{"id":2288,"date":"2017-07-07T12:23:36","date_gmt":"2017-07-07T12:23:36","guid":{"rendered":"https:\/\/www.kolabtree.com\/blog\/?p=2288"},"modified":"2020-02-10T14:12:18","modified_gmt":"2020-02-10T14:12:18","slug":"4-recent-advances-in-computational-biology","status":"publish","type":"post","link":"https:\/\/www.kolabtree.com\/blog\/de\/4-recent-advances-in-computational-biology\/","title":{"rendered":"4 J\u00fcngste Fortschritte in der computergest\u00fctzten Biologie"},"content":{"rendered":"

Computergest\u00fctzte Biologie<\/a> entwickelt sich mit dem Aufkommen neuer Technologien rasch weiter, insbesondere was die Art und Weise betrifft, wie wir Daten sammeln, analysieren und visualisieren. Dr. Ragothaman Yennmalli, ein Kolabtree<\/a> Freiberufler und Wissenschaftler, untersucht vier vielversprechende Fortschritte.\u00a0\u00a0<\/em><\/p>\n

Ankn\u00fcpfend an die vorheriger Einf\u00fchrungsbeitrag<\/a>Im Folgenden m\u00f6chte ich einige der j\u00fcngsten Trends oder Fortschritte in den Biowissenschaften hervorheben, die die computergest\u00fctzte Biologie ver\u00e4ndern. Diese Fortschritte st\u00fctzen sich in hohem Ma\u00dfe auf computergest\u00fctzte Werkzeuge und Methoden - Big Data-Analyse, Multiskalenmodellierung usw. Einige von ihnen sind im Folgenden aufgef\u00fchrt.<\/p>\n

1. Gro\u00dfe Daten<\/strong><\/p>\n

Dies ist ein bekannter Begriff aus der Informatik, der erst vor kurzem von Biologen aufgegriffen wurde. Dank der Sequenzierungstechniken der n\u00e4chsten Generation kann die Sequenz eines Genoms in relativ kurzer Zeit gewonnen werden. Die Bedeutung einer schnellen Datengenerierung wird noch gr\u00f6\u00dfer, wenn man beispielsweise mit metagenomischen Daten oder einem Mikrobiom arbeitet. Wie kann man die Daten verwalten? Wie sieht es mit der langfristigen Speicherung aus? Welche Werkzeuge gibt es f\u00fcr die Analyse solcher Massendaten? Diese Fragen stellen sich und es gibt Antworten darauf. Wie bereits erw\u00e4hnt, ist dies ein neuer Trend in der Biologie, nicht aber in der Informatik oder der Experimentalphysik, wo der Umgang mit gro\u00dfen Datenmengen und deren Analyse eine Routineaufgabe ist.<\/p>\n

\"big-data-1667184_1280\"
\nOne particular instance where Forschung<\/a> is happening is in the file formats of biological big data. In the case of protein structure file format, the current standard is the .pdb format, a column dependent format that is parseable and both human and machine readable. However, this format fails when describing mega structures, such as the ribosome or full viral capsids. Hence, a new format has been proposed called the .pdbx format that overcomes the previous format’s limitations. There is also another format called MMTF format that spees up the loading time for structures with more then 20 million atoms within seconds.<\/p>\n

Weitere Lekt\u00fcre zu Big Data in der Datenverarbeitung Strukturbiologie<\/a>:
\nhttp:\/\/science.sciencemag.org\/content\/355\/6322\/248
\n<\/a><\/p>\n

2. Kryo-EM und XFEL-Techniken<\/strong><\/p>\n

Diese beiden Methoden sind an sich nicht neu. Die aktuelle Technologie und die Fortschritte, die in diesen beiden Bereichen erzielt werden, verschieben jedoch die Grenzen der Analyse biomolekularer Strukturen. Kryo-EM <\/a>ist eine Technik zur Erfassung der dreidimensionalen Struktur eines Biomolek\u00fcls mit Hilfe des Elektronenmikroskops mit hoher Aufl\u00f6sung. In einem der Pionierlabors des NIH wurde eine 2,5\u00c5-Struktur gel\u00f6st. Diese Aufl\u00f6sung wird in der Regel mit der Kristallstruktur von Proteinen erreicht, was routinem\u00e4\u00dfig mindestens 1-2 Monate Zeit in Anspruch nimmt, um den optimalen Kristall zu standardisieren, der unter dem R\u00f6ntgenstrahl aufgenommen werden soll.<\/p>\n

