Počítačová část
description
Transcript of Počítačová část
Počítačová část1. Databáze na internetu:
(Databáze, navržení primerů)
2. Fylogenetická analýza
Kde se dozvědět více?
• Kurz Computational Genomics(Marc VanRanst)Bioinformatics bookmarks(http://www.kuleuven.ac.be/rega/mvr/bioinformatics.htm)
• Úvod do bioinformatiky/Základy bioinformatiky(F. Cvrčková)
• Molekulární ekologie(letní semestr, populační genetika, analýza paternity)
Kde najdu adresy stránek z tohoto praktika?
http://web.natur.cuni.cz/zoologie/biodiversity/
(http://www.natur.cuni.cz/~muncling)
DATABÁZE
Primární databáze DNA sekvencí
GenBank (Amerika) EMBL (Evropa) DDBJ (Japonsko)
Databáze genů
Entrez GeneRefSeq
Databáze genových expresních dat
UniGeneGEO
Databáze genomů
NCBIEnsemblUCSC Genome Browser
Důležité odkazy
PROGRAMY
BLASTNa stránkách NCBI, Ensembl
BLATNa stránkách USCS
Primer3 – navrhování primerů
In Silico PCR
RepeatMasker
NCBI - http://www.ncbi.nlm.nih.gov/ tam najdu skoro vše: GenBank, Entrez Gene, UniGene, MapViewer, BLAST…
ENSEMBL - http://www.ensembl.org/Genome Browser, BLAST
USCS – http://genome.ucsc.edu/Genome Browser, BLAT, In Silico PCR
Formáty sekvencí
• Fasta
• GenBank
• NEXUS
• Phylip
FASTA
>gi|gi-number|gb|accession|locus – description
GATCCTCCATATACAACGGTATCTCCACCTCAGGTTTAGATCTCAACAACGGAACCATTGCCGACATGAGACAGTTAGGTATCGTCGAGAGTTACAAGCTAAAACGAGCAGTAGTCAGCTCTGCATCTGAAGCCGCTGAAGTTCTACTAAGGGTGGATAACATCATCCGTGCAAGACCAAGAACCGCCAATAGACAACATATGTAACATATTTAGGATATACCTCGAAAATAATAAACCGCCACACTGTCATTATTATAATTAGAAACAGAACGCAAAAATTATCCACTATATAATTCAAAGACGCGAAAAAAAAAGAACAACGCGTCATAGAACTTTTGGCAATTCGCGTCACAAATAAATTTTGGCAACTTATGTTTCCTCTTCGAGCAGTACTCGAGCCCTGTCTCAAGAATGTAATAATACCCATCGTAGGTATGGTTAAAGATAGCATCTCCACAACCTCAAAGCTCCTTGCCGAGAGTCGCCCTCCTTTGTCGAGTAATTTTCACTTTTCATATGAGAACTTATTTTCTTATTCTTTACTCTCACATCCTGTAG
GenBank• Obsahuje velmi podrobnou informaci o sekvenci:
Locus Základní vlastnosti sekvence (název, délka, typ)
Definition Výpis genů v sekvenci
Accession Databázové přístupové číslo
Version Verze dané sekvence
Keywords Pod kterými klíčovými slovy ji lze najít
Source organism Zařazení v systému
Reference Článek, kde byla daná sekvence publikována
Features Podrobný popis jednotlivých genů včetně jejich pozic
Origin Sekvence
Sekvence v genetické bance• Jsou známy nějaké sekvence mamuta (nejlépe
cytochrom b)?
• Z jakého druhu mamuta jsou známé sekvence?
• Sekvence si chci stáhnout a porovnat
Využijeme:
1. genetickou banku na stránkách NCBI (National Centre for Biotechnology Information)
http://www.ncbi.nlm.nih.gov/
2. EMBL-EBI tools nebo volně dostupný program BioEdit
http://www.ebi.ac.uk/
http://www.mbio.ncsu.edu/BioEdit/bioedit.html
Alignment
• Přiřazení dvou i více sekvencí
Sekvence si navzájem odpovídají
Sekvence se liší
Sekvence chybí
• Pairwise Alignment (2 sekvence)– Globální:
• Zhruba stejně dlouhé sekvence
• Snaží se přiřadit od začátku až do konce sekvence
– Lokální:• Jen nejlépe shodující se místa obou sekvencí
• Sekvence různě dlouhé
Např. BioEdit http://www.ebi.ac.uk/http://www.bioinformatics.org/sms2/index.html
http://en.wikipedia.org/wiki/Sequence_alignment
• Multiple Alignment– Více sekvencí– Hledá konzervativní místa– ClustalW
Např. BioEdit,http://www.ebi.ac.uk/,http://www.bioinformatics.org/sms2/index.html
http://en.wikipedia.org/wiki/Multiple_sequence_alignment
Příklad
• Zkuste provést alignment stažených sekvencí mamutů
• V programu BioEdit lze použít možnost:Accessory Applications – ClustalW Multiple Alignment
Čemu je tato sekvence podobná?
