WO2001020024A2 - Verfahren zum ermitteln von nuklein- und/oder aminosäuresequenzen - Google Patents

Verfahren zum ermitteln von nuklein- und/oder aminosäuresequenzen Download PDF

Info

Publication number
WO2001020024A2
WO2001020024A2 PCT/EP2000/007953 EP0007953W WO0120024A2 WO 2001020024 A2 WO2001020024 A2 WO 2001020024A2 EP 0007953 W EP0007953 W EP 0007953W WO 0120024 A2 WO0120024 A2 WO 0120024A2
Authority
WO
WIPO (PCT)
Prior art keywords
sequences
bio
database
species
information
Prior art date
Application number
PCT/EP2000/007953
Other languages
English (en)
French (fr)
Other versions
WO2001020024A3 (de
Inventor
Luca Toldo
Friedrich Rippmann
Original Assignee
Merck Patent Gmbh
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Merck Patent Gmbh filed Critical Merck Patent Gmbh
Priority to AU72759/00A priority Critical patent/AU7275900A/en
Priority to JP2001523795A priority patent/JP2003509062A/ja
Priority to EP00960458A priority patent/EP1224325A2/de
Publication of WO2001020024A2 publication Critical patent/WO2001020024A2/de
Publication of WO2001020024A3 publication Critical patent/WO2001020024A3/de

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • G16B30/10—Sequence alignment; Homology search
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding

Definitions

  • the present invention relates to a method for the detection of DNA and / or nucleic acid sequences and in particular to a method for the detection of such DNA and / or nucleic acid sequences of a given species (hereinafter referred to as "type sequences") which have a potentially increased significance and which are therefore particularly worthwhile research objects.
  • the present invention is based on the object of creating a method for determining DNA and / or nucleic acid sequences, in which those DNA and / or nucleic acid sequences that have a potentially increased significance are specifically selected, that is to say which can be examined with significantly less research effort in terms of specific functions, in particular with regard to a potential relevance to the disease, than would be possible with the other DNA sequences that were not selected in this way.
  • steps b and c could be carried out first and then step a of claim 1.
  • any type sequences of a species of interest are determined using biological or genetic engineering methods.
  • the determined type sequences are in a usual nomenclature as a letter code, the z. B. consists of four letters, stored in a first database.
  • step b all known DNA and / or nucleic acid sequences of a given group of biological species or classes are recorded in a second database in which in general, the functional meanings of such sequences are stored together with the sequences.
  • publicly accessible databases also sometimes contain additional information about the individual sequences.
  • bio-sequences sequences originating from several species
  • sequences of the species of interest are referred to throughout here as “species sequences”.
  • the given group of species or classes may, but need not, contain the species of interest.
  • step c the bio sequences recorded in a database according to step b are compared in a homology test with the already known and possibly stored in the same database type sequences (of the type of interest), with the simplest possible homology test due to the relatively large number of sequences to be compared should be used. If the homology between the known art sequences and the known bio sequences then lies above a certain threshold value, then all of these bio sequences homologous to known art sequences are separated out from the database to be considered further in accordance with step d. This means that the amount of the remaining known bio sequences compared to the publicly known bio sequences is not only reduced by a restriction to a group of specific species, but also to those sequences for which no homologous species sequences have been determined to date.
  • step e The DNA / nucleic acid sequences stored or newly determined according to step a are then compared in step e with this remaining, reduced stock of bio sequences in a homology test.
  • the type sequence and the biological sequence homologous to it are expediently adapted to one another in order to confirm the homology and to better understand the corresponding sections of the sequences. If the homology is above a predetermined second limit value, the relevant bio sequences are stored in accordance with step f together with at least one link that uniquely identifies the associated bio sequence, or are output as a potentially significant type sequence.
  • references are recorded in the publicly accessible databases, which are stored there in the second, public database relating to biological sequences, namely to the bio-sequences, which were previously determined as homologs to new art sequences, preferably using and evaluating such information that points to a taxonomically organized database.
  • a taxonomically organized database contains selected keywords for the respective biological sequences according to uniform scientific criteria, which are then compared in step h with a predetermined list of keywords, which list is in turn selected so that it covers the research areas of a user.
  • the relevant bio sequence and the associated type sequence are therefore only obtained in the data stock to be defined as worthwhile target objects if there are correspondences between a given keyword list and the keywords assigned according to taxonomic criteria in the corresponding database (third database).
  • the relevant keywords which in a way represent functional meanings, in turn allow more targeted research into the special properties of a style sequence.
  • the database in which newly determined style sequences are stored for further investigation can be a public database, but is usually a private database to which only the user or a few users have access, but not the public.
  • the second database which also contains additional information on the relevant bio-sequences and references to other databases and information stored therein, generally has public access.
  • a third database which is particularly suitable for the purposes of the present invention and contains keywords (MeSH terms) selected according to taxonomic criteria is the so-called “MEDLINE” database.
  • This database contains an identification number for each biomedical reference and additional information together with a A number of other data, including keywords that are referred to as "medicai subject headings".
  • keywords that are referred to as "medicai subject headings”.
  • the MEDLINE database contains a so-called sequence identifier, which is preferably used as one of the necessary links.
  • the method according to the invention automatically passing homology tests and targeted filtering and Apart from information sources, comprehensive information about an art sequence is generated, which characterize the meaning and function of the sequence and enable targeted research. All type sequences for which functions and meanings can be determined in this way are supplemented by this additional information. However, they can be accessed again at any time if the database in the second (publicly accessible) database has been expanded accordingly, so that in this way, separate art sequences can later turn out to be worthwhile target objects.
  • the homology tests that are carried out between type sequences and bio sequences are preferably carried out in a pipeline process, so that complete data sets do not always have to be recorded and managed.
  • FIG. 2 shows a diagram of databases and database links as they are used for the further evaluation of information according to the present invention
  • FIG. 3 shows the display of a screen display with control fields and information fields for a (hypothetical) nucleic acid sequence.
