Dott.ssa Silvia Pellegrini

Presentazione sul tema: "Dott.ssa Silvia Pellegrini"— Transcript della presentazione:

1 Dott.ssa Silvia Pellegrini
Laboratorio Microarray Dipartimento di Patologia Sperimentale, Biotecnologie Mediche, Infettivologia ed Epidemiologia Tel

2 Le scienze della vita sono attualmente al centro di una vera e propria rivoluzione

3 1953: modello di Watson e Crick

4 Progetto Genoma Umano 1990 2003

5 Sequenziamento automatico secondo Sanger
I sequenziatori automatici che impiegano il metodo di Sanger (ABI3730XL) hanno la capacità di generare 1–2 milioni di paia basi (bp) in 24 ore con una lunghezza di lettura di 550–800 bp e con un alto grado di accuratezza

6 Altri genomi sequenziati
Retrovirus Batteri S.Cerevisiae C.Elegans Drosophyla Zebrafish Zanzara Topo Ratto Cane Gatto Scimpanzé

7 Genoma L’insieme di tutte le molecole di DNA presenti nel nucleo di ogni cellula Nell’uomo: 44 cromosomi autosomici 2 cromosomi sessuali

8 Struttura del DNA

9 cromosoma nucleo cellula Coppie di basi istoni Doppia elica

10 gene della beta-globina umana
Il contenuto di informazioni del DNA umano è dato dall’alternanza di 4 lettere A, G, T, C 1 ccctgtggag ccacacccta gggttggcca atctactccc aggagcaggg agggcaggag 61 ccagggctgg gcataaaagt cagggcagag ccatctattg cttacatttg cttctgacac 121 aactgtgttc actagcaacc tcaaacagac accatggtgc acctgactcc tgaggagaag 181 tctgccgtta ctgccctgtg gggcaaggtg aacgtggatg aagttggtgg tgaggccctg 241 ggcaggttgg tatcaaggtt acaagacagg tttaaggaga ccaatagaaa ctgggcatgt 301 ggagacagag aagactcttg ggtttctgat aggcactgac tctctctgcc tattggtcta 361 ttttcccacc cttaggctgc tggtggtcta cccttggacc cagaggttct ttgagtcctt 421 tggggatctg tccactcctg atgctgttat gggcaaccct aaggtgaagg ctcatggcaa 481 gaaagtgctc ggtgccttta gtgatggcct ggctcacctg gacaacctca agggcacctt 541 tgccacactg agtgagctgc actgtgacaa gctgcacgtg gatcctgaga acttcagggt 601 gagtctatgg gacccttgat gttttctttc cccttctttt ctatggttaa gttcatgtca 661 taggaagggg agaagtaaca gggtacagtt tagaatggga aacagacgaa tgattgcatc 721 agtgtggaag tctcaggatc gttttagttt cttttatttg ctgttcataa caattgtttt 781 cttttgttta attcttgctt tctttttttt tcttctccgc aatttttact attatactta 841 atgccttaac attgtgtata acaaaaggaa atatctctga gatacattaa gtaacttaaa 901 aaaaaacttt acacagtctg cctagtacat tactatttgg aatatatgtg tgcttatttg 961 catattcata atctccctac tttattttct tttattttta attgatacat aatcattata 1021 catatttatg ggttaaagtg taatgtttta atatgtgtac acatattgac caaatcaggg 1081 taattttgca tttgtaattt taaaaaatgc tttcttcttt taatatactt ttttgtttat 1141 cttatttcta atactttccc taatctcttt ctttcagggc aataatgata caatgtatca 1201 tgcctctttg caccattcta aagaataaca gtgataattt ctgggttaag gcaatagcaa 1261 tatttctgca tataaatatt tctgcatata aattgtaact gatgtaagag gtttcatatt 1321 gctaatagca gctacaatcc agctaccatt ctgcttttat tttatggttg ggataaggct 1381 ggattattct gagtccaagc taggcccttt tgctaatcat gttcatacct cttatcttcc 1441 tcccacagct cctgggcaac gtgctggtct gtgtgctggc ccatcacttt ggcaaagaat 1501 tcaccccacc agtgcaggct gcctatcaga aagtggtggc tggtgtggct aatgccctgg 1561 cccacaagta tcactaagct cgctttcttg ctgtccaatt tctattaaag gttcctttgt 1621 tccctaagtc caactactaa actgggggat attatgaagg gccttgagca tctggattct 1681 gcctaataaa aaacatttat tttcattgca atgatgtatt taaattattt ctgaatattt 1741 tactaaaaag ggaatgtggg aggtcagtgc atttaaaaca taaagaaatg atgagctgtt 1801 caaaccttgg gaaaatacac tatatcttaa actccatgaa agaaggtgag gctgcaacca 1861 gctaatgcac attggcaaca gcccctgatg cctatgcctt attcatccct cagaaaagga 1921 ttcttgtaga ggcttgattt gcaggttaaa gttttgctat gctgtatttt acattactta 1981 ttgttttagc tgtcctcatg aatgtctttt cactacccat ttgcttatcc tgcatctctc 2041 tcagccttga ct //

11

12 Flusso delle informazioni genetiche

13 Alcuni dati sul genoma umano
3 miliardi di paia di basi 2% codificanti Circa geni diversi Più di 10 milioni di variazioni

14 Non siamo tutti uguali…

15 Non esiste un’unica sequenza del genoma umano, ma circa il 10% dei 3 miliardi di paia di basi che compongono il genoma umano variano da individuo a individuo e costituiscono dei polimorfismi genetici.

