Bioinformática aplicada ao estudo e análise de Genes e Genomas Aula Teórico e Prá/ca

Transcrição

1 Bioinformática aplicada ao estudo e análise de Genes e Genomas Aula Teórico e Prá/ca Prof. Dr. Alessandro de M. Varani Dep. de Tecnologia - UNESP, FCAV

2 Conteúdo da Aula de Hoje Introdução ao GenBank; GOLD (Genomes Online) Database; Como a informação biológica está armazenada? Formato de arquivos; Manipulação de sequências biomoleculares (DNA); a) complementar, reverso e reverso complementar b) Tradução (DNA para Sequência primária de proteína) Primeiros passos para interpretação de sinais e sentido biológico -> Anotação Genômica b) Identificação de genes (ORFs) em sequências de nucleotídeos. E lógico, alguns exercícios!

3 O que existe em comum entre os organismos e micro-organismos? Em outras palavras: O que todas as formas de vidas conhecidas de nosso planeta compartilham?

4 1. Célula : unidade fundamental da vida Célula procarió/ca Célula Eucarió/ca Animal Célula Vegetal Vs Célula Animal Célula Eucarió/ca Vegetal

5 2. Processos Celulares Código Genético Universal

6 3. Origem Ancestralidade

7

8 DNA/RNA como material genético

9 Onde Procurar informações sobre Genes e Genomas?

10 Meca: O melhor lugar para fazer uma determinada atividade.

11

12

13

14 Números atuais em :

15 Assembled/annotated sequence growth

16

17

18 Em essência o que existe nestas bases de dados?

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

20 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

21 Acesso à Informação: Número de Acesso

22 Acesso à Informação: Número de Acesso

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

24 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.

25 Formato FASTA: formato universalmente aceito para se processado e arquivado Identificador >gi gb FJ Anabaena planctonica CENA210 ribulose-1,5- bisphosphate carboxylase/oxygenase large subunit (rbcl) gene, partial cds CCGGCGAAATTAAAGGTCACTACCTCAACGTTACCGCTCCTACCTGCGAAGAAATGTTGAAACGGGCTGA GTACGCTAAAGAACTCAAAATGCCCATCATCATGCACGACTACCTAACCGCAGGTTTCACCGCTAACACC ACATTGGCTCGTTGGTGTCGTGATAACGGTATTTTATTGCACATTCACCGTGCTATGCACGCTGTAATTG ACCGTCAAAAAAATCACGGTATCCACTTCCGCGTATTAGCTAAAGCCCTCCGCTTGTCCGGTGGTGATCA CATCCACACTGGTACAGTTGTTGGTAAGTTAGAAGGTGAACGCGGTATTACCATGGGCTTCGTTGACTTA TTACGTGAAAACTACGTTGAGCAAGACAAGTCTCGCGGTATTTACTTTACCCAAGATTGGGCGTCTCTAC CTGGTGTAATGGCCGTTGCTTCTGGTGGTATCCACGTATGGCATATGCCCGCGTTGGTTGAGATCTTCGG TGATGACTCCGTATTACAATTCGGTGGTGGTACACTCGGACATCCTTGGGGTAACGCTCCTGGTGCTACA GCTAACCGCGTAGCTCTAAAAGCAGTTGTTCAAGCTCGTAACGAAGGCCGTAACTTAGCTCGTGAAGGTA ACGATATTATCCGCGAAGCTGCTAAGTGGTCTCCTGAGTTGGCTGTTGCTTGCGAACTG >gi gb ACO ribulose-1,5-bisphosphate carboxylase/oxygenase large subunit [Anabaena planctonica CENA210] GEIKGHYLNVTAPTCEEMLKRAEYAKELKMPIIMHDYLTAGFTANTTLARWCRDNGILLHIHRAMHAVID RQKNHGIHFRVLAKALRLSGGDHIHTGTVVGKLEGERGITMGFVDLLRENYVEQDKSRGIYFTQDWASLP GVMAVASGGIHVWHMPALVEIFGDDSVLQFGGGTLGHPWGNAPGATANRVALKAVVQARNEGRNLAREGN DIIREAAKWSPELAVACEL

26 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

27

28 Livre escolha

29 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: *.GBK 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

30 GenBank format (file.gbk) 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)

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

32 GenBank format (file.gbk) Features

33 GenBank format (file.gbk) Sequencia de DNA

34 GenBank format (file.gbk) Instruções Detalhadas: samplerecord.html

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

36 General Feature format (file.gff)

37 Onde encontrar exemplos de todos estes formatos de arquivos?

38 Onde encontrar exemplos de todos estes formatos de arquivos?

39 UniProt Protein knowledgebase h3p://

40

41

42

43

44 Exercício: 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, AF141867, - NP_040600, ADD14220, - AM286415, NC_008463, - EU272902, CM

45 Manipulando Sequencias: Diversas ferramentas web (web-services) e programas podem realizar simples tarefas de manipulação destas sequencias. 1) Reverter, Reverso complemento e complemento; 2) Traduzir; Vamos utilizar como exemplo: NC_001416

46 Manipulando Sequencias:

47

48

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

50 Até a próxima aula!