alinhamento múltiplo de - ic.unicamp.brzanoni/orientacoes/mestrado/sergio/slidestese.pdf · defesa...

Defesa de Mestrado

Alinhamento múltiplo de proteínas utilizando algoritmos genéticos

1

Sérgio Jeferson Rafael Ordine

Orientador: Zanoni Dias

Agenda

2

❖ Introdução

❖ ALGAe

❖ Melhorias

❖ Anubis

❖ Considerações Finais

Introdução

3

Alinhamento de Sequências

❖ Arranjo de sequências de caracteres

❖ Maximizar Pontuação

❖ Para sequências biológicas - evidencia similaridades:

❖ Estruturais

❖ Funcionais

❖ Modela a história evolucionária

4


M KWTARP DER

M KWEAVHA

M S S KKG GA R

M A K L S K Q Q K K

5


M KWTARP DER

M KWEAVHA

M S S KKG GA R

M A K L S K Q Q K K

-

5


M KWTARP DER

M KWEAVHA

M S S KKG GA R

M A K L S K Q Q K K

-

--

5


❖ Alinhamento de 2 sequências

❖ Needleman e Wunsch (1970)

❖ Programação dinâmica

❖ θ(mn)

7


❖ Alinhamento de 2 sequências

❖ Semi-Global

❖ Local: Smith e Waterman (1981)

8

Alinhamento Múltiplo de Sequências

9

❖ Multiple Sequence Alignment (MSA)

❖ Conjunto de 3 ou mais sequências

❖ NP-Difícil: Wang e Jiang (1994), Just (2001)

❖ Foco deste trabalho: Sequências de proteínas

MSA

10

Progressivo

MSA

11

Progressivo

MSA

12

Iterativo

Algoritmos Genéticos

13

❖ Algoritmos de otimização

❖ Inspirado na Seleção Natural

❖ Holland (1975)

❖ SAGA: Notredame e Higgins (1996)

❖ Precursor do uso de Algoritimos Genéticos para MSA


14


14

População Inicial


15

• População Inicial


15


Crossover


Crossover16



17

• População Inicial• Crossover


18


Mutação


Mutação19



19

• População Inicial• Crossover• Mutação


Seleção20

• População Inicial• Crossover• Mutação


20

• População Inicial• Crossover• Mutação• Seleção


21

• População Inicial• Crossover• Mutação• Seleção


❖ População Inicial

❖ Crossover

❖ Mutação

❖ Seleção


❖ População Inicial

❖ Crossover

❖ Mutação

❖ Seleção

❖ Função objetivo (fitness function)


❖ Problema

❖ Utilizar algoritmos genéticos para MSA

❖ Diversos parâmetros

❖ Diversas possibilidades para cada parâmetro

❖ Avaliação dos resultados

ALGAe

25

ALGAe

26

❖ Ambiente configurável

❖ Algoritmo genético para resolução de MSA

❖ Java

❖ Log

❖ Testes com algumas variações para cada parâmetro

❖ Foco em proteínas

Parâmetros

❖ População inicial

❖ Mutação

❖ Crossover

❖ Seleção

❖ Função objetivo

27

População Inicial

❖ Basic Star Alignment

❖ Random Star Alignment

❖ Super Population

❖ Population CR (Conserved Region)