  • the public sequence database already contains data about the species of interest. Therefore, a homology test is first carried out between the sequences of the species of interest documented in the public database with the bio-sequences of the selected group of species stored in the same database. All bio sequences that are homologous to the art sequences already stored in the public database are discarded, since they have apparently already been or are the subject of corresponding research.
  • results of this method step are expediently logged, so that when the same process is repeated, e.g. B. a week later, all bio sequences that have already been sorted out are disregarded from the outset, which speeds up the process considerably.
  • the homology test can then be limited to the newly added biological sequences or, conversely, the previously not separated biological sequences must still be compared in a homology test with newly added biological sequences.
  • bio sequences are then compared with the newly determined art sequences in a homology test.
  • homologous bio-sequences are found for some of the newly determined art sequences.
  • a list or table of the type sequences and the newly found, homologous bio-sequences is then prepared, and additional information from the public database is also adopted in this table or list.
  • a further step (h) of the method consists in classifying the type sequences output or stored in step f), ie. H. Classification (sorting) into certain classes of sequences by linguistic analysis of text definitions of the additional information stored for the homologous bio-sequences. This enables a division into partial data records, which in turn can only be supplemented by a part of the other databases
  • step i the property information of the homologous biological sequences to be assigned to the potentially significant type sequences is supplemented by recording information (links) on the biological sequences recorded according to step f) in the second database on at least a third database and recording the biological sequences mentioned in the third database stored information
  • the third database should provide a classification that is taxonomically organized in at least some areas, preferably the so-called MEDLINE database.
  • the keywords assigned to the respective bio sequences according to taxonomic criteria are compared with a predetermined list or file of keywords, and matching keywords as well as the relevant bio sequences and the homologous art sequences sequences or an identifier of the same, for which matching keywords with the specified list of keywords were found, are output.
  • B. can be selected from the group consisting of the Unigene, Genemap and GDB (new) as well as OMIM, KEGG and UMLS databases.
  • the species of interest is primarily that of Homo sapiens, but the method according to the invention can also be used for another species with a substantially similar purpose.
  • step c in claim 1 already known species sequences of the species of interest are compared with the biological sequences in a homology test which belong to a predetermined group of biological sequences which are stored in the second database.
  • a further homology test is then carried out with the type sequences which were determined in accordance with step a, using the bio sequences remaining from the second database, which had not previously been determined as a homologue to known type sequences.
  • This step is designated in Fig. 1 with "Blastn proprietary genes”. If homologous bio-sequences have been found, the best possible adaptation and alignment takes place (this step is labeled "bestfit" in FIG. 1) and the data characterizing the adaptation, length and alignment are stored together with the relevant sequence.
  • the status 0 assigned to the corresponding bio sequences means that these bio sequences continue to remain in the pool of data of interest.
  • bio-sequences remain in the reduced and interesting data pool for which homologues could neither be found under the determined art sequences nor under the already known art sequences.
  • a screen display is shown schematically, which a mortgage results of a determination of potentially significant style sequences according to the invention. It should be pointed out, however, that the result shown is not a real product, but merely a hypothetical, artificially synthesized result, which, however, can in principle be used to read off all the essential steps and results of a typical exemplary embodiment.
  • the left side of the screen shows a number of command and parameter fields that the user can operate. For example, he selects a limit value parameter in field 1.2, which specifies the minimum length of homology between type sequence and bio sequence, which according to the homology test and the best possible adaptation match the nucleic acids of the homologous sequence. The limit of a percentage match is shown in field 1.3. In field 1.4 e.g. a keyword is entered which is to be searched in connection with the corresponding homologous sequences.
  • the other control panels are self-explanatory.
  • Fig. 3 shows that 124 species sequences have one or more bio-sequences which are homologous with a percentage identity greater than 95% and have a homology length greater than 500 base pairs.
  • the MeSH entries have terms that are mainly associated with CNS (Central Nervous System).
  • Fig. 3 shows the fifth style sequence out of the 124 entries, which is designated with the number sequence 44567.
  • the biosequences, which are homologous with the species sequence are indicated in the right half of the picture under "seeds".
  • the Medline database and the MEDLINE identifier (block "Medline ID"), which is registered in many other databases, plays a key role here.
  • the sequences given under "seeds" are characterized by a gene bank identifier.
  • This Entries identified by the genebank identifier can also contain medline identifiers, among other things.
  • the titles of the corresponding entries can be determined from the MEDLINE database using this Medline identifier.
  • references to certain enzymes which are associated with the gene segment in question are often stored in this database, and this in turn results in the biochemical reaction pathways which are influenced by these enzymes.
  • the MEDLINE identifier can also be used to obtain further information from other databases, e.g. about pathological information, the location of genes on certain chromosome sections, etc.
  • the sequence 44567 shows the biochemical name, the creation date of the information, and the position of the gene segment on a chromosome at 17q23. Beneath this are genes that are located on the same chromosome arm.
  • the UNIGENE database contains information about clusters from gene fragments (EST clusters) that are identified by a specific number (Hs.198237).
  • the number of ESTs in this cluster in relation to the total number of components of the present sequence is given as 54/82.
  • Proangiotensin-angiotensin indicates the most likely metabolic pathways or chemical reactions to which the known bio-sequences belong.
  • BRAIN also indicates the organ in which the relevant sequences are found most frequently. The organ distribution of the EST components is illustrated by different bar lengths. The most likely area of a disease indication, which was determined in connection with the data comparison, is indicated with CNS. In the left half you can still see a horizontal row of bars, with the length of these bars corresponding to the type sequence and the associated bio-sequences or sequence sections indicated in the corresponding line.
  • the bio-sequences are listed in detail under "seeds", including their percentage agreement and the length of the corresponding sequence segments.
  • the titles of the relevant magazines, the enzymes, and various keywords are also given.
  • KIF Knowledge Interchange Format

