37. Sequenzanalyse

In weniger als fünfzig Jahren haben die Biowissenschaften einen radikalen Wandel durchgemacht. Wir sind von der detaillierten Charakterisierung einzelner Biomoleküle aufgebrochen, haben diese zu Stoffwechselwegen und Komplexen zusammengefügt, haben die Technologien entwickelt, die uns ganze Genome und Proteome im Überblick darstellen konnten, und sind heute in der Post-Genomik, in der wir die detaillierten Sequenzen von Gen und Protein als bekannt voraussetzen können, ein reiches Spektrum von Annotationen frei verfügbar ist, und wir nun den Blick auf das Verständnis der funktionalen Zusammenhänge für Zellbiologie, Biotechnologie und Medizin richten. Dabei hat unser Gebiet mehrere Paradigmenwechsel durchgemacht: Vor vielleicht dreißig Jahren haben wir uns vor allem mit der Entwicklung von Algorithmen zur Interpretation von Sequenzen beschäftigt, seit vielleicht fünfzehn Jahren ist das große Thema die Frage, wie Daten effizient und unter Berücksichtigung ihrer Semantik integriert werden können. Heute geht es um Big Data – die Frage, wie wir nicht nur einzelne, sondern Tausende von Genomen gleichzeitig analysieren und vergleichen. Früher wurden kompilierte Programme in C oder Fortran für die Großrechenanlagen der Forschungszentren geschrieben, darauf folgte der breite Einsatz von interpretierten Sprachen wie Perl und PHP, mit denen wir Daten aus dem Internet in den Tischrechnern einzelner Wissenschaftler zusammenfügten; heute benutzen wir Python- und Javascript-Webframeworks, um Daten ins Netz zu stellen, sowie die Programmiersprache R mit ihrem reichen Angebot an Nutzerpaketen für die Bioinformatik, um reproduzierbare Analyseprozesse zu gestalten, während wir den Blick mehr und mehr auf die Auslagerung der eigentlichen Daten und Analysen in die Cloud (Datenwolke) richten. In diesem Kapitel beschäftigen wir uns mit der einzelnen Sequenz: Analyse der Information, Vergleich mit anderen Sequenzen, und Integration von Daten im Genommaßstab; wo immer möglich, unterstützt durch praktische Hinweise und konkrete Beispiele. Ein begleitendes R-Projekt des Autors – das san-Projekt – kann zur Vertiefung und als Einstieg in eigene Programme aus dem Web geladen werden (► https://​github.​com/​hyginn/​san). Wo immer dies sinnvoll ist, betrachten wir die Analyse des Mbp1-Proteins der Bäckerhefe, eines Transkriptionsfaktors, der für die Steuerung des Übergangs von der G1- in die S-Phase des Zellzyklus verantwortlich ist. Damit kann das Kapitel neben seinen allgemeinen Bemerkungen auch als Beispiel für die Analyse einer spezifischen Sequenz gelesen werden.