\"alat2-872522_1920\"
\nEine neue Technik, die die Strukturbiologie revolutioniert, ist dagegen XFEL<\/a> Methode, bei der R\u00f6ntgenstrahlen mit hoher Intensit\u00e4t auf Mikrokristalle von Proteinen geschossen werden. Aufgrund der hohen Strahlung werden die Mikrokristalle buchst\u00e4blich verbrannt, um die Daten zu erhalten. Zehntausende von Mikrokristallen sind erforderlich, um Daten mit angemessener Abdeckung zu erhalten. Jedes von einem Mikrokristall aufgenommene Bild muss mit den anderen analysiert werden, um die 3D-Struktur des Biomolek\u00fcls zu erhalten.<\/p>\n

Solche Techniken h\u00e4ngen in hohem Ma\u00dfe von automatisierter Software ab, die Bildverarbeitungsalgorithmen und bis zu einem gewissen Grad maschinelles Lernen einsetzt, um das Signal vom Umgebungsrauschen zu unterscheiden. Diese<\/span>\u00a0ist Big Data, denn die Vielfalt und Geschwindigkeit, mit der Informationen erfasst werden, ist astronomisch.<\/span><\/p>\n

3. Multiskalenmodellierung<\/strong><\/p>\n

Im Gegensatz zur Modellierung einer einzelnen biomolekularen Struktur und der Extrapolation auf ein komplexeres System umfasst die Multiskalenmodellierung mehr als 200 000 Atome, und die erhaltene Dynamik offenbart Wechselwirkungen \u00fcber lange Zeitr\u00e4ume und ein komplexes Verhalten der verschiedenen (homogenen oder heterogenen) Komponenten. Die aus solchen Experimenten gewonnenen Daten sind aufgrund der Anzahl der gewonnenen Datenpunkte sehr umfangreich, auch weil mehrere Durchl\u00e4ufe erforderlich sind, um eine statistische Signifikanz zu erhalten.<\/p>\n

Ein Beispiel f\u00fcr den Einsatz der Multiskalenmodellierung ist das Verst\u00e4ndnis der Dynamik von Cellulosomen, einer komplexen bakteriellen Struktur aus heterogenen Proteinen und Enzymen, die sich an Zellulose anlagern. Cellulosome sind von industrieller Bedeutung im Bereich der Biokraftstoffe, insbesondere der Bioethanolproduktion.<\/p>\n

Lesen Sie weiter:\u00a0http:\/\/www.ks.uiuc.edu\/Research\/biofuels\/<\/a><\/p>\n

4. Sequenzierung einzelner Zellen<\/strong><\/p>\n

Statt mehrere Zellen zu untersuchen, besteht die neueste Technik darin, jede einzelne Zelle zu isolieren, die RNA zu extrahieren und sie zu sequenzieren. Diese neue Technik wird als Einzelzell-RNA-Sequenzierung oder scRNA-seq<\/a>. In diesem Nature-Artikel, der die Methode und ihre Vorteile beschreibt, wird erw\u00e4hnt, dass<\/p>\n

Es ist viel schwieriger, einzelne Zellen zu manipulieren als gro\u00dfe Populationen, und da jede Zelle nur eine winzige Menge an RNA liefert, gibt es keinen Spielraum f\u00fcr Fehler. Ein weiteres Problem ist die Analyse der enormen Datenmengen, die dabei anfallen - nicht zuletzt, weil die verwendeten Werkzeuge nicht intuitiv sind.<\/p><\/blockquote>\n