Landscapes

  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biophysics (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

Die vorliegende Erfindung betrifft ein Verfahren zum Ermitteln potentiell bedeutsamer DNA- und/oder Nukleinsäuresequenzen einer interessierenden Spezies (Artsequenzen). Um ein Verfahren zum Ermitteln von DNA- und/oder Nukleinsäuresequenzen zu schaffen, bei welchem gezielt solche DNA- und/oder Nukleinsäuresequenzen herausselektiert werden, die eine potentiell erhöhte Bedeutsamkeit haben, das heisst die mit erheblich weniger Forschungsaufwand gezielt im Hinblick auf bestimmte Funktionen untersucht werden können, insbesondere im Hinblick auf eine potentielle Kranheitsrelevanz.

Description

Verfahren zum Ermitteln von Nuklein- und/oder Aminosäuresequenzen
Die vorliegende Erfindung betrifft ein Verfahren zum Erfassen von DNA- und/oder Nukleinsauresequenzen und insbesondere ein Verfahren zur Erfassung solcher DNA- und/oder Nukleinsauresequenzen einer gegebenen Spezies (im folgenden kurz als „Artsequenzen" bezeichnet), die eine potentiell erhöhte Bedeutsamkeit haben und die somit besonders lohnenswert erscheinende Forschungsobjekte sind.
Die Biowissenschaften und insbesondere die Gentechnologie haben in den vergangenen Jahren eine besonders rasante Entwicklung durchlaufen. Grundlage hierfür waren zum Beispiel neue Verfahren zur Erzeugung und Vervielfältigung von gentechnischem Material, wie z. B. die Poly- merase-Kettenreaktion (PCR) und immer bessere Methoden zur Aufspaltung genetischen Materials und zur Identifizierung der Bruchstücke im Detail, das heißt der genauen Abfolge von Nukleinsäuren, die entlang eines Genabschnittes angeordnet sind.
Dies hat dazu geführt, daß die Zahl der in ihrem genauen Aufbau ermittelten Genabschnitte verschiedener Arten immer schneller angewachsen ist und weiterhin anwächst. Ein sehr anspruchsvolles, aber in wenigen Jahren womöglich bereits erreichtes Ziel liegt in der vollständigen Erfassung des menschlichen Genoms, das heißt der Erfassung sämtlicher Sequenzen, aus denen die menschlichen Gene zusammengesetzt sind, einschließlich der genauen Reihenfolge von Nu- kleinsäuren innerhalb der Sequenzen und der relativen Anordnung der einzelnen Sequenzen zueinander.
Auch wenn die Anordnung und Positionierung bestimmter Sequenzen schon eine nützliche Zusatzinformation bei der Ermittlung der funktionellen Bedeutung der betreffenden Sequenzen iie- fern kann, so ist doch die reine Kenntnis einer bestimmten Sequenz (Nukleinsäure- oder DNA- Sequenz) nur von sehr geringem Wert, solange man die genaue Funktion und Bedeutung des betreffenden Genabschnittes nicht erkannt und verstanden hat. Gerade dies spielt aber in der wissenschaftlichen Forschung und insbesondere in der Medizin eine immer größere Rolle. So sind z. B. bestimmte Krankheiten mit der konkreten Ausgestaltung ganz bestimmter Genab- schnitte aufs Engste verknüpft und die genaue Kenntnis des funktionellen Zusammenhanges zwischen einem bestimmten Genabschnitt und der Ausprägung eines bestimmten Krankheitsbildes kann daher von enormer therapeutischer Bedeutung sein, da sich dann viel leichter Pharma- zeutika entwickeln lassen, die exakt ein krankhaftes Defizit ausgleichen. Gegebenenfalls kann sogar eine vollständige Heilung dadurch herbeigeführt werden, daß durch Gabe eines Therapeu- tikums, z. B eines Inhibitors eines Genproduktes eines kranheitsrelevanten Gens, der gesunde Gleichgewichtszustand wieder erreicht wird. Dies gilt selbstverständlich nicht nur für die menschliche Spezies, sondern im Prinzip für jede Art von Lebewesen, das heißt sowohl für alle Tier- und Pflanzenarten als auch für mikrobiologische Arten.
Wie bereits erwähnt, ist das reine Auffinden immer neuer DNA- oder Nukleinsauresequenzen ohne Kenntnis von deren funktionaler Bedeutung eine relativ nutzlose Sammlung von Daten, da es kaum möglich ist, in gezielter biologischer bzw. medizinischer Forschung die funktionale Bedeutung einzelner Sequenzen oder Sequenzabschnitte auch nur annähernd in dem Tempo zu ermitteln, in dem neue Sequenzen ermittelt werden.
Außerdem ist die Ermittlung der funktionellen Bedeutung von DNA-Sequenzen, auf deren Funktion es keinerlei Hinweise gibt, neben dem dafür erforderlichen Zeitaufwand auch außerordentlich kosten- und personalintensiv und bindet damit viele Kapazitäten.
Ausgehend von diesem Stand der Technik liegt der vorliegenden Erfindung die Aufgabe zugrunde, ein Verfahren zum Ermitteln von DNA- und/oder Nukleinsauresequenzen zu schaffen, bei welchem gezielt solche DNA- und/oder Nukleinsauresequenzen herausselektiert werden, die eine potentiell erhöhte Bedeutsamkeit haben, das heißt die mit erheblich weniger Forschungsaufwand gezielt im Hinblick auf bestimmte Funktionen untersucht werden können, insbesondere im Hinblick auf eine potentielle Kranheitsrelevanz, als dies bei den übrigen, nicht auf diese Weise selektierten DNA-Sequenzen möglich wäre.
Diese Aufgabe wird durch die Merkmale des Anspruchs 1 gelöst, wobei die abhängigen Ansprüche vorteilhafte Ausgestaltungen der Erfindung darstellen, durch die die Selektion nochmals ver- feinert wird und durch die zusätzliche Informationen gewonnen werden, welche den notwendigen Forschungsaufwand noch weiter reduzieren.
Das erfindungsgemäße Verfahren besteht aus mehreren Schritten, wobei die Reihenfolge der nachstehend aufgelisteten Schritte jedoch mindestens teilweise auch variabel ist. Zum Beispiel könnten zunächst die Schritte b und c und anschließend erst der Schritt a des Anspruchs 1 ausgeführt werden.
Gemäß Schritt a werden im Prinzip beliebige Artsequenzen einer interessierenden Spezies mit biologischen bzw. gentechnischen Methoden ermittelt. Die ermittelten Artsequenzen werden in einer üblichen Nomenklatur als Buchstabencode, der z. B. aus vier Buchstaben besteht, in einer ersten Datenbank gespeichert.
Weiterhin werden gemäß Schritt b alle bekannten DNA- und/oder Nukleinsauresequenzen einer vorgegebenen Gruppe biologischer Arten oder Klassen in einer zweiten Datenbank erfaßt, in der im allgemeinen auch die funktionalen Bedeutungen solcher Sequenzen zusammen mit den Sequenzen gespeichert sind. Derartige, öffentlich zugängliche Datenbanken enthalten außerdem mitunter weitere Zusatzinformationen zu den einzelnen Sequenzen. Lediglich zur besseren Unterscheidung werden diese von mehreren Arten stammenden Sequenzen hier kurz als „Biose- quenzen" bezeichnet, während Sequenzen der interessierenden Spezies hier durchgehend als „Artsequenzen" bezeichnet werden. Die vorgegebene Gruppe von Arten oder Klassen kann, muß jedoch nicht die interessierende Spezies enthalten. Im Gegenteil, gemäß der vorliegenden Erfindung sind es gerade die über andere Arten in solchen Datenbanken enthalten Informationen, die gemäß der vorliegenden Erfindung mit einem ausgeklügelten Verfahren selektiert werden, die dann durch die Verknüpfung mit anderen Informationsquellen mit Hilfe des erfindungsgemäßen Verfahrens indirekt Hinweise auf die Bedeutung bestimmter Sequenzen der interessierenden Art liefern.
