlich Struktur und Funktion schnell eingeschätzt werden; das spart Kosten und Zeit bei weiterführenden Experimenten im Labor. Das vorliegende Buch gliedert sich in einen RNA- und einen Protein-Teil. Je ein Kapitel führt das biologische Thema der Strukturvorhersage inklusive biophysikalischer Grundlagen der Vorhersagemethoden ein. Folgekapitel gehen auf die informationstechnischen Methoden mit einem möglichst kurzen Beispiel ein, stellen den meist komplizierteren Algorithmus zur Lösung des biologischen Problems vor und diskutieren zum Abschluss mindestens eine Implementation und damit erzielbare Ergebnisse anhand eines biologischen Beispiels. Das Buch ist gleichermassen für Biologen und Informatiker relevant, da es sowohl einen Überblick über die aktuellen Möglichkeiten der Strukturvorhersage gibt als auch den Einsatz von unterschiedlichsten informationstechnischen Methoden in der Biologie demonstriert.

Contenuti

Strukturvorhersage von Nukleinsäuren.- 1. Struktur und Funktion von RNA.- 1.1 RNA-Struktur.- 1.2 Thermodynamik der RNA-Faltung.- 1.3 Kinetik der RNA-Faltung.- 1.4 RNA-Struktur-Bestimmung.- 1.5 RNA-Funktionen.- 2. Kooperative Gleichgewichte in doppelsträngigen Nukleinsäuren.- 2.1 Einfaches chemisches Gleichgewicht zwischen Isomeren.- 2.2 Protonierungsgleichgewicht.- 2.3 Modell für Denaturierung von doppelsträngiger Nukleinsäure.- 3. Graphen und Alignments.- 3.1 Globales paarweises Alignment.- 3.2 Varianten des paarweisen Alignments.- 3.3 Kosten für Lücken.- 3.4 Multiple Alignments.- 4. RNA-Sekundärstruktur-Vorhersage per Graphentheorie.- 4.1 Definition von Sekundär- und Tertiärstruktur.- 4.2 Tinoco-Plot.- 4.3 Zahl möglicher Strukturen.- 4.4 Struktur mit maximaler Zahl Basenpaare.- 4.5 Strukturen mit submaximaler Zahl Basenpaare.- 4.6 Energie-Werte für RNA-Sekundärstrukturen.- 4.7 Thermodynamisch optimale Sekundärstrukturen.- 4.8 Bestimmung von Strukturverteilungen.- 4.9 Qualität der Vorhersage von Strukturen und Strukturverteilungen.- 4.10 Tertiärstrukturvorhersage.- 4.11 Simultane Optimierung von Struktur und Alignment.- 5. RNA-Sekundärstruktur-Vorhersage per Informationstheorie.- 5.1 Kommunikationstheorie.- 5.2 “Sequence Logos“: Darstellung der Information in Alignments.- 5.3 “Expected mutual information rate“ oder “rate of information transmission“.- 5.4 Maximal gewichtete Zuordnungen.- 5.5 Optimierung der Konsensus-Struktur.- 5.6 Construct.- 6. RNA-Sekundärstruktur-Vorhersage mit Genetischen Algorithmen.- 6.1 Prinzip eines Genetischen Algorithmus.- 6.2 Beispiel für Genetischen Algorithmus.- 6.3 Vorhersage von RNA-Sekundärstruktur.- 6.4 Vorhersage des Faltungswegs von RNA-Sekundärstruktur.- 6.5 Programmierter Zelltod durch hok/sok des Plasmids R1.- 7. RNA-Sekundärstrukturfaitung.- 7.1 Toleranzschwellen-Algorithmus.- 7.2 Sintflut-Algorithmus.- 7.3 Kinetische Parameter für Strukturbildung.- 7.4 RNA-Faltung durch Lösung der “master equation“.- 7.5 Vorhersage von RNA-Faltung.- Strukturvorhersage von Proteinen.- 8. Protein-Struktur.- 8.1 Aminosäuren als Bausteine.- 8.2 Die Polypeptidkette.- 8.3 Die Peptidbindung.- 8.4 Ramachandran-Plot.- 8.5 Sekundärstrukturen.- 8.6 Supersekundärstrukturen.- 8.7 Tertiärstrukturen.- 8.8 Folds und Superfolds, Familien und Superfamilien.- 8.9 Quartärstrukturen.- 9. Energetik von Protein-Strukturen.- 9.1 Nicht-kovalente Wechselwirkungen, die die Proteinstruktur bestimmen.- 9.2 Salzbrücken.- 9.3 Molekulare Packung.- 10. Protein-Sekundärstruktur-Vorhersage.- 10.1 Sekundärstruktur nach Chou & Fasman (1978).- 10.2 Sekundärstruktur nach Garnier et al. (1978).- 10.3 Hydropathie und Amphiphilie von ?-Helices.- 10.4 Antigenitätsindex nach Jameson & Wolf (1988).- 11. Qualität von Vorhersagen.- 11.1 Eine binäre Aussage oder eine Aussage mit Wertebereich.- 11.2 Aussagen mit mehr als zwei Klassen.- 11.3 Objektive Prüfung von Vorhersagen.- 12. Vorhersage von Transmembran-Helices per Hidden-Markov-Modell.- 12.1 Markov-Ketten.- 12.2 Hidden-Markov-Modell.- 12.3 Hidden-Markov-Modelle zur Sequenz-Analyse.- 12.4 Transmembran-Helices per Hidden-Markov-Modell (TMHMM).- 12.5 Qualität von Programmen zur Vorhersage von Transmembranregionen.- 13. Protein-Sekundärstruktur-Vorhersage per Neuronalem Netz.- 13.1 Neuronale Netze.- 13.2 PHD — Strukturvorhersage unter Verwendung evolutionärer Information.- 13.3 Ausgabebeispiel von PHD.- 13.4 Vorhersage von Signalpeptiden und Signalankern.- 14. Proteinfaltung mit ab-initio-Methoden.- 14.1 Elemente der ab-initio-Methoden.- 14.2 Stand der Forschung in MD-Simulationen.- 15. Inverse Proteinfaltung — „Threading“.- 15.1 3D-1D-Profile für Threading.- 15.2 Verbesserungen des Algorithmus.- 15.3 Strukturvorhersage mit GenThreader.- 16. Proteinfaltung per Homologie-Modellierung.- 16.1 Identifizierung von verwandten Proteinen mit bekannter 3D-Struktur.- 16.2 Alignment der Target-Sequenz mit dem Template.- 16.3 Loop-Modellierung.- 16.4 Modellierung der Seitenketten.- 16.5 Fehler bei der Homologie-Modellierung.- 16.6 Modell-Bewertung.- Index zu Programmen.