CB10

PSI BLAST a Pfam

• Budeme uvažovať vzdialene podobné enzýmy
  • Bis(5'-adenosyl)-triphosphatase (FHIT), accession P49789 (Uniprot)
  • Adenosine 5'-monophosphoramidase (HINT2), (Uniprot)
  • Galactose-1-phosphate uridylyltransferase (GALT/GAL7) (Uniprot)
  • FHIT a HINT2 majú doménu HIT (Pfam). GAL má inú doménu. Tieto domény patria v databáze Pfam do toho istého klanu.
• Skúsme nájsť túto podobnosť v BLASTe: https://blast.ncbi.nlm.nih.gov/ v časti proteíny, zvoľme databázu Swissport, ako Query zadajme Accesion nášho proteínu P49789, spustime program PSI-BLAST, E-value zvýšená na 0.1
• V prvom kole PSI-BLAST spúšťa bežný BLASTP
• GAL gén sa nenachádza medzi výsledkami
• Spustíme teraz druhú iteráciu PSI-BLAST, ktorá zostaví profil z proteínov s nízkou E-value v prvej iterácii
• Vo výsledkoch uvidíme niekoľko kópií génu GAL z rôznych organizmov
• Pozrime sa tiež napríklad na gén HINT2 s rovnakou doménou ako FHIT

• Ak by výpočet dlho trval, výsledky sú tu:
  • 1. kolo
  • 2. kolo

Budeme robiť na neskoršom cvičení

RNA štruktúra

• Znama databaza rodin RNA genov je Rfam: http://rfam.xfam.org/
• Najdite si v nej rodinu RF00015 (U4 spliceosomal RNA)
• V casti Secondary structure si mozete pozriet obrazky farebne kodovane podla roznych kriterii
  • Skuste pochopit, co jednotlive obrazky a ich farby znamenaju
• Jedna z mnohych ludskych kopii je tato:

AGCTTTGCGCAGTGGCAGTATCGTAGCCAATGAGGTTTATCCGAGGCGCG
ATTATTGCTAATTGAAAACTTTTCCCAATACCCCGCCATGACGACTTGAA
ATATAGTCGGCATTGGCAATTTTTGACAGTCTCTACGGAGA

• Skuste ju najst v ludskom genome nastrojom BLAT v UCSC genome browseri
• Pozrite si tracky GENCODE genes, conservation, RepeatMasker v jej okoli
• Vo verzii hg19 (kam sa viete z inej verzii dostat cez horne menu View->In Other Genomes) je track "CSHL Sm RNA-seq" ktory obsahuje RNASeq kratkych RNA z roznych casti buniek, zapnite si v jeho nastaveniach aj zobrazenie RNA z jadra (nucleus)
• Zadajte sekvenciu na RNAfold serveri [1]
• Ak vypocet dlho trva, pozrite si vysledok tu
• Podoba sa na strukturu zobrazenu v Rfame? v com sa lisi?

• RNA dizajn: mozete sa skusit zahrat na stranke http://www.eternagame.org/web/

Nadreprezentácia, Uniprot (cvičenie pri počítači)

Data o expresii ludskych genov v roznych tkanivach a podobne v UCSC genome browseri

• Chodte na genome browser http://genome-euro.ucsc.edu/
• Zvolte Tools->Gene Sorter, sort by nechajme Expression (GTEx), a do okienka search zadajme identifikator genu PTPRZ1
  • Dostane tabulku genov s podobnym profilom expresie ako PTPRZ1 (červená je vysoká expresia, zelená nízka)
  • Zoznam tychto genov v textovom formate najdete tu
• http://biit.cs.ut.ee/gprofiler/ mena genov skopirujme do policka Query, stlacte g:Profile!
  • Ak by výpočet dlho trval, nájdete ho aj tu
  • Vo výslednej tabuľke je každý riadok jedna funkcna kategoria, v ktorej su geny s tymto profilom expresie nadreprezentovane, kazdy stlpec jeden gen.
  • V spodnej casti tabuly su aj asociacie k chorobam a k transkripcnym faktorom, ktore by mohli prislusne geny regulovat
• Co by sme na zaklade nadreprezentovanych kategorii usudzovali o gene PTPRZ1?