Gemäß Schritt c werden die in einer Datenbank gemäß Schritt b erfaßten Biosequenzen mit den ebenfalls bereits bekannten und möglicherweise in derselben Datenbank gespeicherten Artsequenzen (der interessierenden Art) in einem Homologietest verglichen, wobei wegen der relativ großen Zahl der miteinander zu vergleichenden Sequenzen ein möglichst einfacher Homologietest verwendet werden sollte. Liegt dann die Homologie zwischen den bekannten Artsequenzen und den bekannten Biosequenzen über einem gewissen Schwellenwert, so werden all diese zu bekannten Artsequenzen homologen Biosequenzen gemäß Schritt d aus dem weiter zu betrachtenden Datenbestand ausgesondert. Damit ist die Menge der verbleibenden, bekannten Biosequenzen gegenüber den insgesamt öffentlich bekannten Biosequenzen nicht nur durch eine Beschränkung auf eine Gruppe bestimmter Arten reduziert, sondern darüber hinaus auch noch auf diejenigen Sequenzen, zu denen bisher keine homologen Artsequenzen ermittelt wurden.
Die gemäß Schritt a gespeicherten bzw. neu ermittelten DNA-/Nukleinsäuresequenzen werden dann in Schritt e mit diesem verbleibenden, reduzierten Bestand an Biosequenzen in einem Homologietest verglichen. Zweckmäßigerweise werden zur Bestätigung der Homologie und zum besseren Verständnis der übereinstimmenden Abschnitte der Sequenzen die Artsequenz und die hierzu homologe Biosequenz aneinander angepaßt. Wenn die Homologie über einem vorgegebenen zweiten Grenzwert liegt, so werden die betreffenden Biosequenzen gemäß Schritt f zusammen mit mindestens einem die zugehörige Biosequenz eindeutig identifizierenden Verknüpfungsglied abgespeichert bzw. als potentiell bedeutsame Artsequenz ausgegeben.
Durch die Verknüpfung mit einer oder mehreren bestimmten Biosequenzen, zu denen bereits Funktionsbeschreibungen und andere Zusatzinformationen bekannt sind, kann man sehr gezielt nach analogen Funktionen der neu ermittelten Artsequenzen suchen und hat dabei auch einen sehr hohen Grad von Erfolgswahrscheinlichkeit mit verhältnismäßig niedrigem Aufwand. Diese erhöhte Erfolgswahrscheinlichkeit bei niedrigem Aufwand macht die betreffenden Artsequenzen zu Artsequenzen potentiell erhöhter Bedeutsamkeit, da andere von ihrer Struktur und Länge her gleichwertige Artsequenzen, zu denen aber keine Homologe mit bekannten Funktionen existieren, einen erheblich größeren Aufwand bei der Ermittlung ihrer funktionellen Bedeutung erfordern würden.
Allgemein werden verschiedene Informationspools durch die vorliegende Erfindung auf eine besondere, strategisch günstige Weise so miteinander verknüpft, daß ein Maximum an Information zu einer Sequenz mit einem in der Praxis noch machbaren Minimum an Aufwand gewonnen wird. Dagegen würde eine nach üblichen mathematischen Kriterien vorgenommene wechselseitige Verknüpfung aller zu jeweils einer Sequenz und deren Homologen gespeicherten Daten aus einer größeren Gruppe von biomedizinischen Datenbanken, wie sie vorliegend verwendet werden, alle derzeit verfügbaren Rechenkapazitäten bei weitem übersteigen.
Bei dem erfindungsgemäßen Verfahren lassen sich daher nicht nur wesentlich schneller und si- cherer Erfolge bei der Entwicklung von Medikamenten und der Therapie von Krankheiten erzielen, sondern es ist diese Erfolgswahrscheinlichkeit bei gleichzeitig reduziertem Forschungsaufwand beträchtlich erhöht.
Um diesen Aufwand noch weiter zu reduzieren, ist in einer bevorzugten Ausführungsform der Erfindung vorgesehen, daß gemäß einem weiteren Schritt g in den öffentlich zugänglichen Datenbanken Hinweise (Links) erfaßt werden, die dort zu Biosequenzen in der zweiten, öffentlichen Datenbank gespeichert sind, und zwar zu den Biosequenzen, die zuvor als Homologe zu neuen Artsequenzen ermittelt wurden, wobei vorzugsweise solche Hinweise ausgewertet und verwendet werden, die auf eine taxonomisch organisierte Datenbank hinweisen. Eine solche taxonomisch organisierte Datenbank enthält zu den jeweiligen Biosequenzen nach einheitlichen wissenschaftlichen Kriterien ausgewählte Stichworte, die dann gemäß Schritt h mit einer vorgegebenen Liste von Stichworten verglichen werden, wobei diese Liste wiederum so ausgewählt ist, daß sie die Forschungsgebiete eines Benutzers abdeckt. Die betreffende Biosequenz und die zugehörige Artsequenz werden also nur dann in dem als lohnende Zielobjekte zu definierenden Datenbe- stand erhalten, wenn Übereinstimmungen zwischen einer vorgegebenen Stichwortliste und den nach taxonomischen Kriterien vergebenen Stichwörtern in der entsprechenden Datenbank (dritte Datenbank) bestehen. Die betreffenden Stichwörter, die in gewisser Weise funktionale Bedeutungen repräsentieren, lassen dann wiederum eine gezieltere Forschung nach den speziellen Eigenschaften einer Artsequenz zu.
Die Datenbank, in welcher neu ermittelte Artsequenzen für eine weitere Untersuchung gespeichert werden, kann eine öffentliche Datenbank sein, dürfte im Regelfall aber eine private Datenbank sein, zu der jeweils nur der Benutzer oder einige wenige Benutzer Zugang haben, jedoch nicht die Öffentlichkeit. Dagegen hat die zweite Datenbank, in der auch Zusatzinformationen zu den betreffenden Biosequenzen und Hinweise auf andere Datenbanken und darin gespeicherte Informationen enthalten sind, im allgemeinen eine öffentliche Zugangsmöglichkeit.
Eine für die Zwecke der vorliegenden Erfindung besonders geeignete dritte Datenbank, die nach taxonomischen Kriterien ausgewählte Stichworte (MeSH Begriffe) enthält, ist die sogenannte „MEDLINE"-Datenbank. Diese Datenbank enthält zum einen eine Identifikationsnummer für jede biomedizinische Literaturstelle und zusätzliche Informationen zusammen mit einer Reihe weiterer Daten, und unter anderem auch Stichworte, die als „medicai subject headings" bezeichnet werden. Darüber hinaus gibt es Hinweise auf Fundstellen, Autoren, Veröffentlichungen. Und sogenannte RN Nummern.
Daneben enthält die MEDLINE Datenbank einen sogenannten Sequenz Identifier, der vorzugs- weise als eines der notwendigen Verknüpfungsglieder benutzt wird.
Auf diese Weise ist es möglich, für einen Benutzer umfassende Informationen zu erzeugen und zusammenzustellen, der ursprünglich lediglich DNA-/Nukleinsäuresequenzen vorliegen hatte, zu denen keinerlei Informationen bekannt waren, wobei durch das erfindungsgemäße Verfahren automatisch auf dem Weg über Homologietests und das gezielte Filtern und Aussondern von Informationsquellen umfassende Informationen zu einer Artsequenz erzeugt werden, die Bedeutung und Funktion der Sequenz charakterisieren und eine gezielte Forschung ermöglichen. Alle Artsequenzen, für die auf diese Weise Funktionen und Bedeutungen ermittelt werden können, werden um diese Zusatzinformationen ergänzt. Sie können jedoch jederzeit wieder aufgegriffen werden, wenn der Datenbestand in der zweiten (öffentlich zugänglichen) Datenbank entsprechend erweitert worden ist, so daß sich auf diese Weise auch zunächst ausgesonderte Artsequenzen bei einem späteren Durchlauf als lohnenswerte Zielobjekte herausstellen können.
Die Homologietests, die zwischen Artsequenzen und Biosequenzen durchgeführt werden, wer- den vorzugsweise in einem Pipelineverfahren durchgeführt, so daß nicht immer komplette Datenbestände erfaßt und verwaltet werden müssen.
