Motif Tools. Motif Tools. Edwin Delgado (IME-USP), Milton Yutaka (BIOINFO) 7 de outubro de 2013

Transcrição

1 7 de outubro de 2013

2 1. Introdução Objetivos Identificar / predizer motivos em regiões promotoras preditas do genoma da cana (upstream e downstream). Visualizar as predições e análises estatísticas destes dados.

3 1. Introdução Visão global

4 2. Dados Dados e software utilizados montagem shotgun scga4 genes preditos de cana com augustus alinhamento dos contigs com genes do sorgo e SAS, com software sim4 e blast. script Java para extração de regiões promotoras. script Java que gera um arquivo fasta com regiões promotoras.

5 2. Dados Dados e software utilizados (1) montagem shotgun scga4, com todos os contigs (arquivo fasta). Detalhes no relatório temático do ano 2012, página 24. Exemplo: >scga4_contig00001 length=21564 numreads=667 TTTTGATGTGCTAATATGTTGATTAGTGCATGTTTTATATGCCAATTAGGATAATAGTGG TGCTAATTAACATATTTTATTTGTAGTTAGCTATTATCATGACAAAATTAGTGTTAGTGC ATATTTATTAGTATAATtAGTTGTCATTTTCAAAAAATATAAATACAATTAGTCAAGTAT genes preditos de cana com software augustus (arquivo gff3) Exemplo: scga4_contig00001 AUGUSTUS gene ID=g1 scga4_contig00001 AUGUSTUS transcript ID=g1.t1 scga4_contig00001 AUGUSTUS stop_codon Parent=g1.t1 scga4_contig00001 AUGUSTUS CDS ID=g1.t1.cds... scga4_contig00001 AUGUSTUS CDS ID=g1.t1.cds... scga4_contig00001 AUGUSTUS CDS ID=g1.t1.cds...

6 2. Dados Dados e software utilizados (2) alinhamento dos contigs com genes do sorgo e SAS pelo software sim4 (cobertura 60%, identidade 80%, tamanho 50), e também pelo software blast. A saída é um arquivo gff3. Exemplo: scga4_contig sim4 mrna ID=SCVPST1062C11.g.1 scga4_contig sim4 mrna ID=SCUTLR2008A01.g.1 scga4_contig sim4 mrna ID=SCVPLB1017B08.g.1 scga4_contig sim4 mrna ID=SCRFFL1030B02.g.1

7 2. Dados Dados e software utilizados (3) script Java para extração de regiões promotoras (upstream 3k e downstream 3K). script Java que gera um arquivo fasta com regiões promotoras. Exemplo: >scga4_contig02326 g2829 upstream 1:227 forward TCTTTGTCCTGCTGCTCGCGAACAGCAACAG...

8 3. Metodologia Pesquisa de bancos de dados Pesquisa de bancos de dados públicos de motivos e TATA-Box. ppbd: a plant promoter database (Arabidopsis thaliana, Oryza sativa, oxfordjournals, 2007) DoOP: Databases of Orthologous Promoters (Homo sapiens, Arabidopsis thaliana, oxfordjournals, 2004) PLACE database (várias espécies de plantas, com anotações, literatura relevante com PubMed ID) JASPAR, the open access database (Nucleic Acids, 2010, conjunto de perfis curados e não redundantes, relacionados a eucariotas multicelulares)

9 3. Metodologia Banco JASPAR e software JASPSCAN Download e instalação do banco JASPAR no servidor Thor. execução do software JASPSCAN (JASPAR) usando as sequências das regiões promotoras, e obtenção dos motivos alinhados. Parâmetros: -menu C (conjunto matriz Core) -matrices all (todas) -threshold 60 (limiar)

10 3. Metodologia Geração de estatísticas geração de resultados (scripts em Perl) Pre-processamento dos dados gerados pelo JASPSCAN arquivo com a posição de cada base da região promotora. arquivo com os diferentes tamanhos dos motivos alinhados. lista dos motivos alinhados e sua frequência. lista das classes dos motivos alinhados e sua frequência matriz de distribuições das bases A C T G arquivo com as posições mais importantes e motivos alinhados neles. geração de imagens dos resultados (script em R)

11 3. Metodologia Análise Computacional Figura: Pipeline completo para análise de motivos

12 4. Ferramenta web Java Sequência de passos buscar o gene de interesse. busca pelo SAS / gene do sorgo / contig trazer detalhes do gene (regiões promotoras). opção de visualizar detalhes do gene, por exemplo a sequencia FASTA, regiões upstream e downstream. Imagem obtida via AJAX e gerada pelo GBrowse, com mapeamentos de outros genes (sorgo e SAS). trazer as estatísticas dos motivos. opção para visualizar as estatísticas de cada região promotora (upstream, downstream). Imagem obtida via AJAX com todas as estatísticas calculadas.

