Domande temi d'esame passati di Bioinformatica e genomica funzionale

TdE 27/01/21

• In un t-test per l’analisi di espressione differenziale, l’errore del I tipo corrisponde a:

rigettare l’ipotesi nulla anche se è vera (falso positivo)

VARIANTE: errore di II tipo non rigettare l’ipotesi nulla anche se è falsa (falso negativo)

• Si illustri sinteticamente come funziona il metodo di massima verosimiglianza per l’identificazione

di un albero filogenico.

Rientra nei metodi cladistici ed è molto costoso dal punto di vista computazionale. Si assegna a

ciascun albero un valore che riguarda la probabilità di osservare un determinato percorso

evolutivo. Il calcolo della probabilità si basa sulle probabilità di sostituzione effettivamente stimate

sui vari simboli come nel caso di una vera e propria matrice di sostituzione in cui i punteggi ci

parlano della verosimiglianza di certe sostituzioni in natura. Si considera una topologia di albero, si

enumera in maniera esaustiva tutte le possibili storie evolutive che portano alle foglie finali. Si

calcola per ogni topologia la Ltree come produttoria di tutte le singole probabilità di sostituzione

moltiplicata per la frequenza di backgroundL0. Calcolate tutte le Ltree delle varie topologie si vanno

a sommare in quanto sono eventi mutualmente esclusivi. Le verosimiglianze poi devono essere

calcolate per tutte le posizioni colonna e moltiplicate, perché essendo posizioni della stessa

sequenza ciò che si calcola deve valere contemporaneamente. A questo punto si ha un valore che

può essere assegnato alla topologia iniziale, si prende un altro albero e si ripete il procedimento.

Ogni albero avrà quindi un valore e l’albero vincente sarà quello con verosimiglianza più alta.

• Si dia la definizione di geni omologhi, ortologhi, paraloghi.

OMOLOGHI= geni con lo stesso ancestore

ORTOLOGHI= geni omologhi con attuale appartenenza a specie diverse (funzioni simili)

PARALOGHI= geni omologhi con diversa funzione nello stesso genoma (funzioni diverse)

• Per aumentare la sensibilità di un’analisi mediante BLAST posso:

diminuire la soglia T per la costruzione del vocabolario.

VARIANTE: per aumentare la specificità alzo la soglia.

• Che cosa si intente per associazione indiretta nell’associazione statistica tra un allele e un tratto

fenotipico?

Se lo SNPs è significativo è statisticamente associato alla patologia perché c’è una variante che è

over rappresentata nei casi rispetto ai controlli. Questa variante non è causa della patologia perché

la causa è una variante di un locus adiacente che non è stato genotipizzato però il linkage è quello

acquisito. Si parla di associazione indiretta perché i segnali dei due loci sono simili (se in uno c’è A

nell’altro c’è T ad esempio) quindi studiare un certo locus è utile per studiare le varianti veramente

associate alla patologia.

TdE 09/01/20

• Nell’MAplot relativo ad un’analisi differenziale, quali variabili compaiono gli assi? In cosa

consiste la normalizzazione lowess?

Sulle ordinate ho il log del rapporto (M=log2(R/G)) e sulle ascisse ho la semisomma dei log di

espressione (A=log2(rad(RG))) quindi l’intensità media. La normalizzazione lowess corregge la

posizione della nuvola in modo non costante ma in base alla linea delle ascisse:

log2(R/G)→log2(R/G)-c(a)=log2(R/2^c(a)*G)

VARIANTE: normalizzazione globale corregge la posizione tramite una translazione rigida della

nuvola di un certo fattore c.

• Cos’è un nucleosoma?

Il nucleosoma è un’unità di impaccamento formato da 8 proteina istoniche, uguali a due a due

(H2A, H2B, H3, H4), attorno al quale di avvolge il DNA facendo poco meno di due giri e impaccando

circa 150 basi.

• Che cosa indica il valore E riportato nei risultati di una ricerca mediante BLAST? Qual è la sua

formula? Indicare la relazione tra E-value e p-value.

L’E-value indica la significatività statistica, più è piccolo, più il risultato è significativo. Se fosse

troppo elevato, potrebbe corrispondere a situazioni non biologiche. Lo ottengo da BLAST accanto

allo score, ovvero il punteggio che mi indica quanta somiglianza c’è tra due sequenze che volevo

confrontare. L’E-value è quindi la probabilità, dovuta al caso, che ci sia un altro allineamento con

una similarità più alta dello score ottenuto. La formula è:

E=kmne^(-lambda*s) con k ampiezza del database, lambda ampiezza della matrice si sostituzione,

s punteggio, m lunghezza della query e n lunghezza delle altre sequenze).

Il P-value invece indica per una distribuzione di Poisson, la probabilità di trovare almeno un HSP

(High Scoring Pair):

P = 1 – e^(-E)

Per valori molto piccolo di E, il P-value e l’E-value sono simili. Di solito la soglia per un buon valore

di E-value è di 10^-5.

• Si dia la definizione di motivo, dominio, famiglia nell’ambito della bioinformatica delle proteine.

MOTIVO= combinazione di strutture II semplici, non particolarmente caratterizzate ma molto

comuni in natura;

DOMINIO= regione con strutture II più complesse e associate ad una singola funzione;

FAMIGLIA= gruppo di proteine che condivide una o più regioni di omologia o domini.

TdE 24/07/19

• Qual è un database per i microRNA? Indicare almeno due predittore per la predizione dei geni

target. Quali sono le proprietà esplorate da entrambi?

Il database è miRBase e un esempio di predittori sono TargetScanHuman e miRanda che servono a

predire i