Weiterhin ist es zweckmäßig, wenn auch über die bereits erwähnten Datenbanken hinaus weitere Datenbanken nach Verknüpfungen insbesondere mit der dritten Datenbank (MEDLINE) durch- sucht werden, um im Falle einer entsprechenden Verknüpfung auch die Zusatzinformationen aus diesen zusätzlichen Datenbanken zu verwerten. Hierzu zählen insbesondere auch die als „OMIM" und „KEGG" bezeichneten Datenbanken. Auch ohne weitere Ausführungen wird davon ausgegangen, daß ein Fachmann die obige Beschreibung im weitesten Umfang nutzen kann. Die bevorzugten Ausführungsformen und Beispiele si nd deswegen lediglich als beschreibende, keineswegs als in irgendeiner Weise limitierende Offenbarung aufzufassen.
Die vollständige Offenbarung aller vor- und nachstehend aufgeführten Anmeldungen, Patente und Veröffentlichungen, sowie der korrespondierenden Anmeldung 199 41 606.0, eingereicht am 1. September 1999 sind durch Bezugnahme in diese Anmeldung eingeführt.
Ein Ausführungsbeispiel der Erfindung wird im folgenden anhand von Figuren erläutert, woraus sich weitere Vorteile, Merkmale und Anwendungsmöglichkeiten der vorliegenden Erfindung ergeben. Es zeigen:
Fig. 1 ein Schema zur Reduktion der ermittelten Artsequenzen, wie es den Schritten a bis f in Anspruch 1 entspricht,
Fig. 2 ein Schema von Datenbanken und Datenbankverknüpfungen, wie sie für das weitere Auswerten von Informationen gemäß der vorliegenden Erfindung verwendet werden und
Fig. 3 die Wiedergabe einer Bildschirmdarsteilung mit Bedienfeldern und Informationsfeldern zur einer (hypothetischen) Nukleinsäuresequenz.
Generell werden zunächst alle z. B. im Laufe einer Woche neu ermittelten DNA-Sequenzen bzw. Nukleinsauresequenzen in einer üblichen Nomenklatur (in den standardmäßigen Buchstaben- codes) in einer Datenbank gespeichert, wobei außerdem noch eine Identifikationsnummer oder irgendeine andere Codierung zur Identifikation der betreffenden Sequenz vergeben und gleichzeitig abgespeichert wird. Weitere, zusätzlich mit abzuspeichernde Informationen sind z. B. die Sequenzlänge, die Art und andere Zusatzinformationen, die unmittelbar zusammen mit der Ermittlung einer solchen Sequenz zur Verfügung stehen. Die folgenden Verfahrensschritte laufen dann automatisch ab. Es wird auf eine öffentlich zugängliche Sequenzdatenbank zugegriffen, die DNA- und/oder Nukleinsauresequenzen der verschiedenen Arten enthält. Dabei wird durch die ursprüngliche Eingabe der interessierenden Spezies (z. B. Homo sapiens) bereits eine Einschränkung auf eine bestimmte Gruppe von Arten vorgenommen, von denen man sinnvollerweise eine Korrelation und funktionale Ähnlichkeit zu Genabschnitten der interessierenden Art ver- muten kann.
Die öffentliche Sequenzdatenbank enthält bereits Daten über die interessierende Art. Daher wird zunächst ein Homologietest zwischen den in der öffentlichen Datenbank dokumentierten Sequenzen der interessierenden Art mit den Biosequenzen der entsprechend ausgewählten Gruppe von Arten, die in derselben Datenbank gespeichert sind. Dabei werden alle Biosequenzen, die homolog zu den bereits in der öffentlichen Datenbank gespeicherten Artsequenzen sind ausgesondert, da sie offenbar schon Gegenstand entsprechender Forschungen waren bzw. sind.
Zweckmäßigerweise werden die Ergebnisse dieses Verfahrensschrittes protokolliert, so daß bei einer Wiederholung desselben Vorganges z. B. eine Woche später alle bereits einmal ausgesonderten Biosequenzen von vornherein außer Betracht bleiben, was den Verfahrensablauf beträchtlich beschleunigt. Der Homologietest kann sich dann auf die neu hinzugekommenen Biosequenzen beschränken bzw. umgekehrt die zuvor nicht ausgesonderten Biosequenzen müssen noch in einem Homologietest mit neu hinzugekommenen Artsequenzen verglichen werden.
Damit wird jedoch der Ausgangsdatenbestand beträchtlich verringert.
Die noch verbleibenden Biosequenzen werden dann mit den neu ermittelten Artsequenzen in einem Homologietest verglichen. Dabei werden im Regelfall für einige der neu ermittelten Artsequenzen homologe Biosequenzen gefunden. Sodann wird eine Liste bzw. Tabelle der Artsequenzen und der dazu neu gefundenen, homologen Biosequenzen angefertigt und in diese Tabelle bzw. Liste werden auch zusätzliche Informationen aus der öffentlichen Datenbank übernommen, wie z. B. eine medline-ldentitätsnummer, die möglicherweise zu einer bekannten Bio- sequenz gespeichert ist.
Ein weiterer Schritt (h) des Verfahrens besteht im Klassifizieren der in Schritt f) ausgegebenen bzw. gespeicherten Artsequenzen, d. h. Einordnen (Sortieren) in bestimmte Klassen von Sequenzen durch linguistische Analyse von Textdefinitionen der zu den homologen Biosequenzen gespeicherten Zusatzinformationen. Dies ermöglicht eine Aufteilung in Teildatensätze, die für deren Ergänzung wiederum nur ein Teil der sonstigen Datenbasen in Frage kommt
Weiterhin erfolgt gemäß Schritt i ein Ergänzen der den potentiell bedeutsamen Artsequenzen zuzuordnenden Eigenschaftsinformationen der jeweils homologen Biosequenzen durch Erfassen von Hinweisen (Links) zu den gemäß Schritt f) erfaßten Biosequenzen in der zweiten Datenbank auf mindestens eine dritte Datenbank und Erfassen der zu den erwähnten Biosequenzen in der dritten Datenbank gespeicherten Informationen
Die dritte Datenbank sollte eine mindestens in Teilbereichen taxonomisch organisierte Klassifika- tion bereitstellen, vorzugsweise handelt es sich dabei um die sogenannte MEDLINE Datenbank.
Erfindungsgemäß werden die nach taxonomischen Kriterien den jeweiligen Biosequenzen zugeordneten Stichworte mit einer vorgegebenen Liste bzw. Datei von Stichworten verglichen und übereinstimmende Stichworte sowie die betreffenden Biosequenzen und die homologen Artse- quenzen bzw. jeweils eine Kennung derselben, für die übereinstimmende Stichworte mit der vorgegebenen Liste von Stichworten gefunden wurden, werden ausgegeben.
Neben der MEDLINE Datenbank oder auch ersatzweise hierfür werden auch Informationen aus weiteren Datenbanken verwendet, die z. B. aus der Gruppe ausgewählt werden, die aus den Unigene, Genemap und GDB (neu) sowie OMIM-, KEGG- und UMLS-Datenbanken besteht.
In erster Linie ist die interessierende Spezies die des Homo sapiens, wobei aber das erfindungsgemäße Verfahren für eine andere Spezies mit im wesentlichen ähnlicher Zielsetzung ebenso verwendet werden kann.
Mit Bezug auf die Figuren werden nun der Ablauf und das Ergebnis eines hypothetischen Ausführungsbeispiel etwas genauer erläutert. Wie bereits erwähnt, werden gemäß Schritt c in Patentanspruch 1 bereits bekannte Artsequenzen der interessierenden Spezies mit den Biosequen- zen in einem Homologietest verglichen, die zu einer vorgegebenen Gruppe von Biosequenzen gehören, welche in der zweiten Datenbank gespeichert sind. Dieser Schritt ist in Fig. 1 mit "blastx humprot" bezeichnet. Sofern homologe Sequenzen gefunden wurden, wird den zu den bereits bekannten Artsequenzen homologen Biosequenzen ein bestimmter Status (hier Status = 2) zugeordnet und diese Biosequenzen werden entsprechend gekennzeichnet und aus dem interes- sierenden Pool der zweiten Datenbank ausgesondert.
Anschließend erfolgt mit den Artsequenzen, die gemäß Schritt a ermittelt wurden, ein weiterer Homologietest mit den aus der zweiten Datenbank verbleibenden Biosequenzen, die bis dahin noch nicht als Homologe zu bekannten Artsequenzen ermittelt wurden. Dieser Schritt ist in Fig. 1 mit "Blastn proprietary genes" bezeichnet. Sofern homologe Biosequenzen gefunden wurden, erfolgt die bestmögliche Anpassung und Ausrichtung (dieser Schritt ist in Fig. 1 mit "bestfit" bezeichnet) und die die Anpassung, Länge und Ausrichtung kennzeichnenden Daten werden zusammen mit der betreffenden Sequenz gespeichert. Der den entsprechenden Biosequenzen zugeordnete Status 0 bedeutet, daß diese Biosequenzen weiterhin in dem interessierenden Pool an Daten verbleiben.