BLASTBasic Local Alignment SearchTool
===========================================
• Hledá lokální (částečné) podobnosti• Na rozdíl od klasického alignmentu, umožňuje velmi
rychle a efektivně prohledávat velké databáze
Úloha
• Vyhledejte sekvence nejpodobnější cytochromu b mamuta
• Použijeme BLAST na stránkách NCBI - http://www.ncbi.nlm.nih.gov/
BLAST - Úloha ze života
• Sekvenuji mamuty
• Jedna ze sekvencí se mi nějak nezdáctagccatgc actactcacc agacgcctca accgcctttt catcaatcgc ccacatcact cgagacgtaa attatggctg aatcatccgc taccttcacg ccaatggcgc ctcaatattc tttatctgcc tcttcctaca catcgggcga ggcctatatt acggatcatt tctctactca gaaacctgaa acatcggcat tatcctcctg cttgcaacta tagcaacagc cttcataggc tatgtcctcc cgtgaggaca aatatcattc tga
• V laboratoři se pracuje i s jinými zvířaty
• Chci zjistit, kdo mi zkontaminoval vzorky
Navržení vlastních primerů pro PCR
http://www.repeatmasker.org/
RepeatMasker
• Umožní vyhledat a „zakrýt“ oblasti, které jsou v genomu ve větším počtu (mikrosatelity, retrotranspozony a transpozony)
• Umožní nám to při navrhování primerů se vyvarovat nespecifickým amplifikacím při PCR
• Pouze ale organismy, které jsou již osekvenovány
Zamaskovaná sekvence
• Pomocí N nebo použitím malých písmen (většina programů určených pro analýzu sekvencí s nimi umí pracovat)
>MusY.1ACACTTTTTCTTTTGCATAATGCTGTGTGGAGATTTTGCAGACAGCATTGCTGTAAAATGCAGAGTAATTTCTGTAATGAGCTTGTGAAATATTGACTATTATGGCCCTCTCTAAGCATGGCTTTAATTATATTCTAGCACAGCAGCTTCTCTGGGGATACTCAGGTCAGATCACTGACTGAATGTTGTGTTCATTTGAAACNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNGTCATTTGTTGGTGTGCTGAATTCTGTTTTGTTTTGCTTTTAACCTAACTAGCTAGAAATTCTGTCAATCTTTTTTCCTTCCTAGAAAGANNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNGAAACACAGGCTTT
Primer3, Primer3Plus
http://primer3.sourceforge.net/
TGCG{CGCTAAGA<CTCCT>AA[CACACACACA]CGGAATTAGGGAAC}TT
Included RegionTargetExcluded Region
Maskování repeatů
Koncentrace Mg2+ Koncentrace dNTPs
Rozestup primerů => délka amplifikované oblasti
Elektronická PCR
• Vezme dvojici primerů a zkouší, zda-li by PCR ve známém genomu amplifikovala pouze námi požadovanou oblast nebo i jiné oblasti
• Server UCSC (http://www.genome.ucsc.edu/)
• Lze i na NCBI
Úloha:
• Zjistěte zda-li se nachází v sekvencích mikrosatelity
• Zamaskujte je pomocí Repeatmaskeru
• Navrhněte kolem nich primery v Primer3
• Zjistěte, které z těchto primerů jsou dále použitelné pomocí e-PCR
Samostatná úloha
• Stáhnout sekvenci cytochromu b alky velké(Pinguinus impennis), tak aby před začátkem i koncem sekvence cyt b byly dostatečně dlouhé oblasti na navrhnutí primerů
• Navrhnout primery na vybranou část sekvence
• Vyhledat podobné sekvence přes BLAST nebo prověřit příbuzné druhy
• Udělat alignment sekvencí sekvencí cytochromu b
Celogenomová data
• Několik serverů skladujících celogenomická data:
http://www.ncbi.nlm.nih.gov/
http://www.ensembl.org/ http://genome.ucsc.edu/
Celogenomová data
Pozice genů v genomu
• Cytogenetická mapa (podle proužkování)
• Genetická mapa (cM)
• Fyzická mapa (bp, Mb)– pozice na chromosomu podle párů bazí
– začátek chromosomu na centromeře – posice 1 (myš)
– např. gen SRY chrY:1,918,381-1,919,568
Prohlížeče: Ensembl
Prohlížeče: Ensembl
BioMart (Ensembl)
• Efektivní získávání dat z celogenomových databází
• Pracuje na principu filtru – lze nastavit parametry výběru
• Výstup lze uložit jako .txt, .csv nebo .xls soubor
BioMart (Ensembl)
BioMart (Ensembl)
Výběr kritérií
Požadovaná data ve výstupu
Propojení s daty z jiných organismů (pokročilé)
BioMart: Příklad 1
• Pomocí laboratorního křížení se podařilo identifikovat oblast na chromosomu 17 (15 – 20 Mb) zodpovědnou za poruchu meiósy během spermatogenese. Najděte některé kandidátní gen.
• Postup – použít filtr:– „Region“: chr7:15000000-2000000 – „Gene Ontology“: „meiosis“
BioMart: Příklad 1
Kritéria výběru
Co ve výstupu
BioMart: Příklad 2
• Připravte multiple alignment sekvencí myších proteinů z rodiny tzv. Major Urinary Proteins (MUPs).
BioMart: Příklad 2
• Postup:– ID rodiny MUPs (na Ensemblu)– BioMart:
• Filtr => „Protein Domains“ => výběr rodiny (zadat ID rodiny)
• Výstup => „Sequences“ => „Protein“ => „Results“
– Multiple Alignment (ClustalW – nejlépe EBI)
BioMart: Příklad 3
• Koncová část chromosomu 1 (197-198 Mb) v lidském genomu byla asociována s velikostí mozku. Najděte kandidátní gen (předpoklad: gen ležící v této oblasti byl klíčový v evoluci člověka a sekvence tedy prošla velmi rychlou evolucí).