Groß angelegte Biologieprojekte wie die Sequenzierung des menschlichen Genoms und die Untersuchung der Genexpression mit Hilfe von RNA-seq, Microarrays und anderen Technologien haben eine Fülle von Daten für Biologen hervorgebracht. Die Herausforderung für die Wissenschaftler besteht jedoch darin, diese Daten zu analysieren und sogar darauf zuzugreifen, um nützliche Informationen über das untersuchte System zu gewinnen. Dieser Kurs konzentriert sich auf die Nutzung vorhandener bioinformatischer Ressourcen - hauptsächlich webbasierte Programme und Datenbanken -, um auf die Fülle von Daten zuzugreifen und Fragen zu beantworten, die für den durchschnittlichen Biologen relevant sind, und ist sehr praxisorientiert.

Zu den behandelten Themen gehören multiple Sequenzalignments, Phylogenetik, Datenanalyse von Genexpressionsdaten und Proteininteraktionsnetzwerke, die in zwei separaten Teilen behandelt werden. Der erste Teil, Bioinformatik-Methoden I, befasste sich mit Datenbanken, Blast, multiplen Sequenzalignments, Phylogenetik, Selektionsanalyse und Metagenomik. Im zweiten Teil, Bioinformatik-Methoden II, geht es um Motivsuche, Protein-Protein-Wechselwirkungen, strukturelle Bioinformatik, Analyse von Genexpressionsdaten und Cis-Element-Vorhersagen. Diese beiden Kurse eignen sich für alle Studenten, die ein Studium der Biowissenschaften anstreben, sowie für Studenten, die Molekularmedizin studieren möchten. Diese Kurse basieren auf einem Kurs, der an der University of Toronto für Studenten der oberen Jahrgangsstufe angeboten wird, die über ein gewisses Verständnis der grundlegenden Molekularbiologie verfügen. Wenn Sie damit nicht vertraut sind, könnte etwas wie https://learn.saylor.org/course/view.php?id=889 hilfreich sein. Für diesen Kurs ist keine Programmierung erforderlich, obwohl im 5. Modul etwas Befehlszeile (allerdings innerhalb eines Webbrowsers) vorkommt. Bioinformatic Methods II wird regelmäßig aktualisiert und wurde zuletzt im Januar 2025 aktualisiert.

Die letzten 15 Jahre waren aufregende Jahre in der Pflanzenbiologie. Hunderte von Pflanzengenomen wurden sequenziert, die RNA-seq-Methode ermöglichte die Erstellung transkriptomweiter Expressionsprofile, und eine Vielzahl von "-seq"-Methoden ermöglichte es, Protein-Protein- und Protein-DNA-Interaktionen kostengünstig und im Hochdurchsatz zu bestimmen. Diese Datensätze wiederum ermöglichen es uns, per Mausklick Hypothesen aufzustellen. Wenn wir zum Beispiel wissen, wo und wann ein Gen exprimiert wird, können wir den phänotypischen Suchraum eingrenzen, wenn wir bei einer Genmutante unter "normalen" Wachstumsbedingungen keinen Phänotyp sehen. Koexpressionsanalysen und Assoziationsnetzwerke können hochwertige Kandidatengene liefern, die an einem biologischen Prozess von Interesse beteiligt sind. Die Analyse der Anreicherung von Genen in der Ontologie und die Visualisierung von Pfaden können uns dabei helfen, unsere eigenen 'omics'-Experimente zu verstehen und die Frage zu beantworten, welche Prozesse/Pfade in unserer Mutante von Interesse gestört sind. Struktur: Jedes der 6-wöchigen praktischen Module besteht aus einer ~2-minütigen Einführung, einem ~20-minütigen Theorie-Minivortrag, einem 1.5 Stunden praktischem Labor, einer optionalen ~20-minütigen Labordiskussion bei Schwierigkeiten im Labor und einer ~2-minütigen Zusammenfassung. Behandelte Werkzeuge [Material aktualisiert im Juni 2025]: Modul 1: GENOMIC DBs / PRECOMPUTED GENE TREES / PROTEIN TOOLS. Araport, TAIR, Gramene, EnsemblPlants Compara, PLAZA, SUBA5 und Cell eFP Browser, 1001 Genomes Browser, PlantConnectome Modul 2: EXPRESSION TOOLS. eFP Browser / eFP-Seq Browser, Araport, ARDB, TravaDB, NCBI Genome Data Viewer zur Erforschung von RNA-seq Daten für viele Pflanzenarten, MPSS Datenbank für kleine RNAs, SCEA und Ecker Lab Seed-to-Seed scAtlas Modul 3: COEXPRESSION TOOLS. ATTED II, Expression Angler, AraNet, AtCAST2 Modul 4: PROMOTER ANALYSE. Cistome, MEME, ePlant Modul 5: GO ENRICHMENT ANALYSIS AND PATHWAY VIZUALIZATION. AgriGO, AmiGO, Classification SuperViewer, TAIR, g:profiler, AraCyc, MapMan (optional: Plant Reactome) Modul 6: NETWORK EXPLORATION. Arabidopsis Interactions Viewer 2, ePlant, TF2Network, Virtuelle Pflanze, GeneMANIA

Die letzten 15 Jahre waren aufregende Jahre in der Pflanzenbiologie. Hunderte von Pflanzengenomen wurden sequenziert, die RNA-seq-Methode hat die Erstellung von transkriptomweiten Expressionsprofilen ermöglicht und eine Vielzahl von "-seq"-basierten Methoden hat es ermöglicht, Protein-Protein- und Protein-DNA-Interaktionen kostengünstig und im Hochdurchsatz zu bestimmen. In Plant Bioinformatics auf Coursera.org haben wir 33 pflanzenspezifische Online-Tools behandelt, von Genom-Browsern über transkriptomisches Data Mining bis hin zu Promotor/Netzwerk-Analysen und anderen. In diesem Plant Bioinformatics Capstone werden wir diese Tools nutzen, um eine Hypothese über die biologische Rolle eines Gens mit unbekannter Funktion aufzustellen, die in einem schriftlichen Laborbericht zusammengefasst wird.

Dieser Kurs ist Teil einer Bioinformatik-Spezialisierung für Pflanzen auf Coursera, in der bioinformatische Kernkompetenzen und Ressourcen wie die Genbank des NCBI, Blast, multiple Sequenzalignments und Phylogenetik in Bioinformatik-Methoden I eingeführt werden. Danach folgen Protein-Protein-Interaktionen, strukturelle Bioinformatik und RNA-seq-Analysen in Bioinformatik-Methoden II, zusätzlich zu den pflanzenspezifischen Konzepten und Tools, die in Bioinformatik für Pflanzen und dem Bioinformatik-Kapitelstein für Pflanzen eingeführt werden. Dieser Kurs wurde mit finanzieller Unterstützung des Open Course Initiative Fund (OCIF) der Faculty of Arts and Science der University of Toronto entwickelt und von Eddi Esteban, Will Heikoop und Nicholas Provart durchgeführt. Asher Pasha hat einen Gen-ID-Zufallsgenerator programmiert.