Ebenso verbleiben auch diejenigen Biosequenzen in dem interessierenden und reduzierten Datenpool, zu welchen weder unter den ermittelten Artsequenzen noch unter den bereits bekannten Artsequenzen Homologe zu finden waren.
Auf diese Weise werden Datensätze erzeugt, welchen neu ermittelten Artsequenzen entsprechende homologe Biosequenzen zugeordnet sind. Der Benutzer des erfindungsgemäßen Systems bedient dieses zweckmäßigerweise von einem Bildschirmarbeitsplatz mit entsprechenden Einrichtungen. In Fig. 3 ist schematisch eine Bildschirmanzeige wiedergegeben, die ein hypothe- tisches Ergebnis einer Ermittlung potentiell bedeutsamer Artsequenzen gemäß der Erfindung zeigt. Dabei ist allerdings darauf hinzuweisen, daß das dargestellte Ergebnis kein Realerzeugnis, sondern lediglich ein hypothetisches, künstlich synthetisiertes Ergebnis ist, an welchem jedoch prinzipiell alle wesentlichen Schritte und Ergebnisse eines typischen Ausführungsbeispiels ab- gelesen werden können.
Der Bildschirm zeigt am linken Rand eine Reihe von Befehls- und Parameterfeldern, die der Benutzer bedienen kann. Beispielsweise wählt er in dem Feld 1.2 einen Grenzwertparameter aus, der die minimale Länge der Homologie zwischen Artsequenz und Biosequenz angibt, die gemäß Homologietest und bestmöglicher Anpassung mit den Nukleinsäuren der homologen Sequenz übereinstimmen. In Feld 1.3 wird der Grenzwert einer prozentualen Übereinstimmung wiedergegeben. In Feld 1.4 kann z.B. ein Stichwort eingegeben werden, welches in Verbindung mit den entsprechenden homologen Sequenzen gesucht werden soll.
Die übrigen Bedienfelder sind selbsterklärend.
Nachdem der/die Benutzer/in entsprechende Parameter ausgewählt hat und das zugrunde liegende Programm startet, erhält er/sie nach kurzer Zeit eine Liste von Artsequenzen, die eine oder mehrere Biosequenzen Homologe haben, welche den Kriterien der Benutzereingabe ent- sprechen. Zum Beispiel zeigt Abb. 3, daß 124 Artsequenzen eine oder mehrere Biosequenzen haben, welche homolog mit einer prozentualen Identität größer als 95% sind und über eine Homologielänge größer als 500 Basenpaaren verfügen. Darüber hinaus haben die Einträge MeSH Begriffe, die hauptsächlich mit CNS (Zentrales Nerven System) assoziiert sind. Von den 124 Einträgen zeigt Abb. 3 die fünfte Artsequenz, welche mit der Ziffernfolge 44567 bezeichnet ist. Die Biosequenzen, die homolog sind mit der Artsequenz, sind in der rechten Bildhälfte unter "seeds" angegeben. Dabei sind, um diese Zuordnung einzelner Daten aus umfangreichen Dateien zu einer bestimmten vorgegebenen Artsequenz einschließlich der vielen Zusatzinformationen erzeugen zu können, mehrere Schritte notwendig, die allerdings in einem entsprechenden Programm automatisch ablaufen, wobei die Abläufe schematisch an Fig. 2 erläutert werden sollen. Aus dem Homologietest, der in Fig. 1 mit "blast proprietary genes" bezeichnet ist und aus den sich daraus ergebenden Homologen in der zweiten Datenbank, lassen sich aus der zweiten Datenbank sogenannte Genbank Identifier (Genbank ID) ermitteln, die wiederum auch in anderen Datenbanken abgelegt sind, und so eine Relation zwischen verschiedenen Nuklein- und/oder Aminosäuresequenzen und anderen, in den Datenbanken gespeicherten Informationen herstel- len.
Eine Schlüsselfunktion kommt dabei der Medline-Datenbank und dem darin festgelegten MED- LINE-Identifier (Block "Medline ID") zu, der in vielen anderen Datenbanken registriert ist. Die unter "seeds" angegebenen Sequenzen sind durch einen Genbank Identifier charakterisiert. Diese durch den Genbank Identifier bezeichneten Einträge können unter anderem auch Medline Identifier enthalten. Aus der MEDLINE Datenbank lassen sich die Titel der entsprechenden Einträge mit Hilfe dieser Medline identifier ermitteln. Außerdem sind in dieser Datenbank oft auch Hinweise auf bestimmte Enzyme abgelegt, die mit dem betreffenden Genabschnitt in Verbindung ge- bracht werden und hieraus ergeben sich wiederum die biochemischen Reaktionspfade, die von diesen Enzymen beeinflußt werden. Über den MEDLINE-Identifier lassen sich außerdem weitere Informationen aus anderen Datenbanken gewinnen, z.B. über pathologische Informationen, die Lokalisierung von Genen auf bestimmten Chromosomenabschnitten etc.
Auf dem Bildschirm wird dann nach dem Durchlauf eines entsprechenden Programms eine ganze Reihe von Informationen wiedergegeben, die neben der wahrscheinlichen Lokalisierung der neu ermittelten Artsequenz eine ganze Reihe von Hinweisen auf dessen Funktion, Organverteilung und Krankheitsrelevanz gibt. Im vorliegenden Fall, der, wie bereits erwähnt, nur hypothetische Informationen zu einer Artsequenz wiedergibt, erkennt man beispielsweise neben der Sequenz 44567 die biochemische Bezeichnung, das Erstellungsdatum der Information, bei 17q23 die Position des Genabschnittes auf einem Chromosom. Darunter sind Gene angegeben, die auf demselben Chromosomenarm lokalisiert sind. Aus der UNIGENE-Datenbank stammen Informationen über Cluster aus Genbruchstücken (EST-Cluster), die über eine bestimmte Nummer (Hs.198237) identifiziert werden. Die Anzahl der ESTs in diesem Cluster im Verhältnis zur Gesamtzahl der Komponenten der vorliegenden Sequenz ist mit 54/82 angegeben. Proangiotensin-Angiotensin gibt die wahrscheinlichsten Stoffwechselpfade oder chemischen Reaktionen an, zu welchen die bekannten Biosequenzen gehören. Weiterhin ist mit BRAIN dasjenige Organ angegeben, in welchem die betreffenden Sequenzen am häufigsten gefunden werden. Die Organverteilung der EST-Komponenten wird durch unterschiedliche Balkenlängen veranschaulicht. Der wahrschein- lichste Bereich einer Krankheitsindikation, die in Verbindung mit dem Datenabgleich ermittelt wurde, ist mit CNS angegeben. In der linken Hälfte erkennt man noch eine horizontale Balkenreihe, wobei die Länge dieser Balken jeweils Übereinstimmungen zwischen der Artsequenz und den in der entsprechenden Zeile angegebenen zugehörigen Biosequenzen oder Sequenzabschnitten angegeben wird. Daneben sind die Biosequenzen unter "seeds" im einzelnen aufgelistet, ein- schließlich ihrer prozentualen Übereinstimmung und der Länge der übereinstimmenden Sequenzabschnitte. Weiterhin sind angegeben die Titel entsprechender Zeitschriften, die Enzyme, und verschiedene Stichworte.
In dem vorliegenden Beispiel wurden durch die erfindungsgemäße Verknüpfung über verschie- dene Identifier, Stichwortsuche und taxonomische Auswertung von Datenbanken gewonnene Information aus den meisten der in Fig. 3 angegebenen Datenbanken ermittelt, mit Ausnahme der mit UMLS, SNOMED und ICD9-CM bezeichneten Blöcke. Zur Speicherung der aus dem Verfahren gewonnenen Informationen wird das Knowledge Interchange Format (KIF) verwendet. Dieses Format kann von verschiedenen Knowledge Engineering Werkzeugen wie z.B. Ontolin- gua verwendet werden, um unter anderem HTML oder XML Dateien zu generieren und weiterführende Methoden der künstlichen Intelligenz (Kl) anzuwenden.