Ein hervorragender \u00dcberblick \u00fcber den Arbeitsablauf und die Werkzeuge f\u00fcr scRNA-seq wird hier gegeben: https:\/\/doi.org\/10.3389\/fgene.2016.00163<\/span><\/a><\/p>\n

\n

Ben\u00f6tigen Sie Hilfe bei der Beratung von Computer-Biologe<\/a>? Mieten Sie einen Freiberufliche Computational Biology<\/a> Experte<\/b>\u00a0auf Kolabtree. Es ist kostenlos, Ihr Projekt einzustellen und Angebote einzuholen.<\/b><\/p>\n

M\u00f6chten Sie Dr. Yennamalli zu einem Projekt befragen? Setzen Sie sich mit ihm auf Kolabtree in Verbindung hier<\/a>.<\/p>\n

Verwandte Experten:
\nEinstellung eines Bioinformatikers<\/a>\u00a0 \u00a0 \u00a0 \u00a0 \u00a0Einen Molekularbiologen einstellen\u00a0<\/a> \u00a0 \u00a0 Einstellen eines Biostatistikers<\/a><\/p>","protected":false},"excerpt":{"rendered":"

Computational biology is rapidly evolving with the advent of new technologies, especially in the way we collect, analyze and visualize data. Dr. Ragothaman Yennmalli, a Kolabtree freelancer and scientist, examines four promising advances.\u00a0\u00a0 Following up on the previous introductory post, here I will highlight some of the recent trends or recent advances in the biological<\/p>\n

