HPQAA: uno strumento bioinformatico per l'interrogazione e l'analisi dei dati del database Homologene di Pubmed orientato ai network di ortologia

Il sequenziamento del genoma umano è considerato completato. Dopo anni di lavoro sono stati fatti molti progressi nel comprendere struttura e funzione del DNA. Partendo da questa informazione occorre ora conoscere a fondo il comportamento dei vari componenti del genoma, che includono i geni, gli elementi che ne regolano la loro espressione in proteine. Alcune di queste caratteristiche possono essere riconosciute direttamente mediante tecniche classiche di biologia molecolare all'interno dei cromosomi; altre sono più difficili da individuare, richiedendo approcci più sofisticati. Tra questi, uno dei più importanti è quello della genomica comparativa, che si propone di effettuare confronti tra i genomi di varie specie, individuandone così differenze e aspetti comuni. Da lungo tempo in biologia si utilizza un'analisi di tipo comparativo per comprendere meglio certi aspetti. Con la rapida crescita delle sequenze biologiche è diventata routine ricercare se una data serie di basi o amminoacidi, magari individuata sperimentalmente, sia presente su database specifici. Vengono analizzate similarità e differenze in termini di amminoacidi o nucleotidi, allo scopo di trovare relazioni funzionali, strutturali ed evoluzionistiche tra le sequenze in esame. Il metodo più comune di comparazione è l'allineamento di sequenza, che fornisce una sorta di mappatura tra i residui di due o più sequenze. Due sequenze vengono allineate per capire se tra esse vi sia una certa analogia. Vi sono alcuni termini che definiscono la bontà nell'allineamento. Similarità : è una quantità osservabile, che può, per esempio, essere espressa in termini percentuali. Omologia: è una grandezza qualitativa e indica che le due entità condividono una stessa origine filogenetica. Generalmente due regioni omologhe sono simili tra loro. Due geni omologhi si definiscono ortologhi se gli organismi a cui appartengono derivano da un progenitore comune e hanno subito un evento di speciazione; paraloghi se derivano da un evento di duplicazione genica. I geni ortologhi hanno generalmente la stessa funzione biologica. Gran parte dei lavori basati su un approccio di tipo comparativo sono stati indirizzati alla ricerca di regioni codificanti. Parallelamente sono nati metodi comparativi per identificare gli elementi regolatori, partendo dal presupposto che questi ultimi, avendo una funzione biologica ben precisa, tendenzialmente sono conservati nei processi evolutivi. Molti ricercatori hanno studiato regioni promotrici mediante l'approccio comparativo. Sequenze di DNA di interi genomi sono state determinate in tempo relativamente breve. Ora occorre carpire l'informazione nascosta dietro le sequenze nucleotidiche di questi organismi. Negli eucarioti lo studio della funzione del gene è ulteriormente complicato dall'uso alternativo di unità di trascrizione, che spesso la produzione dagli stessi geni dà come risultato proteine con attività diverse o addirittura antagonistiche. La disponibilità di sequenze genomiche da diversi organismi modello, inclusi gli esseri umani, nonché la disponibilità di tecnologie a elevate prestazioni per lo studio della funzione dei geni sta fortemente cambiando l'approccio verso i problemi biologici. Oltre a ciò, le moderne tecnologie consentono di ottenere in un singolo esperimento informazioni riguardanti l'espressione di migliaia di geni, nonché di diversi trascritti dello stesso gene e di definire sistematicamente le relazioni tra pattern di espressione dei diversi geni. L'uso intensivo di questa tecnologia da parte di centinaia di laboratori ha portato alla produzione di un'enorme quantità di dati, molti dei quali sono depositati in database pubblici. Oltre a essere utili ad altri ricercatori per confermare i risultati pubblicati, i datasets depositati possono essere usati come substrato per nuove analisi con lo scopo di scoprire moduli funzionali attraverso la ricerca di profili di espressione correlati. Come conseguenza di ciò si ha un "approccio modulare” nel quale numerosi geni sono studiati simultaneamente per realizzare un quadro più comprensibile dei diversi processi cellulari. Recenti studi hanno dimostrato che, se l'espressione di due o più geni è ripetutamente relazionata attraverso molti datasets indipendenti di microarray, i geni mostrano un grado significativo di similitudine funzionale. L'uso di questi dati può essere ulteriormente migliorato ricorrendo alla genomica comparativa. Infatti, la conservazione filogenetica è stata recentemente proposta come forte criterio per l'individuazione di links di co-espressione funzionalmente rilevanti tra i geni. La co-espressione significativa di due o più geni ortologhi tra molte specie è dovuta molto probabilmente a vantaggi selettivi che suggeriscono fortemente una relazione funzionale.