16 Polimorfismi genetici
Forme alleliche diverse di una stessa sequenza presenti in più dell’1% degli individui di una popolazione II. “indel” (inserzioni/delezioni) TGACG TG I. Single Nucleotide--SNPs G A Variable Number of Tandem Repeats

17 (Single Nucleotide Polymorphism) Polimorfismi a singolo nucleotide
SNP (Single Nucleotide Polymorphism) Polimorfismi a singolo nucleotide ovvero cambiamenti di una base

18 SNPs Variazioni di sequenza comuni Possono essere silenti
Possono avere un significato funzionale diretto (es. Cambio aminoacidico) Possono essere semplicemente associati ad altre variazioni di sequenza con significato funzionale

19 I polimorfismi possono essere responsabili di una diversa suscettibilità alle malattie…

20

21 In questo caso le alterazioni geniche rappresentano fattori di suscettibilità, ciascuno dei quali contribuisce in una certa misura alla malattia, che si manifesterà soltanto quando i fattori di rischio nel loro insieme (geni e ambiente) superano una data soglia

22

23 …come pure della variabilità individuale nella risposta alla terapia farmacologica

24 Farmacogenetica Farmaco giusto dose giusta paziente gusto
Esamina le varianti genetiche che determinano la risposta ad un farmaco e studia il modo in cui queste varianti possono essere usate per prevedere il tipo di risposta Farmaco giusto dose giusta paziente gusto

25 Terapia personalizzata
Selezione sulla base di fattori responsabili di una diversa risposta al trattamento Selezione sulla base di fattori predisponenti alle malattie Terapia personalizzata diagnosi precoce

26 Single SNP analysis Whole genome scans

27 Next generation sequencing

28 Confronto di efficienza tra diverse piattaforme per il sequenziamento

29 1000 genomes project (iniziato nel 2008 mira a sequenziare il genoma di 2500 individui in 27 popolazioni )

30 La necessità di un approccio informatico alla ricerca nel settore biomedico deriva da questa recente esplosione di informazioni biologiche generate dalla comunità scientifica

31 BIOINFORMATICA Disciplina situata all’interfaccia tra informatica e scienze biologiche (quali la biologia molecolare e la genetica) che applica algoritmi informatici per la risoluzione di problemi biologici

32 Questa quantità enorme di informazioni è conservata e resa disponibile per l’intera comunità scientifica da tre organismi principali

33 NCBI = National Center for Biotechnology Information
EMBL = European Molecular Biology Laboratory KEGG =Kyoto Encyclopedia of Genes and Genomes creano Database di pubblico accesso diffondono informazioni biomediche sviluppano software per l’analisi di dati

34 DNA RNA Proteine In ogni istante della propria vita ogni cellula umana contiene: 46 cromosomi ( geni) mRNA diversi

35 Perché esprimono geni diversi
Hanno tutte lo stesso genoma, perché queste cellule sono così diverse in morfologia e funzione? Corteccia cerebrale Fegato Muscolo liscio Perché esprimono geni diversi

36 ESPRESSIONE GENICA E’ un processo molto complesso e finemente regolato che permette ad una cellula di rispondere dinamicamente sia agli stimoli ambientali che alle sue stesse necessità di cambiamento

37 Misurare l’espressione di un gene significa....
Dare una valutazione quantitativa della presenza dei trascritti (molecole di mRNA) o delle proteine codificate da quel gene nelle cellule in esame

38 Misurare il trascrittoma
Rapidi miglioramenti nella misurazione dell’espressione dei geni I microarray possono misurare l’espressione di tutti i geni noti in poche ore Misurare il trascrittoma

39 L'insieme di proteine espresse da ogni cellula
Trascrittoma L'insieme di RNA messaggeri espressi da ogni cellula Proteoma L'insieme di proteine espresse da ogni cellula

40 Tecnologia dei microarray
Sfrutta la capacità di una data molecola di mRNA di ibridizzare con il DNA stampo da cui è stata generata

41 Espressione genica differenziale: valuta le differenze nell’espressione genica tra due trascrittomi cellule trattate con un composto esogeno a confronto con cellule non trattate un tessuto tumorale a confronto con uno sano Composto esogeno

42 Campione 1 Campione 2 RNA cDNA Cy3 Cy5 +

43 Acquisizione dell’immagine mediante scanner
Cy3 Cy5

44 L’intensità della fluorescenza è proporzionale alla quantità di molecola target nella soluzione e, quindi, costituisce una stima della quantità di RNA per ciascun gene espresso dalla cellula.

45 Tipico esperimento Microarray

46 Fonti di confondimento in un esperimento microarray
Qualità dell’RNA estratto Retrotrascrizione Marcatura Deposizione delle sequenze sul vetrino Disomogeneità della superficie del vetrino Ibridazione Lavaggi Acquisizione dell’immagine

47 REPLICHE SPERIMENTALI
Stesso RNA testato su due vetrini distinti REPLICHE BIOLOGICHE RNA proveniente da campioni simili ma distinti

48 Analisi computazionale dei dati