Claims

P a t e n t a n s p r ü c h e
1. Verfahren zum Ermitteln potentiell bedeutsamer DNA- und/oder Nukleinsauresequenzen einer interessierenden Spezies (Artsequenzen) mit den folgenden Schritten:
a) Ermitteln beliebiger Artsequenzen der interessierenden Spezies mit biologischen bzw. gentechnischen Methoden und Speichern der Artsequenzen in einer ersten Datenbank,
b) Erfassen bekannter DNA-/Nukleinsäuresequenzen einer vorgegebenen Gruppe anderer Arten (Biosequenzen) einschließlich der funktionalen Bedeutung dieser Sequenzen, in einer zweiten Datenbank, in welcher die Biosequenzen und Zusatzinformationen einschließlich der funktionalen Bedeutung einzelner Biosequenzen gespeichert sind,
c) Vergleichen der bereits bekannten Artsequenzen der interessierenden Spezies mit den Biosequenzen der in der zweiten Datenbank gespeicherten, vorgegebenen Gruppe von Biosequenzen in einem Homologietest,
d) Aussondern derjenigen Biosequenzen der vorgegebenen Gruppe, die zu den bekannten Artsequenzen über einem vorgegebenen Schwellenwert homolog sind,
e) Vergleichen der aus der zweiten Datenbank verbleibenden, nicht ausgesonderten Biosequenzen aus der erwähnten Gruppe mit den nach Schritt a ermittelten Artsequenzen in einem zweiten Homologietest,
f) Speichern und/oder Ausgeben derjenigen Artsequenzen als Artsequenzen potentiell erhöhter Bedeutung, deren Homologie mit Biosequenzen aus den aus der erwähnten Gruppe verbliebenen Biosequenzen einen vorgegebenen zweiten Schwellenwert überschrei- tet, zusammen mit Informationen über die hierzu jeweils homologen Biosequenzen.
g) Wobei Schritt e) wahlweise auch vor Schritt c) und ohne vorheriges Aussondern gemäß Schritt d) durchführbar ist.
2. Verfahren nach Anspruch 1 , gekennzeichnet durch die folgenden weiteren Schritte:
h) Anpassen der in Schritt f) ausgegebenen bzw. gespeicherten Artsequenzen in einer nach vorgebbaren Kriterien optimierten Anpassung an die jeweils homologen Biosequenzen und Ausgabe und/oder Speicherung charakteristischer Parameter der optimierten Anpas- sung, wie zum Beispiel der prozentualen Übereinstimmung, der Länge übereinstimmender Sequenzabschnitte und der optimierten relativen Ausrichtung (Alignment).
3. Verfahren nach Anspruch 1 , gekennzeichnet durch die folgenden weiteren Schritte:
i) Klassifizieren der in Schritt f) ausgegebenen bzw. gespeicherten Artsequenzen, d. h. Einordnen (Sortieren) in bestimmte Klassen von Sequenzen durch linguistische Analyse von Textdefinitionen der zu den homologen Biosequenzen gespeicherten Zusatzinformationen.
4. Verfahren nach einem der Ansprüche 1 bis 3, gekennzeichnet durch den folgenden Schritt:
k) Ergänzen der den potentiell bedeutsamen Artsequenzen zuzuordnenden Eigenschaftsin- formationen der jeweils homologen Biosequenzen durch Erfassen von Hinweisen (Links) zu den gemäß Schritt f) erfaßten Biosequenzen in der zweiten Datenbank auf mindestens eine dritte Datenbank und Erfassen der zu den erwähnten Biosequenzen in der dritten
Datenbank gespeicherten Informationen.
5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, daß die dritte Datenbank eine mindestens in Teilbereichen taxonomisch organisierte Klassifikation bereithält.
6. Verfahren nach Anspruch 5, dadurch gekennzeichnet, daß die dritte Datenbank die MEDLINE Datenbank ist.
7. Verfahren nach Anspruch 5, gekennzeichnet durch Vergleichen der nach taxonomischen Kriterien den jeweiligen Biosequenzen zugeordneten Stichworte mit einer vorgegebenen Liste bzw. Datei von Stichworten und Ausgabe übereinstimmender Stichworte sowie der betreffenden Biosequenzen und der homologen Artsequenzen bzw. jeweils einer Kennung derselben, für die übereinstimmende Stichworte mit der vorgegebenen Liste von Stichworten gefunden wurden.
8. Verfahren nach Anspruch 2 und einem der auf Anspruch 2 rückbezogenen Ansprüche, dadurch gekennzeichnet, daß der Vergleich einer vorgegebenen (klassifizierten) Liste von
Stichworten mindestens mit den Medicai Subject Headings der Medline-Datenbank erfolgt.
9. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, daß die dritte Datenbank die UNIGENE Datenbank ist.
10. Verfahren nach Anspruch 9, dadurch gekennzeichnet, daß auf der Basis der EST- Clusterpositionen aus UNIGENE Informationen über entsprechende oder benachbarte
Sequenzabschnitte aus GENEMAP und/oder GDB erfaßt werden.
11. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß weitere Datenbanken nach Verknüpfungsgliedern zu den in der dritten Datenbank ermittelten Fundstellen durchsucht werden und Hinzufügen der entsprechenden weiteren Informationen bzw. von
Hinweisen auf die weiteren Informationen zu den entsprechenden Artsequenzen erhöhter Bedeutung.
12. Verfahren nach einem der Ansprüche 1 bis 11 , dadurch gekennzeichnet, daß mindestens die zweite Datenbank eine öffentlich zugängliche Datenbank .ist.
13. Verfahren nach einem der Anspruch 5 bis 12, dadurch gekennzeichnet, daß die weiteren Datenbanken aus der Gruppe ausgewählt werden, die aus den Unigene, genemap und GDB (neu) sowie OMIM-, KEGG- und UMLS-Datenbanken besteht.
14. Verfahren nach einem der Ansprüche 1 bis 13, dadurch gekennzeichnet, daß das Hinzufügen weiterer Informationen zu den gemäß Schritt f ermittelten Artsequenzen in einem Pipelineverfahren erfolgt, wobei die hinzugefügten Informationen in Form von Verknüpfungsgliedern zu den zugeordneten Positionen in weiteren Datenbanken bestehen.
15. Verfahren nach einem der Ansprüche 1 bis 14, dadurch gekennzeichnet, daß die interessierende Spezies die menschliche Spezies ist und daß die zugeordnete Gruppe von Biosequenzen die Biosequenzen von wirbellosen Tieren, Säugetieren, Primaten, Nagetieren und Wirbeltieren, sowie die noch nicht klassifizierten Neueinträge der zweiten Datenbank umfaßt.
PCT/EP2000/007953 1999-09-01 2000-08-16 Verfahren zum ermitteln von nuklein- und/oder aminosäuresequenzen WO2001020024A2 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
AU72759/00A AU7275900A (en) 1999-09-01 2000-08-16 Method for determining nucleic and/or amino acid sequences
JP2001523795A JP2003509062A (ja) 1999-09-01 2000-08-16 核酸および／またはアミノ酸配列の決定方法
EP00960458A EP1224325A2 (de) 1999-09-01 2000-08-16 Verfahren zum ermitteln von nuklein- und/oder aminosäuresequenzen

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE19941606.0 1999-09-01
DE19941606A DE19941606A1 (de) 1999-09-01 1999-09-01 Verfahren zum Ermitteln von Nuklein- und/oder Aminosäuresequenzen

Publications (2)

Publication Number Publication Date
WO2001020024A2 true WO2001020024A2 (de) 2001-03-22
WO2001020024A3 WO2001020024A3 (de) 2002-05-23

Family

ID=7920397

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2000/007953 WO2001020024A2 (de) 1999-09-01 2000-08-16 Verfahren zum ermitteln von nuklein- und/oder aminosäuresequenzen

Country Status (5)

Country Link
EP (1) EP1224325A2 (de)
JP (1) JP2003509062A (de)
AU (1) AU7275900A (de)
DE (1) DE19941606A1 (de)
WO (1) WO2001020024A2 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1373885A2 (de) * 2001-03-29 2004-01-02 Evogene Ltd. Zur identifizierung, isolierung und verwendung von die genexpression in einem organismus regulierenden nukleotidsequenzen geeignete verfahren, plattformen und kits
US7695968B2 (en) 2003-03-12 2010-04-13 Evogene Ltd. Nucleotide sequences regulating gene expression and constructs and methods utilizing same

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002269114A (ja) * 2001-03-14 2002-09-20 Kousaku Ookubo 知識データベース及び知識データベースの構築方法
DE10323917A1 (de) * 2003-05-23 2004-12-16 Protagen Ag Verfahren und System zur Aufklärung der Primärstruktur von Biopolymeren

