Bases de datos bioinformatica

VII.- Capítulo 3
Análisis informático de secuencias moleculares
Paniego, Norma; Heinz, Ruth; Fernández, Paula; Lew, Sergio; Hopp, Esteban 1 Introducción La Bioinformática es el área de las ciencias de la computación que aborda la búsqueda de soluciones a los problemas biológicos con herramientas computacionales. Tanto el análisis genómico como sus disciplinas relacionadas pueden ser abordadosdesde una perspectiva diferente a partir de la enorme disponibilidad de secuencias moleculares acumuladas en las bases de datos internacionales como GenBank [1], EMBL [2], DDBJ [3] y SwissProt [4]. El impacto de los proyectos genómicos durante los últimos 10 años, ha sido por un lado la creciente disponibilidad de secuencias, y por el otro la gran diversidad de datos biológicos acumulados. Esto,junto con el desarrollo de las tecnologías informáticas y el arribo de Internet transformando la estructura de almacenamiento y acceso de los datos, ha permitido el desarrollo de aspectos fundamentales para el avance de los conocimientos sobre los sistemas biológicos, como lo son la búsqueda de similitud en secuencias moleculares, el análisis comparativo (filogenético, taxonómico y sinténico) de lasespecies, el análisis de macromoléculas, la ingeniería y diseño de estructuras proteicas, entre otros [5]. El propósito de este capítulo es introducir los conceptos y las herramientas básicas de la Bioinformática a los estudiantes de un curso de biotecnología vegetal o de biología molecular de plantas. De ninguna manera este material pretende cubrir la totalidad de los recursos existentes para lamateria, por el contrario el objetivo es guiar el interés de los estudiantes en la exploración y el uso de métodos computacionales decisivos para el desarrollo de su actividad científica o profesional futura. Por lo cual, en primer lugar describiremos las bases de datos generales para secuencias de ADN y proteínas y las bases

de datos específicas de plantas remitiendo en cada caso alestudiante a visitar las paginas principales de los sitios mencionados para ampliar el conocimiento de los mismos. Posteriormente, con la misma orientación abordaremos aspectos relacionados a la búsqueda, el análisis y la interpretación de secuencias biológicas. 2 Bases de datos moleculares Un proyecto típico de análisis genómico genera secuencias nucleotídicas las cuales se hacen públicas enviándolas alas bases de datos internacionales. No sólo lo hacen los proyectos dedicados a la secuenciación a gran escala. También lo hacen los investigadores involucrados en proyectos más específicos de biología molecular, dado que el depósito de la secuencia es una condición frecuentemente exigida por las revistas internacionales que publican estos trabajos. Así, las bases de datos moleculares se alimentanconstantemente y contienen una enorme y heterogénea cantidad de datos que incluyen secuencias de ácidos nucleicos, proteínas, estructuras macromoleculares, etc., asociados a recursos informáticos que asisten el acceso, el envío, la actualización, y la extracción de datos. Existen varios cientos de bases de datos accesibles desde la Web, pero la dinámica enunciada no asegura tener el máximo provechosustentable de las mismas, empezando por mantener una actualización constante. Con este fin, se pueden revisar catálogos como DBCAT [6], o el componente DATABANK de la plataforma SRS (Sequence Retrieval System [7]) de integración de datos del European Molecular Biology Laboratory (EMBL). Otra fuente de actualización exhaustiva la constituye el primer número de cada año de la revista Nucleic AcidResearch [8] de acceso libre a través de Internet, que presenta una colección actualizada de artículos de los sitios más importantes como son las bases de datos generales National Center for Biotechnology Information (NCBI, USA), European Bioinformatics Institute (EBI, EU) y DNA Data Bank of Japan (DDBJ, Japón) y bases de datos más específicas. Otro punto de interés es que la calidad de las...