Mehr lesen<\/a><\/div>","protected":false},"author":26,"featured_media":2324,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[442,398,247,435],"tags":[],"acf":[],"yoast_head":"\nComputational biology: 4 recent advances - Kolabtree Blog<\/title>\n<meta name=\"description\" content=\"Recent advances in computational biology that are changing the way we look at genomic data, structural biology and RNA sequencing.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.kolabtree.com\/blog\/de\/4-recent-advances-in-computational-biology\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"4 Recent Advances in Computational Biology\" \/>\n<meta property=\"og:description\" content=\"Recent advances in computational biology that are changing the way we look at genomic data, structural biology and RNA sequencing.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.kolabtree.com\/blog\/de\/4-recent-advances-in-computational-biology\/\" \/>\n<meta property=\"og:site_name\" content=\"The Kolabtree Blog\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/kolabtree\" \/>\n<meta property=\"article:published_time\" content=\"2017-07-07T12:23:36+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2020-02-10T14:12:18+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2017\/07\/alat2-872522_1920.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1920\" \/>\n\t<meta property=\"og:image:height\" content=\"745\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Ragothaman Yennamalli\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@kolabtree\" \/>\n<meta name=\"twitter:site\" content=\"@kolabtree\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Ragothaman Yennamalli\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"4\u00a0Minuten\" \/>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Computational biology: 4 recent advances - Kolabtree Blog","description":"Recent advances in computational biology that are changing the way we look at genomic data, structural biology and RNA sequencing.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.kolabtree.com\/blog\/de\/4-recent-advances-in-computational-biology\/","og_locale":"de_DE","og_type":"article","og_title":"4 Recent Advances in Computational Biology","og_description":"Recent advances in computational biology that are changing the way we look at genomic data, structural biology and RNA sequencing.","og_url":"https:\/\/www.kolabtree.com\/blog\/de\/4-recent-advances-in-computational-biology\/","og_site_name":"The Kolabtree Blog","article_publisher":"https:\/\/www.facebook.com\/kolabtree","article_published_time":"2017-07-07T12:23:36+00:00","article_modified_time":"2020-02-10T14:12:18+00:00","og_image":[{"width":1920,"height":745,"url":"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2017\/07\/alat2-872522_1920.jpg","type":"image\/jpeg"}],"author":"Ragothaman Yennamalli","twitter_card":"summary_large_image","twitter_creator":"@kolabtree","twitter_site":"@kolabtree","twitter_misc":{"Verfasst von":"Ragothaman Yennamalli","Gesch\u00e4tzte Lesezeit":"4\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.kolabtree.com\/blog\/4-recent-advances-in-computational-biology\/#article","isPartOf":{"@id":"https:\/\/www.kolabtree.com\/blog\/4-recent-advances-in-computational-biology\/"},"author":{"name":"Ragothaman Yennamalli","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/person\/61d4584c2ca630dcee91e7a79c417693"},"headline":"4 Recent Advances in Computational Biology","datePublished":"2017-07-07T12:23:36+00:00","dateModified":"2020-02-10T14:12:18+00:00","mainEntityOfPage":{"@id":"https:\/\/www.kolabtree.com\/blog\/4-recent-advances-in-computational-biology\/"},"wordCount":805,"commentCount":0,"publisher":{"@id":"https:\/\/www.kolabtree.com\/blog\/#organization"},"articleSection":["Biotechnology","Data Science","Guest posts","Research"],"inLanguage":"de","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/www.kolabtree.com\/blog\/4-recent-advances-in-computational-biology\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/www.kolabtree.com\/blog\/4-recent-advances-in-computational-biology\/","url":"https:\/\/www.kolabtree.com\/blog\/4-recent-advances-in-computational-biology\/","name":"Computational biology: 4 recent advances - Kolabtree Blog","isPartOf":{"@id":"https:\/\/www.kolabtree.com\/blog\/#website"},"datePublished":"2017-07-07T12:23:36+00:00","dateModified":"2020-02-10T14:12:18+00:00","description":"Recent advances in computational biology that are changing the way we look at genomic data, structural biology and RNA sequencing.","breadcrumb":{"@id":"https:\/\/www.kolabtree.com\/blog\/4-recent-advances-in-computational-biology\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.kolabtree.com\/blog\/4-recent-advances-in-computational-biology\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/www.kolabtree.com\/blog\/4-recent-advances-in-computational-biology\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.kolabtree.com\/blog\/"},{"@type":"ListItem","position":2,"name":"4 Recent Advances in Computational Biology"}]},{"@type":"WebSite","@id":"https:\/\/www.kolabtree.com\/blog\/#website","url":"https:\/\/www.kolabtree.com\/blog\/","name":"The Kolabtree Blog","description":"Expert Views on Science, Innovation and Product Development","publisher":{"@id":"https:\/\/www.kolabtree.com\/blog\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.kolabtree.com\/blog\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/www.kolabtree.com\/blog\/#organization","name":"Kolabtree","url":"https:\/\/www.kolabtree.com\/blog\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/logo\/image\/","url":"","contentUrl":"","caption":"Kolabtree"},"image":{"@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/kolabtree","https:\/\/twitter.com\/kolabtree","https:\/\/instagram.com\/kolabtree","https:\/\/www.linkedin.com\/company\/kolabtree","https:\/\/en.m.wikipedia.org\/wiki\/Kolabtree"]},{"@type":"Person","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/person\/61d4584c2ca630dcee91e7a79c417693","name":"Ragothaman Yennamalli","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/person\/image\/","url":"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2017\/06\/raghu_bt-96x96.jpg","contentUrl":"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2017\/06\/raghu_bt-96x96.jpg","caption":"Ragothaman Yennamalli"},"description":"Dr. Ragothaman Yennamalli completed his PhD in Computational Biology and Bioinformatics in 2008 from Jawaharlal Nehru University, New Delhi. He conducted postdoctoral research at Iowa State University (2009-2011), University of Wisconsin-Madison (2011-2012), and Rice University (2012-2014). Currently he is an Assistant Professor at Jaypee University of Information Technology, Waknaghat, Himachal Pradesh, India.","url":"https:\/\/www.kolabtree.com\/blog\/de\/author\/ragothaman\/"}]}},"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/posts\/2288"}],"collection":[{"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/users\/26"}],"replies":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/comments?post=2288"}],"version-history":[{"count":19,"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/posts\/2288\/revisions"}],"predecessor-version":[{"id":6896,"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/posts\/2288\/revisions\/6896"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/media\/2324"}],"wp:attachment":[{"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/media?parent=2288"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/categories?post=2288"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/de\/wp-json\/wp\/v2\/tags?post=2288"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}