Bioinformática Aplicada ao Estudo e Análise de Genes e Genomas. Prof. Dr. Alessandro de M. Varani Dep. de Tecnologia - UNESP, FCAV

Transcrição

1 Bioinformática Aplicada ao Estudo e Análise de Genes e Genomas Prof. Dr. Alessandro de M. Varani Dep. de Tecnologia - UNESP, FCAV

2 Conteúdo Introdução ao GenBank; Introdução ao GOLD (Genomes Online) Database; Como a informação biológica está armazenada? Formato de arquivos; Manipulação de sequências biomoleculares (DNA); Apresentando web-services a) Complementar, reverso e reverso complementar. b) Tradução (DNA para Sequência primária de proteína). c) Conceitos sobre desenho de primers Primeiros passos para interpretação de sinais e sentido biológico -> Anotação Genômica d) Identificação de genes (ORFs) em sequências de nucleotídeos.

3 O que existe em comum entre as mais diversar formas de vida? Em outras palavras: O que todas as formas de vidas conhecidas de nosso planeta compartilham?

4 1. Célula : unidade fundamental da vida Célula procariótica Célula Eucariótica Animal Célula Vegetal Vs Célula Animal Célula Eucariótica Vegetal

5 2. Processos Celulares Código Genético Universal

6 3. Origem Ancestralidade

7 DNA/RNA como material genético

8 Onde Procurar informações sobre Genes e Genomas?

9

10

11

12 Números atuais em :

13 Assembled/annotated sequence growth

14

15

16 Em essência, o que existe nestas bases de dados?

17 TTCATACTTGGTTAAGACCTTTACAAGCCGACCAACGTGGTGAC AGTGTCGTCCTTTACGCACCGAATCCCTTTATCATTGAATTAGT AGAAGAGCGATACTTAGGACGTCTTCGGATGGAATCTTGGTCCC GTTGCCTGGAACGTCTTGAAACTGAATTCCCGCCAGAAGATGTT CATACTTGGTTAAGACCTTTACAAGCCGACCAACGTGGTGACAG TGTCGTCCTTTACGCACCGAATCCCTTTATCATATTGAATTAGT AGAAGAGCGATACTTAGGACGTCTTCGGGAATTGTTATCCTATT TCTCAGGAATACGTGAAGTAGTCCTTGCAATTGGCTCACGACCT AAAACAACAGAACTACCCGTACCAGTAGACACTACAGGACGTTT GTCTTCAACAGTCCCATTTAACGGAAATCTCGACACACACTATA ACTTTGATAATTTTGTTGAGGGACGAAGCAATCAACTCGCTCGT GCTGCAGCTTGGCAAGCGGCACAGAAACCGGGAGACCGTACTCA CAACCCTCTATTGCTCTATGGTGGGACTGGTTTGGGTAAAACCC ATTTAATGTTTGCTGCAGGTAACGTAATGCGGCAAGTAAACCCA ACTTATAAAGTAATGTATCTTCGTTCGGAACAGTTTTTCAGCGC CATGATAAGAGCGTACAAGATAAAAGTATGGATCATAAGGGTAA

18 Acesso à Informação Genoma, gene ou proteína de interesse Literatura ou trabalho científico Como encontrar informações? Característica essencial de todas as sequências em um banco de dados: Número de Acesso Código de letras e/ou números associados a um registro de sequência Diferentes bancos de dados = diferentes formatos de número de acesso Cada um possui um sistema próprio Em geral valem para a vida toda

19 Acesso à Informação: Número de Acesso

20 Acesso à Informação: Número de Acesso

21 Número de Acesso levam a entradas no banco de dados (arquivos) Fundamentalmente referentes a: Sequências de DNA, proteínas, genomas Mas também para artigos!

22 Primeiros conceitos de bioinformática aplicada ao estudo e análise dos genes e genomas. Formato de arquivos; Como a informação biológica está armazenada; Como manipular sequências biomoleculares; Como identificar genes em sequências de nucleotídeos.

