Počítačová část 1. Databáze na internetu: (Databáze, navržení primerů) 2. Fylogenetická analýza.

Prezentace na téma: "Počítačová část 1. Databáze na internetu: (Databáze, navržení primerů) 2. Fylogenetická analýza."— Transkript prezentace:

1 Počítačová část 1. Databáze na internetu: (Databáze, navržení primerů) 2. Fylogenetická analýza

2 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)

3 Kde najdu adresy stránek z tohoto praktika? http://web.natur.cuni.cz/zoologie/biodiversity/ (http://www.natur.cuni.cz/~muncling)

4 DATABÁZE Primární databáze DNA sekvencí GenBank (Amerika) EMBL (Evropa) DDBJ (Japonsko) Databáze genů Entrez Gene RefSeq Databáze genových expresních dat UniGene GEO Databáze genomů NCBI Ensembl UCSC Genome Browser Důležité odkazy PROGRAMY BLAST Na stránkách NCBI, Ensembl BLAT Na 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

5 Formáty sekvencí Fasta GenBank NEXUS Phylip

6 FASTA >gi|gi-number|gb|accession|locus – description GATCCTCCATATACAACGGTATCTCCACCTCAGGTTTAGATCTCAAC AACGGAACCATTGCCGACATGAGACAGTTAGGTATCGTCGAGAGTT ACAAGCTAAAACGAGCAGTAGTCAGCTCTGCATCTGAAGCCGCTGA AGTTCTACTAAGGGTGGATAACATCATCCGTGCAAGACCAAGAACC GCCAATAGACAACATATGTAACATATTTAGGATATACCTCGAAAAT AATAAACCGCCACACTGTCATTATTATAATTAGAAACAGAACGCAA AAATTATCCACTATATAATTCAAAGACGCGAAAAAAAAAGAACAA CGCGTCATAGAACTTTTGGCAATTCGCGTCACAAATAAATTTTGGC AACTTATGTTTCCTCTTCGAGCAGTACTCGAGCCCTGTCTCAAGAAT GTAATAATACCCATCGTAGGTATGGTTAAAGATAGCATCTCCACAA CCTCAAAGCTCCTTGCCGAGAGTCGCCCTCCTTTGTCGAGTAATTTT CACTTTTCATATGAGAACTTATTTTCTTATTCTTTACTCTCACATCCT GTAG

7 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

8 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

9 Alignment Přiřazení dvou i více sekvencí Sekvence si navzájem odpovídají Sekvence se liší Sekvence chybí

10 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

11 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

12 Příklad Zkuste provést alignment stažených sekvencí mamutů V programu BioEdit lze použít možnost: Accessory Applications – ClustalW Multiple Alignment

13 Čemu je tato sekvence podobná? BLAST B asic L ocal A lignment S earch T ool =========================================== Hledá lokální (částečné) podobnosti Na rozdíl od klasického alignmentu, umožňuje velmi rychle a efektivně prohledávat velké databáze

14 Úloha Vyhledejte sekvence nejpodobnější cytochromu b mamuta Použijeme BLAST na stránkách NCBI - http://www.ncbi.nlm.nih.gov/

15 BLAST - Úloha ze života Sekvenuji mamuty Jedna ze sekvencí se mi nějak nezdá ctagccatgc 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

16

17 Navržení vlastních primerů pro PCR

18 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

19 Zamaskovaná sekvence Pomocí N nebo použitím malých písmen (většina programů určených pro analýzu sekvencí s nimi umí pracovat) >MusY.1 ACACTTTTTCTTTTGCATAATGCTGTGTGGAGATTTTGCAGACAGCATTGCTGTA AAATGCAGAGTAATTTCTGTAATGAGCTTGTGAAATATTGACTATTATGGCCCTCT CTAAGCATGGCTTTAATTATATTCTAGCACAGCAGCTTCTCTGGGGATACTCAGGT CAGATCACTGACTGAATGTTGTGTTCATTTGAAACNNNNNNNNNNNNNNNNNN NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNGTCATTTGTTGGTGTGCTGA ATTCTGTTTTGTTTTGCTTTTAACCTAACTAGCTAGAAATTCTGTCAATCTTTTTTC CTTCCTAGAAAGANNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNGAAACACAGGCTTT

20 Primer3, Primer3Plus http://primer3.sourceforge.net/

21 TGCG{CGCTAAGA AA[CACACACACA]CGGAATTAGGGAAC}TT Included RegionTargetExcluded Region

22 Maskování repeatů Koncentrace Mg2+ Koncentrace dNTPs Rozestup primerů => délka amplifikované oblasti

23 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

24 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

25 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

26 Celogenomová data Několik serverů skladujících celogenomická data: http://www.ncbi.nlm.nih.gov/ http://www.ensembl.org/ http://genome.ucsc.edu/

27 Celogenomová data

28 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

29 Prohlížeče: Ensembl

30

31 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

32 BioMart (Ensembl)

33 Výběr kritérií Požadovaná data ve výstupu Propojení s daty z jiných organismů (pokročilé)

34 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“

35 BioMart: Příklad 1 Kritéria výběru Co ve výstupu

36 BioMart: Příklad 2 Připravte multiple alignment sekvencí myších proteinů z rodiny tzv. Major Urinary Proteins (MUPs).

37 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)

38 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).