13 4. Ferramenta web Java Buscar o gene de interesse ferramenta web em Java integrada com o banco de dados do GBrowse para consultar as regiões promotoras upstream / downstream (3Kb) Figura: Ferramenta web de busca das regiões promotoras

14 4. Ferramenta web Java Trazer detalhes do gene (regiões promotoras) Figura: Imagem obtida do GBrowse, em relação ao gene g87

15 4. Ferramenta web Java Trazer estatísticas dos motivos Figura: Imagem gerada das estatísticas dos motivos

16 5. Estatísticas Figura: Seis tipos de estatísticas

17 5. Estatísticas Arquivo com a posição de cada base da região promotora. Figura: frequência de motivos alinhados nas bases por posição

18 5. Estatísticas Arquivo com a posição de cada base da região promotora. Figura: frequência do tamanho das sequencias sobrepostas nas bases

19 5. Estatísticas Arquivo com a posição de cada base da região promotora. Figura: Nro de motivos agrupados por janela de tamanho 6,8 e 12

20 5. Estatísticas Arquivo com os diferentes tamanhos dos motivos alinhados. Figura: frequência do tamanho dos motivos alinhados

21 5. Estatísticas Lista dos motivos alinhados e sua frequência. Figura: frequência dos nomes dos motivos

22 5. Estatísticas Lista das classes dos motivos alinhados e sua frequência Figura: frequência das classes dos motivos

23 5. Estatísticas Arquivo com as posições mais importantes e motivos alinhados neles. Três principais posições: Exemplo: Max Position Motifs (NFE2L1::MafG; Ubx; Dfd;... ) (Ubx; Hltf; Pdx1; Awh; Vsx1;...) (Prrx2; Ubx; Nobox; Lim3;... ) Figura: motivos alinhados nas bases

24 6. Fim Obrigado pela atenção! Ferramenta disponível em:

25 7. Comparativas Figura: PLACE vs JASPAR

26 7. Comparativas Figura: Imagem relacionada a motivos, obtida da tese de Carol

27 7. Comparativas SCEPRZ1010E06.g, região upstream, banco de dados JASPAR Exemplo: # Sequence: reverse from: 1 to: 39 # Database scanned: JASPAR_CORE Threshold: Start End Strand Score_Percent ID Name Species Class Supergroup MA MZF1_ Zinc-coordinatin MA NF-kappaB 9606,10090,10116,9986 Ig-fold MA SPI Winged Helix-Turn-Helix MA lin Other MA ADR Zinc-coordinating MA MET Zipper-Type MA MIG Zinc-coordinating MA MIG Zinc-coordinating MA MIG Zinc-coordinating MA YGR067C 4932 Zinc-coordinating MA YML081W 4932 Zinc-coordinating MA YPR022C 4932 Zinc-coordinating POL009.1 DCE_S_II. Unknown

28 7. Comparativas SCEPRZ1010E06.g, região upstream, banco de dados PLACE Exemplo: RESULTS OF YOUR SIGNAL SCAN SEARCH REQUEST../../tmp/sigscan//signalseqdone.2753: Signal database file: user.dat 39 base pairs Factor or Site Name Loc.(Str.) Signal Sequence PREATPRODH site 3 (-) ACTCAT CACTFTPPCA1 site 6 (-) YACT EECCRCAH1 site 16 (-) GANTTNC

29 7. Comparativas Outros softwares Não usam banco de motivos, são preditores de motivos baseado no arquivo de entrada bioprospector phylogibbs meme motifsampler YMF

30 7. Comparativas Lista de SAS e motivos SCEPRZ1010E06.g - motivo PP2C SCACCL6008H06.g - motivo LTI SCJLFL1048D03.g SCQGLR1085F11.g - motivos DHN1, LTI, DHN2, PP2C