23 Formato FASTA: formato universalmente aceito para se processado e arquivado Identificador

24 Ex.: PROTEÍNAS Extenção de arquivo faa >gi gb AAQ cellulose synthase [Pinus radiata] MEARTNTAAGSNKRNVRVSVRDDGELGPKPPQHINSHICQICGEDVG LAADGEFFVACNECAFPVCRPCYEYEWKDGNQSCPQCKTRYKWHK GSPQVDGDKEDECADDLDHDFNSTQGNRNEKQQIAEAMLHWQMAY GRGEDVGPSRSESQELPQLQVPLITNGQAISGELPAGSSEYRRIAAP PTGGGSGKRVHPLPFPDSTQTGQVRA >LINHA DO NOME MÁXIMA DE 80 CARACTERES POR LINHA Nome do arquivo (para fasta de nucleotídeos): seq.fasta, seq.fa, seq.ffn, seq.fna

25

26 Livre escolha

27 Derivações do formato FASTA: *.FAA: FASTA da proteínas; *.FNA: FASTA nucleotídeos (contigs); *.FFN: FASTA de todos nucleotídeos; *.FSA: FASTA de todos nucleotídeos (NCBI); *.FNA: FASTA do genoma; *.FRN: FASTA dos RNAs; Demais tipos de arquivos do NCBI: *.GBK/GBFF e *.GFF: Arquivo com todos os dados de um determinado genoma: Sequencias de nucleotídeos, anotação e etc; *.TBL: Tabela com anotação (posição dos genes no genoma); *.SQN: Arquivo da anotação SEQUIN

28 GenBank format (file.gbk ou gbff) Arquivos GBK são arquivos de texto facilmente processados (parsing) por programas de computador devido a possuirem vários identificadores de campos. É dividido em: 1) Cabeçalho (header): Contém informações sobre a sequência (tamanho, tipo, e origem, por exemplo) 2)Features: Anotação 3)Sequência (pode ser tanto de nucleotídeos como de aminoácidos)

29 GenBank format (file.gbk) Cabeçalho (header)

30 GenBank format (file.gbk) Features

31 GenBank format (file.gbk) Sequencia de DNA

32 GenBank format (file.gbk) Instruções Detalhadas: d.html

33 General Feature format (file.gff e gff3) GFF is a format for describing genes and other features associated with DNA, RNA and Protein sequences. Instruções Detalhadas:

34 General Feature format (file.gff)

35 GFF e GTF

36 Outros Formatos de Arquivos

37 Uma visão geral sobre as ferramentas de Visualizaçao de Genomas

38 Programas que manipulam arquivos tipo GBK/GFF

39 Programas que manipulam arquivos tipo GBK/GFF

40 Programas que manipulam arquivos tipo GBK/GFF ARTEMIS

41 Programas que manipulam arquivos tipo GBK/GFF ARTEMIS ACT Genômica Comparativa

42 Programas que manipulam arquivos tipo GBK/GFF

43 Programas que manipulam arquivos tipo GBK/GFF

44 Programas que manipulam arquivos tipo GBK/GFF Gview -

45 Programas que manipulam arquivos tipo GBK/GFF CGview -

46 Programas que manipulam arquivos tipo GBK/GFF GenomeTools -

47 Programas que manipulam arquivos tipo GBK/GFF

48 Programas que manipulam todos formatos

49 Programas que manipulam todos formatos

50 Programas que manipulam todos formatos

51 BAM/SAM e ACE (montagem e alinhamentos)

52 Web-services

53

54 Ensembl Genome Browser -

55 UCSC

56

57

58

59 Onde encontrar exemplos de todos estes formatos de arquivos? 1- Por busca direta nas páginas do GenBank 2- Por busca no repositório público por FTP FTP ou File Transfer Protocol é uma forma bastante rápida e versátil de transferir arquivos, sendo uma das mais usadas na Internet

60 Onde encontrar exemplos de todos estes formatos de arquivos? ftp://ftp.ncbi.nlm.nih.gov/genomes/refseq/bacteria/

61 Onde encontrar exemplos de todos estes formatos de arquivos?

62 Onde encontrar exemplos de todos estes formatos de arquivos?

63 Onde encontrar exemplos de todos estes formatos de arquivos?

64 Onde encontrar exemplos de todos estes formatos de arquivos?

65 Exercício 1: 1) É um gene, genoma ou proteína? 2) Nome do organismo, gene e/ou proteína; 2)Tamanho da sequencia depositada: a) Total (pb) b) proteína (aa) c) nucleotídeos (pb) 3) Tipo da Molécula 4) Observe o Cabeçalho/Header e tente identificar: publicações, quando foi depositada, e outras informações Números de acesso: - NC_001416, NP_040600, AM286415, EU272902, AF141867, ADD14220, NC_008463, CM

66 Exercício 2: 1) Faça o Download de um programa visualizador de anotação (Por exemplo SnapGene Viewer) 2) Na página do GenBank, faça o download do plasmídeo pxac64 da bactéria Xanthomas citri 306 e visualize o genoma do plasmídeo no navegador do SnapGene Identifique os genes!! 3) Repita o processo utilizando um outro genoma (por exemplo E. coli) com outro navegador ( Por exemplo Artemis) 4) Agora utilize o Cgview/Gview com os genomas que voce testou anteriormente.

