bioinformática felipe g. torres. dica
TRANSCRIPT
Bioinformática
Felipe G. Torres
DICA
http://www.cellbiol.com/
TERMOS IMPORTANTES
• READS: Trechos sequenciados de DNA.
• CONTIG: Macro trechos formato pela junção de reads.
• LOW QUALITY: Regiões com baixa região, seja por falha de artefato ou metodológica.
• QUALIDADE: Certeza de identificação do nucleotídeo em um determinado sítio.
MONTAGEM DE GENOMAS
• É um subprocesso do workflow de obtenção da sequencia de DNA.
• Consiste em pegar os reads gerados no processo de sequenciamento e montar um ou vários contigs.
• Afim de unificar os reads em uma sequência consensus que é a sequência do DNA.
WORKFLOW - MONTAGEM
SEQUENCIAMENTO
ANÁLISE DE QUALIDADE
MONTAGEM DOS CONTIGS
SEQUENCIAMENTO
• O sequenciamento do DNA é uma série de processos bioquímicos tem por finalidade determinar a ordem dos nucleotídeos.
• Método Sanger• Pirosequenciamento• Nova Geração
SEQUENCIAMENTO
COMO É ARMAZENADO OS DADOS DO SEQUENCIAMENTO EM UM
ARQUIVO ?
SEQUENCIAMENTO
• O arquivo usado para armazenar esse tipo de dado é o .FASTQ
• Este arquivo não é lido de uma forma agradável pois muitas vezes possui o seu conteúdo binário.
• Para lidar com ele normalmente é feita a conversão para o modelo FASTA.
ANÁLISE
• Essa conversão não é tão simples pois envolve uma análise de qualidade.
• Existem regiões que possuem ruídos que necessitam ser avaliados.
• Essa avaliação pode ser feita por diversos softwares. Ex:. PHRED & PHRAP
ANÁLISE
http://asparagin.cenargen.embrapa.br/phph/
MÃOS NA MASSA
1- Pegue o arquivo seq2.zip
2- Analise a qualidade do sequenciamento e gere os arquivos FASTA.
APENAS SEQUENCIAR O DNA DE UM ORGANISMO RESPONDE TODAS AS
PERGUNTAS ?
ANOTAÇÃO GENÔMICA
• Ter a sequência do genoma de um organismo não responde todas as perguntas... Mas ABRE PORTAS
• É necessário entender, mapear e identificar todas as estruturas gênicas presentes nesse genoma.
• Esse processo de explorar e entender melhor a estrutura de um genoma é conhecido por anotação.
ANOTAÇÃO GENÔMICA
• Este processo tem ganhado muita força recentemente devido:
• Ganho de tempo
• Redução de erros de artefatos
• Entendimento melhor dos organismos
• Redução de custos
ANOTAÇÃO GENÔMICA
ANOTAÇÃOGENÔMICA
ESTRUTURAL
FUNCIONAL
PRO
CES
SO D
E A
NO
TAÇ
ÃO
ANOTAÇÃO ESTRUTURAL
• A anotação estrutural consiste na identificação e mapeamento de estruturas genômicas:
• GENES
• RNAnc
• REGIÕES PROMOTORAS
ANOTAÇÃO ESTRUTURAL
• Essa identificação é feita utilizando técnicas de predição gênica.
• Os preditores são especializados para seres eucariotos e procariotos.
• Essa especificação deve-se a diferença da complexidade das estruturas do genoma.
ANOTAÇÃO ESTRUTURAL
• Alguns preditores conhecidos são: GLIMMER, GENSCAN e GENMARK.
Eucarioto ProcariotoGENSCAN GLIMMERGENMARK
DICA
http://www.bioplanet.com/
GLIMMER
• É um sistema de identificação de genes em DNA de procariotos, especialmente bacteria e archaea.
• GLIMMER (Gene Locator and Interpolated Markov ModelIER).
• Ele utiliza a interpolação de Markov para definir a probabilidade de uma região ser codificante.
GLIMMER
GLIMMER
http://www.ncbi.nlm.nih.gov/genomes/MICROBES/glimmer_3.cgi
GLIMMER - RESULTADO
ID: São números identificadores de possíveis genes.Frame: É o frame de leitura da ORF. Positivo indica a fita foward e Negativo indica a reverse.
GLIMMER - RESULTADO
Start: Sítio de início do gene ou da ORF.Stop: Sítio de início do gene ou da ORF.