28

População InicialBasic Star Alignment Population

29


30


31

População InicialRandom Star Alignment Population

32

População Inicial

❖ Super Population

❖ União das populações dos métodos anteriores

❖ População maior que o limite populacional

❖ Extinção em massa na primeira geração

34

População Inicial

❖ PopulationCR

❖ Criado sobre o método Super Population

❖ Alinhamento baseado em regiões conservadas

❖ Par a par

❖ Progressivo - Sequências com maior similaridade

População Inicial

❖ Abordagem A1

❖ Alinhamento local

❖ Recursivo - prefixo e sufixo

População InicialPopulationCR

Abordagem A1

37

A V P E A S S M P I T L N R S M N V A L QWASKYMPARDL

População Inicial

❖ Abordagem A2

❖ Blocos identicos

❖ Janela deslizante

❖ Grafo orientado de blocos consistentes

❖ Caminho máximo

População Inicial

❖ Abordagem A2

❖ Caminho máximo

❖ Grafo acíclico

❖ Ordenação topológica

População Inicial

A TKDAYD TTK

K T T A D K T T A K

T

T T

Abordagem A2

PopulationCR

40

População Inicial

A TKDAYD TTK

K T T A D K T T A K

T

T T

Abordagem A2

PopulationCR

TTK

K T T

40

População Inicial

A TKDAYD TTK

K T T A D K T T A K

T

T T

Abordagem A2

PopulationCR

KDATTK

K T T A D K

40

População Inicial

A TKDAYD TTK

K T T A D K T T A K

T

T T

Abordagem A2

PopulationCR

41

População Inicial

A TKDAYD TTK

K T T A D K T T A K

T

T T

Abordagem A2

PopulationCR

D TK

D K T

41

População Inicial

A TKDAYD TTK

K T T A D K T T A K

T

T T

Abordagem A2

PopulationCR

D TTK

D K T T

TK

K T

41

População Inicial

A TKDAYD TTK

K T T A D K T T A K

T

T T

Abordagem A2

PopulationCR

42

População Inicial

A TKDAYD TTK

K T T A D K T T A K

T

T T

Abordagem A2

PopulationCR

KDA

A D K

42

População Inicial

A TKDAYD TTK

K T T A D K T T A K

T

T T

Abordagem A2

PopulationCR

TKDA

K T T A D K

TK

42

População Inicial

A TKDAYD TTK

K T T A D K T T A K

T

T T

Abordagem A2

PopulationCR

43

População Inicial

A TKDAYD TTK

K T T A D K T T A K

T

T T

Abordagem A2

PopulationCR

D TK

D K T

43

População Inicial

A TKDAYD TTK

K T T A D K T T A K

T

T T

Abordagem A2

PopulationCR

D TTK

D K T K T T

TK

43

População Inicial

❖ Abordagem A2

❖ Janela deslizante (k = 5)

44

População Inicial

❖ Abordagem A2a

❖ Alfabetos comprimidos

❖ Janela deslizante (k = 12)

45

População Inicial

❖ PopulationCR

❖ Comparação das abordagens utilizadas

❖ BAliBASE 3

❖ Abordagem A1

46

Mutação

❖ Simple Mutation

❖ Shift Gap Block Mutation

❖ Change Gap Block Mutation

47

MutaçãoSimple Mutation

48

MutaçãoShift Gap Block Mutation

49

Mutação

50

MutaçãoChange Gap Block Mutation

50

Crossover

❖ Single Point Crossover

❖ Best Partial Alignment Crossover

❖ Sequence Similarity Crossover

51

CrossoverSingle Point Crossover

52

CrossoverBest Partial Alignment Crossover

53


53

A

A'

B

B'


53

A

A'

B

B'

AB'


53

A

A'

B

B'

AB'

A'B


53

A

A'

B

B'


53

CrossoverSequence Similarity Crossover

54

Função Objetivo

❖ Sum of Pair Matrix Based Score

❖ Gap Affinity Sum of Pairs Matrix Based Score

55

Função Objetivo

fitness =m!

i=1

n−1!

j=1

n!

k=j+1

σ(seqij, seqik)

Sum Of Pairs Matrix Based Score

56

scoregap = gop + n× gep

Função ObjetivoGap Affinity Sum Of Pairs Matrix Based Score

σ(c1, c2) =

!

gop + gep se c1 ou c2 inicia um bloco de gaps,gep se c1 ou c2 estende um bloco de gaps.

57

Seleção

❖ Roulette Selection

❖ Most Fitted Selection

58

SeleçãoRoulette Selection

59

SeleçãoMost Fitted Selection

60

Primeiros Resultados

❖ GAADT: Santos, 1998

❖ Mesmo escopo

❖ Mestrado

❖ Algoritmos Genéticos

❖ Código fonte não disponível

❖ Poucos casos de teste para comparação

61


1aab 1fjlA 1hpi 1csy 1tgxA média

GAADT 88,1% 81,4% 70,8% 70,3% 69,2% 76,0%

ALGAe (média) 88,4% 93,8% 88,3% 76,2% 68,5% 83,0%

ALGAe(máximo) 89,6% 100,0% 96,2% 80,7% 77,2% 88,7%

fonte: Santos, 1998 62


BAliBASE T-COFFEE Muscle ClustalW ALGAe

RV11 (SP) 47,1% 47,9% 43,4% 38,1%

RV12 (SP) 85,5% 84,7% 81,7% 76,1%

fonte: Hang, 2008 63

Melhorias

64

Análise Inicial

m(gen) =SPmax(gen)