67 Manipulando Sequencias: Diversas ferramentas web (web-services) e programas podem realizar simples tarefas de manipulação destas sequencias. Alguns Exemplos: 1) Reverter, Reverso complemento e complemento; 2) Traduzir; Exemplo de web-service com diversas funcionalidades: Vamos utilizar como exemplo: NC_001416

68 Manipulando Sequencias:

69 Manipulando Sequencias: Algumas Funções Bastante Úteis: - Converte arquivo GenBank para FASTA (nt, aa, mrna e etc); - Seleciona uma região dentro de um arquivo FASTA; - Reverso complementar, complemento e reverso em seq. DNA;

70 Manipulando Sequencias: - Algumas Funções Bastante Úteis (Avançado): Ilhas CpG, uso de códons; Busca ORFs; Alinhamentos; PCR digital; Mapa de restrição Etc

71 Manipulando Sequencias: Ferramenta Avançada: EMBOSS Web-service: EMBOSS Explorer

72 Manipulando Sequencias: ps/groups.html Funções disponíveis -> DEZENAS

73 Manipulando Sequencias: ps/prettyplot.html Documentação detalhada de cada ferramenta

74 Manipulando Sequencias: Desenho de Primers Finalidades - Clonagem de sequencias de DNA conhecidas e não conhecidas; - Sequenciamento de DNA; - Sondas; - Detecção de DNA (PCR)

75 Manipulando Sequencias: Desenho de Primers Finalidades - PCR

76 Manipulando Sequencias: Desenho de Primers Finalidades - PCR

77 Manipulando Sequencias: Desenho de Primers Finalidades - PCR

78 Manipulando Sequencias: Desenho de Primers: Regras Complementar a sequencia alvo no genoma; Tamanho entre pb; 16 bases garantem a especificidade em 4 bilhões de bases Conteúdo GC de 50%; Tm similar; Extermidade 3 deve conter 2-3 bases GC; Evitar a formação de estruturas secundárias. hairpin

79 Manipulando Sequencias: Desenho de Primer: Exercício 1 (beginner) a) Desenhe um par de primers que amplifique o gene ptha-kc1; b) Desenhe um par de primers que amplifique a região promotora do pthakc1. Número de acesso: AB206388

80 Manipulando Sequencias: Desenho de Primer: Exercício 2 (advanced) a) Desenhe um par de primer que amplifique qualquer gene relacionado ao metabolismo de DNA e outro relacionado ao metabolismo energético Número de acesso: AE014075

81 Manipulando Sequencias: Desenho de Primers: Ferramentas

82 Manipulando Sequencias: Desenho de Primers: Ferramentas

83 Princípios de Anotação Genômica

84

85 TTCATACTTGGTTAAGACCTTTACAAGCCGACCAACGTGGTGAC AGTGTCGTCCTTTACGCACCGAATCCCTTTATCATTGAATTAGT AGAAGAGCGATACTTAGGACGTCTTCGGATGGAATTTGGTCCCG TTGCCTGGAACGTCTTGAAACTGAATTCCCGCCAGAAGATGTTC ATACTTGGTTAAGACCTTTACAAGCCGACCAACGTGGTGACAGT GTCGTCCTTTACGCACCGAATCCCTTTATCATATTGAATTAGTA GAAGAGCGATACTTAGGACGTCTTCGGGAATTGTTATCCTATTT CTCAGGAATACGTGAAGTAGTCCTTGCAATTGGCTCACGACCTA AAACAACAGAACTACCCGTACCAGTAGACACTACAGGACGTTTG TCTTCAACAGTCCCATTTAACGGAAATCTCGACACACACTATAA CTTTGATAATTTTGTTGAGGGACGAAGCAATCAACTCGCTCGTG CTGCAGCTTGGCAAGCGGCACAGAAACCGGGAGACCGTACTCAC AACCCTCTATTGCTCTATGGTGGGACTGGTTTGGGTAAAACCCA TTTAATGTTTGCTGCAGGTAACGTAATGCGGCAAGTAAACCCAA CTTATAAAGTAATGTATCTTCGTTCGGAACAGTTTTTCAGCGCC ATGATAAGAGCGTACAAGATAAAAGTATGGATCATAAGGGTAA

86

87 Exercício 3: 1) Selecione a base 1 até a base da entrada: NC_001416, Selecione o formato fasta, copie e cole no ORFfinder Identifique ao menos 5 orfs

88 Até a próxima aula!