Explorando genomas: predição de genes e elementos transponíveis Proporção de diferentes sequências no genoma

Transcrição

1 Explorando genomas: predição de genes e elementos transponíveis Proporção de diferentes sequências no genoma 1

2 Especies Genoma Genes 11 O número de genes varia entre as espécies 2

3 Anotação do Genoma 1 - Identificação de DNAs repetitivos (TEs). 2 - Identificação de genes Anotação genômica 3

4 Níveis da anotação do genoma Anotação a nível proteico Anotação a nível de processo funcional Anotação a nível nucleotídico Procariontes programas de pipelines mais fidedígnos 4

5 Eucariontes procedimento mais complexo Identificação de repetições, principalmente TEs PROBLEMAS Martins et al. 2011! 1- muitos repeats não presentes posmotagem; 2 eventos de transposição e duplicações podem tornar confuso a identif. 3 alta taxa de mutação (baixa conservação); 4 geralmente estão incompletos; 5 dificultam o procedimento de anot. 5

6 Identificando TEs utilizando ferramentas de bioinformática Homologia FACILIDADE CHANCES DE ENCONTRAR NOVOS REPEATS De novo Identificando TEs utilizando ferramentas de bioinformática Método Prós Contra Homologia de novo Rápido, detecta poucas cópias; alta especificidade Não possui o viés da homologia Viés por se basear em seq. conhecidas Não identifica baixo n. de cópias; não distingue TEs de outros repeats 6

7 Identificando TEs utilizando ferramentas de bioinformática Homologia FACILIDADE CHANCES DE ENCONTRAR NOVOS REPEATS Alinhamento comparação entre duas ou mais sequencias Alinhamento Global Local 7

8 BLAST Blast Local Alignment Search Tool Desenhado para buscas em grandes banco de dados 8

9 E-value NÃO É SIMILARIDADE!!! 9

10 Como o BLAST funciona? MEAAVKEEISVEDEAVDKNI MEA EAA AAV AVK VKE KEE EEI EIS ISV... Break query into words: Break database sequences into words: 10

11 Encontra a localização das paralvras que se sobropõem ELEPRRPRYRVPDVLVADPPIARLSVSGRDENSVELTMEAT M E A E A A A A V A V K TDVRWMSETGIIDVFLLLGPSISDVFRQYASLTGTQALPPLFSLGYHQSRWNY IWLDIEEIHADGKRYFTWDPSRFPQPRTMLERLASKRRVKLVAIVDPH K L V K E E E E I E I S I S V Faz a extensão dos hits Extend hits one base at a time 11

12 Repeat masker busca repeats em sequencias de DNA CENSOR 10 Kb Name From To Name From To Class Dir Sim Pos Score Input_ L1-53_XT NonLTR/Tx1 c Input_ ROn-1_ON NonLTR/SINE c Input_ EnSpm-44_SBi DNA/EnSpm d >Input_1 GTTCTTAGAAAAACTTCCATCTCTTCCTGAATAGTTTCAATTCTATTAGACTCTTTAACATTTCCTGCTT GGCAAGATGAGCTCCCAGCTGGTTCACCGTCCTGATCAGCCCCCGTTTGGTTCCCAACGGCTTCCAGCTG AGGTTCATTACTCTGATTGTAACCTCTATCCGCATTCGTTGGTGCAGAATTCCCTGTTACCACTGGAGTT TCTTCTGCTTGCTGAACCTGGGGCATTCTCAAXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX X para DNA e N para proteínas 12

13 Identificando TEs utilizando ferramentas de bioinformática FACILIDADE CHANCES DE ENCONTRAR NOVOS REPEATS De novo Boas revisões dos métodos de de novo approach 13

14 De novo Identificação dos repeats K-mer approach 1 - Repeats similares possuirão repetição de k-mers similares (Se um repeat é abundante, seus k-mers estão superrepresentados); 2 Uma seq. consenso é construída. Identificação dos repeats Periodicity approach 1 - Uma determinada janela no genoma é analisada quanto a sua periodicidade; 2 - As regiões candidatas a repeats são buscadas no genoma; 3 São alinhadas localmente gerando uma seq. consenso para a família. 14

15 De novo Identificação dos repeats Classificação dos repeats Library ou similarity approach 1 Por se basear em similaridade, é bom para genomas bem conhecidos ou de sp. próx.; Ex.: RepeatMasker Classificação dos repeats Signature based 1 Busca por caracterísitcas de TEs, tais como LTRs (long terminal repeats), TSDs (target sites duplication), PBSs (primerbinding sites), ORFs de gag, pol e env, etc. 15

16 Identificação de genes Mapping Encontra genes conhecidos Todo o banco de dados Gene finding ou gene prediction or ab initio Predição de genes baseado em modelos matemáticos Localização de exons, introns, pseudogenes e outros genes não codif. Mapping (evidence alignment) Encontra genes conhecidos 16

17 Ab initio Predição de genes Exon Intron Treino do preditor Modelos de estrutura de um gene 60-70% de acurácia? 17

18 Predição e anotação são coisas diferentes!!! CDS * Yandell e Ence 2012 No entanto Raramente se tem uma acurácia > 80% ao nível de ident. exons. Genomas clássicos foram curados manualmente!!! Grandes projetos genoma contam com diversos passos de predição Yandell e Ence

19 Ab initio Mapping Estima o erro de cada informação e combina as evidências pertinentes Chooser and combiner Anotação Armazenamento Genome browser Input GFF3 >ctg_123 GTTCTTAGAAAAACTTCCATCTCTTCCTGAATAGTTTCAATTCTATTAGACTCTTTAACATTTCCTGCTT GGCAAGATGAGCTCCCAGCTGGTTCACCGTCCTGATCAGCCCCCGTTTGGTTCCCAACGGCTTCCAGCTG AGGTTCATTACTCTGATTGTAACCTCTATCCGCATTCGTTGGTGCAGAATTCCCTGTTACCACTGGAGTT TCTTCTGCTTGCTGAACCTGGGGCATTCTCAA 19

20 Banco de dados!!! Parte crucial de qualquer grande projeto.? Banco de dados 20

21 Banco de dados (database) é um conjunto de dados organizados em uma determinada estrutura que possibilite ao usuário encontrar facilmente a informação desejada 21

22 Até 2008 mais de bancos de dados Genes, genomas, proteínas, elementos transponíveis, mirnas, interações prot-prot, interações tf-promotor; DPI 22

23 ? O que torna um banco de dados uma ferramenta extraordinária Inter-relacionados Acessíveis de várias formas Humanidade 23

24 Compartilhamento de informações Ferramentas de análises (blast, alinhamentos, busca de alvos, análises de motifs, etc.) Links para outros web sites com outras ferramentas ou informações Vasta bibliografia e informações sobre o que se busca Informação Poluição visual 24

25 A INFORMAÇÃO EXISTE E ESTÁ DISPONÍVE Explorando genomas: predição de genes e elementos transponíveis Genome browser Permitem a vizualização e buscas no genoma 25

26 Explorando genomas: predição de genes e elementos transponíveis Genome browser Explorando genomas: predição de genes e elementos transponíveis Aves, rept. e anf. Peixes Mam. Invertebrados 26

27 Genome browser

28 Genome browser 28