Учебная страница курса биоинформатики,
год поступления 2014

Семестры Студенты Преподаватели

• 2023
• 2022
• 2021
• 2020
• 2019
• 2018
• 2017
• 2016

• ...

EMBOSS: пакет программ для анализа последовательностей

Команды для освоения:
(1) help'ы: wossname, tfm, опции -help -verbose 
(2) работа с последовательностями и выравниваниями: seqret, infoseq - есть в задании, infoalign  
(3) работа с аннотациями записей: featcopy, extractfeat 
(4) работа с нуклеотидными последовательностями: cusp, compseq, transeq
(5) перемешивание: shuffleseq
(6) правильное выравнивание кодирующих последовательностей: tranalign
(7) getorf - есть в задание

Упражнения

Для зачета необходимо сдать >= 5 упражнений либо устно, либо на веб-странице привести команду и описать результат.

Каждое сданное упражнение оценивается баллом.

1. (seqret) Несколько файлов в формате fasta собрать в единый файл
2. (seqretsplit) Один файл в формате fasta с несколькими последовательностями разделить на отдельные fasta файлы
3. (seqret) Из файла с хромосомой в формате .gb вырезать три кодирующих последовательности по указанным координатам "от", "до", "ориентация" и сохранить в одном fasta файле
4. (transeq) Транслировать кодирующие последовательности, лежащие в одном fasta файле, в аминокислотные, используя указанную таблицу генетического кода. Результат - в одном fasta файле.
5. (transeq) Транслировать данную нуклеотидную последовательность в шести рамках.
6. (seqret) Перевести выравнивание и из fasta формате в формат .msf
7. (infoalign) Выдать в выходной поток число совпадающих букв между второй последовательностью выравнивания и всеми остальными (на выходе только имя последовательности и число)
8. (featcopy) Перевести аннотации особенностей в записи формата .gb в табличный формат .gff
9. (extractfeat) Из данного файла с хромосомой в формате .gb получить fasta файл с кодирующими последовательностями; (*) добавить в описание каждой последовательности функцию белка (из поля product)

10. (shuffle) Перемешать буквы в данной нуклеотидной последовательности; (*) проверить с помощью blastn сколько "достоверных" находок (с E-value < 0.1) найдется в нуклеотидном банке данных (запустите с порогом E = 10 - по умолчанию)

11. (cusp)Найдите частоты кодонов в данных кодирующих последовательностях
12. (compseq) Найдите частоты динуклеотидов в данной нуклеотидной последовательности и сравните их с ожидаемыми
13. (tranalign) Выровняйте кодирующие последовательности соответственно выравниванию белков - их продуктов

Сравните аннотации генов белков в одной хромосоме бактерии или археи с трансляциями длинных открытых рамок считывания

• Выбор бактерии/археи и ее хромосомы - за вами. Возьмите, например, свою бактерию из 1го семестра.
  • Сохраните последовательность хромосомы в формате genbank или embl (т.е. с аннотациями)

• В отчёте приведите

  • название бактерии/археи, хромосомы (если их несколько), AC записи
  • команды, которыми вы получили таблицы с генами и открытыми рамками (с объяснением что делает)
  • Ссылки на таблицу с аннотациями генов белков (ген, название, координаты, ориентация) и длинными открытыми рамками (номер рамки, координаты, ориентация)

  • Примеры расхождений в таблицах (>=10)

    • Объяснение расхождений (>=5)

  • Примеры антипараллельных открытых рамок с пересечением >= 150 п.н. (или указание, что таковых нет)

    • Сравнение с аннотациями генов белков в районе этих рамок
    • Возможное объяснение феномена

1. Получите список трансляций открытых рамок с помощью команды getorf пакета EMBOSS

• Результат:

  • таблица длинных - более 180 п.н. - открытых рамок считывания в формате Excel
  • файл с трансляциями открытых рамок в формате fasta

• План

  • Получите трансляции открытых рамок с помощью команды getorf пакета EMBOSS
    • Изучите параметры команды getorf
      • tfm getorf или getorf -help -verbose или на сайте EMBOSS
    • Выполните команду, прописав явно (т.е. -опция значение) следующие опции
      • таблицу генетического кода для данного генома (см. в записи хромосомы при каждой открытой рамке)
      • минимальную длину открытой рамки - 180 п.н.
      • кольцевая или линейная хромосома
      • выходные последовательности - трансляции открытых рамок от стоп кодона до стоп кодона
    • Сохраните выполненную команду для отчета
  • Получите список координат и ориентаций найденных открытых рамок с помощью infoseq
    • Изучите параметры infoseq
    • Выполните команду с такими параметрами, чтобы получить ID открытой рамки, координаты в геноме и длину трансляции в остатках
    • Сохраните команду для отчета
  • Отфильтруйте нужную информацию от ненужной. Сохраните результат в файле, который удобно открывать с помощью Excel
    • Лучший способ - написать простенький python скрипт
    • Можно открыть файл в Excel и в нем разбить на колонки и бессмысленные удалить; или еще как-нибудь
    • Отсортируйте по началу открытой рамки в геноме
    • Пример результата:

Name               from     to ori  Length
NC_010644_15026     278    400  -1      41
NC_010644_1         365    511   1      49
NC_010644_3         523   1911   1      463
NC_010644_15025     543    734  -1      64
NC_010644_15024     712    888  -1      59
NC_010644_2         758    889   1      44
NC_010644_15023     948   1208  -1      87

Заметьте, что getorf выдает начало и конец открытой рамки на противоположной цепи в виде

NC_010644_15026 41      [400 - 278] (REVERSE SENSE) Elusimicrobium minutum Pei191 chromosome, complete genome

В итоговой таблице удобно переставить так, как в примере выше. (Я сделал это в Excel с помощью функции ЕСЛИ)

2. Получите список аннотированных генов белков

• Результат:

  • таблица аннотированных генов белков в формате Excel. Поля:
    • идентификатор lucus_tag
    • from
    • to
    • ori
    • length (все - как в файле с открытыми рамками)
    • PID - идентификатор гена, он же gi - для связи с последовательностями белков
    • product - функция белка
  • файл с последовательностями белков в формате fasta

• План

  • Скачайте файлы с расширениями .ptt (хромосомная таблица со списком генов белков)и .faa (с последовательностями белков в формате fasta).
  • Приведите список белков в таблицу Excel требуемого вида
  • Отсортируйте по началу "from"

3. Сравните две таблицы Excel

• Если использовать Excel, то я предлагаю (но не настаиваю)поступить так:
  • добавить в каждую таблицу 1й столбец source, и написать в нем ORF в 1й табл и Annotation - во второй
  • объединить обе таблицы в одну и отсортировать по "from"
  • придумайте, как действовать далее