GLIMMER - RESULTADO
Length: Tamanho do ORF e do Gene.
MÃOS NA MASSA
1- Procure no NCBI uma sequência da Leishmania braziliensis.
2- Utilizando o GLIMMER, analise a sequência em busca de genes.
GENSCAN
• É um sistema de identificação de genes em DNA de eucariotos.
• O GENSCAN pode ser usado para localização de exon-intron em sequências.
• Desenvolvido pelo MIT, este software pode ser executado utilizando a web.
• Ele utiliza cadeias de Markov do estado oculto para predizer as estruturas.
GENSCAN
GENSCANhttp://genes.mit.edu/GENSCAN.html
GENSCAN - RESULTADO
Gn.Ex : Número de identificação da estrutura.
Type : Init = Initial exon (ATG to 5' splice site) Intr = Internal exon (3' splice site to 5' splice site) Term = Terminal exon (3' splice site to stop codon) Sngl = Single-exon gene (ATG to stop) Prom = Promoter (TATA box / initation site) PlyA = poly-A signal (consensus: AATAAA)
GENSCAN - RESULTADO
S : DNA strand (+ = input strand; - = opposite strand) Begin : beginning of exon or signal (numbered on input strand) End : end point of exon or signal (numbered on input strand) Len : length of exon or signal (bp)
GENSCAN - RESULTADO
CodRg : coding region score (tenth bit units) P : probability of exon (sum over all parses containing exon) Tscr : exon score (depends on length, I/Ac, Do/T and CodRg scores)
DICA
http://www.softberry.com/
SOFTBERRY
• O softberry é uma plataforma de bioinformática que permite a execução de softwares sem instalar.
• Você pode executar softwares como:• BLAST• FGNESH
ANOTAÇÃO FUNCIONAL
• A anotação funcional consiste na identificação das funções executadas pelas estruturas identificadas.
• Normalmente para este tipo de anotação utiliza-se algoritmos de similaridade entre bases de dados anotadas.
• A comparação é feita entre o desconhecido e o conhecido e anotado.
ANOTAÇÃO FUNCIONAL
Comparação
Proteínas anotadas
Proteinas preditas
Proteinas preditas
similares a existentes
BLASTBLAT
BOWTIE
ANOTAÇÃO FUNCIONAL
• Esta metodologia tem algumas limitações que por muitas vezes resultam diretamente no resultado do projeto.
• Por exemplo, a base de dados conhecida precisa ter uma variedade alta de sequências.
• Você pode está procurando similaridade entre coisas impossíveis.
ANOTAÇÃO FUNCIONAL
• Existem algumas bases conhecidas e consolidadas:
• SWISS-PROT: Base de dados de proteínas curadas manualmente e mantida pela UNIPROT.
• NRDR: Base de dados de RNA não codificante.
ANOTAÇÃO FUNCIONAL
• Existem algumas bases conhecidas e consolidadas:
• EGGNOG: Base de dados de proteínas e grupos de Orthologia.
ANOTAÇÃO FUNCIONAL
• Esse processo é lento devido a grande quantidade de comparações.
• A escolha do algoritmo de comparação deve ser feita analisando o tipo de dado que será comparado.
• Nesse processo a escolha e formatação dos dados está diretamente ligado ao sucesso da técnica.
MÃOS NA MASSA
1- Pegue as proteinas 2,3,4,5 e descubra:
Qual o organismo ?Qual é a proteína ?Qual a função da proteína ?
TERMOS GO
• Mas como descobrir a função de uma proteína ?
• Será que terei que difere o processo para organismos diferentes ?
TERMOS GO
• O Gene Onthology é a maior iniciativa da área de bioinformática para unificar os produtos gênicos atribuídos a todas as espécies.
• O GO é na verdade uma metodologia de classificar proteínas por:• Componente Celular• Processo Biológico• Função Molecular
TERMOS GO
• Existem três tipos de termos GO:
• Componente celular: É um componente celular ou no desenvolvimento extracelular.
• Processo biológico: São produtos gênicos envolvidos processos vitais para a célula.
TERMOS GO
• Existem três tipos de termos GO:
•Função molecular: São produtos gênicos envolvidos em alguma função intracelular.
GO
http://geneontology.org/
AMIGO
http://amigo.geneontology.org/amigo
MÃOS NA MASSA
1- Pegue as proteinas 4 e descubra:
Qual a função da proteína ?
Bioinformática
Felipe G. Torres