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5871697A (en) * 1995-10-24 1999-02-16 Curagen Corporation Method and apparatus for identifying, classifying, or quantifying DNA sequences in a sample without sequencing
WO2000063687A1 (en) * 1999-04-15 2000-10-26 The Trustees Of Columbia University In The City Of New York Gene discovery through comparisons of networks of structural and functional relationships among known genes and proteins
WO2001013105A1 (en) * 1999-07-30 2001-02-22 Agy Therapeutics, Inc. Techniques for facilitating identification of candidate genes

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5871697A (en) * 1995-10-24 1999-02-16 Curagen Corporation Method and apparatus for identifying, classifying, or quantifying DNA sequences in a sample without sequencing
WO2000063687A1 (en) * 1999-04-15 2000-10-26 The Trustees Of Columbia University In The City Of New York Gene discovery through comparisons of networks of structural and functional relationships among known genes and proteins
WO2001013105A1 (en) * 1999-07-30 2001-02-22 Agy Therapeutics, Inc. Techniques for facilitating identification of candidate genes

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MADDEN T L ET AL: "APPLICATIONS OF NETWORK BLAST SERVER" METHODS IN ENZYMOLOGY,ACADEMIC PRESS INC, SAN DIEGO, CA,US, Bd. 266, 1996, Seiten 131-141, XP001006313 ISSN: 0076-6879 *
WORLEY K C ET AL: "BEAUTY: AN ENHANCED BLAST-BASED SEARCH TOOL THAT INTEGRATES MULTIPLE BIOLOGICAL INFORMATION RESOURCES INTO SEQUENCE SIMILARITY SEARCH RESULTS" GENOME RESEARCH,US,COLD SPRING HARBOR LABORATORY PRESS, Bd. 5, Nr. 2, 1. September 1995 (1995-09-01), Seiten 173-184, XP000534406 ISSN: 1088-9051 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1373885A2 (de) * 2001-03-29 2004-01-02 Evogene Ltd. Zur identifizierung, isolierung und verwendung von die genexpression in einem organismus regulierenden nukleotidsequenzen geeignete verfahren, plattformen und kits
EP1373885A4 (de) * 2001-03-29 2004-06-23 Evogene Ltd Zur identifizierung, isolierung und verwendung von die genexpression in einem organismus regulierenden nukleotidsequenzen geeignete verfahren, plattformen und kits
US7695968B2 (en) 2003-03-12 2010-04-13 Evogene Ltd. Nucleotide sequences regulating gene expression and constructs and methods utilizing same

Also Published As

Publication number Publication date
EP1224325A2 (de) 2002-07-24
AU7275900A (en) 2001-04-17
DE19941606A1 (de) 2001-03-08
JP2003509062A (ja) 2003-03-11
WO2001020024A3 (de) 2002-05-23

Similar Documents

Publication Publication Date Title
WO2001036939A2 (de) Verfahren zur automatischen analyse von mikroskopaufnahmen
EP2263183B1 (de) Automatisiertes system zur auswahl und vermittlung von gelagerten allogenen biologischen zellen für transplantation, therapie und forschung
DE10038694A1 (de) Verfahren zur Identifizierung von Mikroorganismen mittels MALDI-TOF-MS
DE3534065A1 (de) Ablagesystem fuer bilder aus dem medizinischen bereich
DE10240216A1 (de) Verfahren und Datenbank zum Auffinden von medizinischen Studien
WO2001020024A2 (de) Verfahren zum ermitteln von nuklein- und/oder aminosäuresequenzen
WO2010089158A9 (de) Automatisiertes system zum vergleich individueller genom-, transkriptom-, proteom-, epigenom und metabolomdaten mit daten aus knochenmarkspender-registern und blut, nabelschnurblut und gewebebanken
WO2005024409A1 (de) Vorrichtung und verfahren zur quantitativen auswertung der in einer körperflüssigkeitsprobe enthaltenen polypeptide sowie marker zur erkennung von pathologischen zuständen
EP1027669B1 (de) Verfahren zur eingruppierung von sequenzen in familien
DE60017586T2 (de) Automatisiertes Verfahren zum Identifizieren verwandter biomolekularer Sequenzen
DE10300743A1 (de) Verfahren zur Identifizierung von Mikroorganismen mittels Massenspektrometrie
DE102020111584A1 (de) Verfahren zum Gewinnen von Daten mithilfe von Operationsmikroskopiesystemen
EP2238553B1 (de) System für die bereitstellung individueller oder gepoolter auch anonymisierter patientendaten auf grundlage von molekularen genom-, transkriptom-, proteom-, epigenom oder metabolomdaten
DE102019134003A1 (de) Verfahren und Vorrichtung zum Kultivieren biologischer Zellen
EP0075904A2 (de) Verfahren zur Züchtung von humanen Fibroblasten und fibroblastenartigen Zellen
Weiner Diversity and resource choice of flower-visiting insects in relation to pollen nutritional quality and land use
DE102015206444B3 (de) Verfahren zum Erkennen von Mikroorganismen
Dibba Impact evaluation of improved rice varieties and farmer training on food security and technical efficiency in The Gambia
EP1451750A2 (de) Verfahren zur identifikation von pharmakophoren
Köllner Essays on trade, inequality, and redistribution
WO2004021213A2 (de) Verfahren und datenbank zum auffinden von medizinischen studien
DE2609975C3 (de) Karten-System zur Identifizierung von Mikroorganismen
DE102009058298B4 (de) Genexpressionsanalyse
DE102020111563A1 (de) Verfahren zum Gewinnen annotierter Daten mithilfe von Operationsmikroskopiesystemen
DE102006020844A1 (de) Verfahren zur fuktionellen Annotation molekularer Netzwerke

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A2

Designated state(s): AE AL AM AT AU AZ BA BB BG BR BY CA CH CN CU CZ DK EE ES FI GB GD GE GH GM HR HU ID IL IN IS JP KE KG KP KR KZ LC LK LR LS LT LU LV MD MG MK MN MW MX NO NZ PL PT RO RU SD SE SG SI SK SL TJ TM TR TT UA UG US UZ VN YU ZA ZW

AL Designated countries for regional patents

Kind code of ref document: A2

Designated state(s): GH GM KE LS MW MZ SD SL SZ TZ UG ZW AM AZ BY KG KZ MD RU TJ TM AT BE CH CY DE DK ES FI FR GB GR IE IT LU MC NL PT SE BF BJ CF CG CI CM GA GN GW ML MR NE SN TD TG

121 Ep: the epo has been informed by wipo that ep was designated in this application
DFPE Request for preliminary examination filed prior to expiration of 19th month from priority date (pct application filed before 20040101)
WWE Wipo information: entry into national phase

Ref document number: 2000960458

Country of ref document: EP

ENP Entry into the national phase

Ref country code: JP

Ref document number: 2001 523795

Kind code of ref document: A

Format of ref document f/p: F

AK Designated states

Kind code of ref document: A3

Designated state(s): AE AL AM AT AU AZ BA BB BG BR BY CA CH CN CU CZ DK EE ES FI GB GD GE GH GM HR HU ID IL IN IS JP KE KG KP KR KZ LC LK LR LS LT LU LV MD MG MK MN MW MX NO NZ PL PT RO RU SD SE SG SI SK SL TJ TM TR TT UA UG US UZ VN YU ZA ZW

AL Designated countries for regional patents

Kind code of ref document: A3

Designated state(s): GH GM KE LS MW MZ SD SL SZ TZ UG ZW AM AZ BY KG KZ MD RU TJ TM AT BE CH CY DE DK ES FI FR GB GR IE IT LU MC NL PT SE BF BJ CF CG CI CM GA GN GW ML MR NE SN TD TG

WWP Wipo information: published in national office

Ref document number: 2000960458

Country of ref document: EP

WWW Wipo information: withdrawn in national office

Ref document number: 2000960458

Country of ref document: EP