20170602 class lecture note

20170602 Bioinformatics class lecture note

---

Markov Chain and Hidden Markov Model.

> Determined by frequency of previous exons. // relationship

> Really powerful Algorithm.

> stocastic? : Changable...

> 각각의 UTR을 이루는 염기에 각각의 확률이 있다. 이것을 수학적으로 계산하면 UTR을 계산할 수 있다.

> 각각 확률을 점수로 매겨서, 점수가 높으면(score)  UTR로 생각할 수 있다. // 반대의 경우도 가능하다.

> 매우 적합한 모델을 만들면, 점수를 check 함으로써 UTR의 위치를 확인할 수 있다.

> Homework : get some human sequences and make a predict model.

 

Expression > Functional Genomics, Proteomics

> DNA chips, microarray, RNA-squ

 

What is RNA?

> pretty important molecule before proteins.

> Tranciption : Reflection, copy ( one to one )

> Translation : change ( not one to one ) , There are big jumps.. 

> Major differences : Uracil, OH group < unstable..  RNA는 oxygen을 포함하고 있다.

> 산소는 Degrade를 촉진시킨다.

> tens of millions of RNA is existing in a cell.

> RNA의 반감기는 정말 다양하다. > 예측할 수가 없다.

> 반감기 1일 x 100개 보다 반감기 100일 x 5개 가 더 많다.

 

RFAM

> Pfam : Protein familiy..

> Hidden Markov Model, 을 이용하여 RNA 의 Database를 만들어놓았다.

 

하나의 인간 유전자에는 7 ~ 8개의 exon이 있다.

 

Non-coding region 에 Intron이 포함된다.
Normally, an exon doesn't have a functional protein.

 

further restriction of RNA and splicing.

 

microarry는 실험하기 전에 미리 우리가 알고자 하는 DAN의 부분을 알아서 chip으로 만들어야 한다. (한계점)

Hidden Markov Model에 등장하는 바뀌는 부분은 어떻게 해결하는가?

> buffer, design, etc...