SPmax(n)

65

Análise Inicial

66

Penalização de Gaps

❖ Trabalhos relacionados

❖ Agrawal e colegas (2008) e Reese e Pearson (2002)

❖ Buscas em bancos de sequências

67


❖ Penalizações de Gaps

❖ Abertura (q)

❖ Extensão (r)

❖ BLOSUM62 e BLOSUM80

❖ BAliBASE 3 - RV12

68


-16-14

-12-10

-8-6

-4-2

-5.0

-4.0

-3.0

-2.0

-1.0

0.0

0.60

0.65

0.700.75

0.80

0.85

SP

q

r

SP

0.60

0.65

0.70

0.75

0.80

0.85

-16-14

-12-10

-8-6

-4-2

-5.0

-4.0

-3.0

-2.0

-1.0

0.0

0.250.300.350.400.450.500.550.60

TC

q

r

TC

0.25

0.30

0.35

0.40

0.45

0.50

0.55

0.60

-20-18

-16-14

-12-10

-8-6

-4

-5.0

-4.0

-3.0

-2.0

-1.0

0.0

0.600.650.700.750.800.85

SP

q

r

SP

0.60

0.65

0.70

0.75

0.80

0.85

-20-18

-16-14

-12-10

-8-6

-4

-5.0

-4.0

-3.0

-2.0

-1.0

0.0

0.300.350.400.450.500.55

TC

q

r

TC

0.30

0.35

0.40

0.45

0.50

0.55

BLOSUM62

BLOSUM8069


Melhor resultado

(q,r)

1 - Agrawal e colegas

(q,r)

2 - Reese e Pearson

(q,r)

Melhoria em relação

a 1 (%)

Melhoria em relação

a 2 (%)

BLOSUM62 (5,1) (11,2) (9,5) 4,0 14,0

BLOSUM80 (9,2) (13,2) (13,5) 0,7 6,0

70

Resultados

❖ Experimentos inconclusivos

❖ Seleção de matriz par a par

❖ Função objetivo baseada em estrutura

71

Resultados

❖ Possíveis melhorias

❖ Ferramental estatístico

❖ Comparação visual contra benchmark

72

Resultados

❖ Problema

❖ Visualizadores existentes

❖ Poucas ferramentas (comparação de alinhamentos)

❖ Não permitiam as visualizações desejadas

❖ Difícil configuração/customização

73

Anubis

74

Anubis

75

Anubis

❖ Comparador visual

❖ Benchmark x alinhamento alvo

❖ Java

❖ Extensível/flexível

76

Anubis

❖ Plug-ins

❖ Baixo acomplamento

❖ Mensagens

❖ Visualizadores

❖ Camadas

77

Anubis

78

Anubis

79

Correspondência de Colunas

80

Árvores Filogenéticas

81

Estruturas Secundárias

82

Outras Funcionalidades

❖ Porcentagem de sucesso

❖ Similaridade em relação ao benchmark

❖ Colunas e sequências

❖ Gaps (opcional)

83


❖ Sequências consenso

❖ Alfabetos comprimidos

❖ Pontuação

84


❖ Visualização

❖ Ocultar colunas/sequências

❖ Cores

❖ Sincronizar o scrolling dos alinhamentos

85

Considerações Finais

86

Contribuições - Ferramentas

❖ ALGAe

❖ Anubis

❖ Open-source

❖ GitHub

87

Contribuições

❖ ALGAe: A testbench environment for a Genetic Algorithm-based Multiples Sequence Aligner

❖ S. Ordine, A. Grilo, A. Almeida e Z. Dias

❖ Brazilian Symposium on Bioinformatics - BSB’2011

❖ Brasília

88

Contribuições

❖ An empirical study for gap penalty score using a multiple sequence alignment genetic algorithm

❖ S. Ordine, A. Almeida e Z. Dias

❖ Brazilian Symposium on Bioinformatics - BSB’2012

❖ Campo Grande

89

Trabalhos Futuros

❖ ALGAe

❖ Função objetivo baseada em estrutura

❖ Anubis

❖ Mesclar alinhamentos

❖ Ferramental estatístico

90

Obrigado

91

alinhamento múltiplo de - ic.unicamp.brzanoni/orientacoes/mestrado/sergio/slidestese.pdf · defesa...

Documents