• Najdite tento gen v Uniprote (http://www.uniprot.org/), potvrdzuje nase domnienky?
  • O mnohých údajoch na stránke sme sa rozprávali na prednáške (GO kategórie, domény, sekundárna a 3D štruktúra)
  • na veľa miestach na stránke je uvedené aj odkiaľ jednotlivé údaje pochádzajú
  • Všimnime si Pfam domény a pozrime si ich stránku

• Vratme sa do genome browsera, najdime si PTPRZ1 gen v genome [2]
• V browseri su rozne tracky tykajuce sa expresie, napr. GTEx. Precitajte si, co je v tomto tracku zobrazene, zapnite si ho a pozrite si expresiu okolitych genov okolo PTPRZ1
• Kliknite na gen v tracku UCSC known genes. V tabulke uvidite zase prehlad expresie v roznych tkanivach (podla GTEx)

Objavenie génu HAR1 pomocou komparatívnej genomiky

• Pollard KS, Salama SR, Lambert N, et al. (September 2006). "An RNA gene expressed during cortical development evolved rapidly in humans". Nature 443 (7108): 167–72. doi:10.1038/nature05113. PMID 16915236. pdf
• Zobrali všetky regióny dĺžky aspoň 100bp s > 96% podobnosťou medzi šimpanzom a myšou/potkanom (35,000)
• Porovnali s ostatnými cicavcami, zistili, ktoré majú veľa mutáci v človeku, ale málo inde (pravdepodobnostný model)
• 49 štatisticky významných regiónov, 96% nekódujúcich oblastiach
• Najvýznamnejší HAR1: 118nt, 18 substitúcii u človeka, očakávali by sme 0.27. Iba 2 zmeny medzi šimpanzom a sliepkou (310 miliónov rokov), ale nebol nájdený v rybách a žabe.
• Nezdá sa byť polymorfný u človeka
• Prekrývajúce sa RNA gény HAR1A a HAR1B
• HAR1A je exprimovaný v neokortexe u 7 a 9 týždenných embrií, neskôr aj v iných častiach mozgu (u človeka aj iných primátov)
• Všetky substitúcie v človeku A/T->C/G, stabilnejšia RNA štruktúra (ale tiež sú blízko k telomére, kde je viacej takýchto mutácii kvôli rekombinácii a biased gene conversion)

Cvičenie pri počítači

• Môžete si pozrieť tento region v browseri: chr20:63102114-63102274 (hg38), pricom ak sa este priblizite, uvidite zarovnanie aj s bazami a mozete vidiet, ze vela zmien je specifickych pre cloveka

Expresia génov

NCBI Gene Expression Omnibus http://www.ncbi.nlm.nih.gov/geo/

• Databaza gene expression dat na NCBI
• Do Search okienka zadajme GDS2925
• Mali by sme dostat dataset Various weak organic acids effect on anaerobic yeast chemostat cultures
• Mozeme si pozriet zakladne udaje, napr. citation, platform
• Link "Expression profiles" nam zobrazi grafy pre rozne geny
• Pri kazdom profile mozeme kliknut na profile neighbors, aby sme videli geny s podobnym profilom
• Data analysis tools, cast Cluster heatmaps, K-means, skuste rozne pocty clustrov
  • napr. K=4 a K=5 pre Pearsonovu korelaciu
  • mozeme is pozriet aj hierarchicke zhlukovanie

Sekvenčné motívy, program MEME

• Vazobne miesta transkripcnych faktorov sa casto reprezentuju ako sekvencne motivy
• Ak mame skupinu sekvencii, mozeme hladat motiv, ktory maju spolocny
• Znamy program na tento problem je MEME
• Chodte na stranku http://meme-suite.org/
• Zvolte nastroj MEME a v casti Input the primary sequences zvolte Type in sequences a zadajte tieto sekvencie
• Pozrite si ostatne nastavenia. Co asi robia?
• Ak server pocita dlho, mozete si pozriet vysledky tu

Kvasinkové transkripčné faktory v SGD

• Yeast genome database SGD obsahuje pomerne podrobne stranky pre jednotlive transkripcne faktory
• Pozrime si stranku pre transkripcny faktor GAL4 [3]

Uniprot

• Prehladnejsi pohlad na proteiny, vela linkov na ine databazy, cast vytvarana rucne
  • Pozrieme sa na známy koronavírusový proteín Spike
  • Nájdime ho na stránke http://www.uniprot.org/ pod názvom SPIKE_SARS2
  • Pozrime si podrobne jeho stránku, ktoré časti boli predpovedané bioinformatickými metódami z prednášky?
  • Všimnime si niektorú Pfam doménu a pozrime si jej stránku

Nussinovovej algoritmus (nerobili sme)

Z cvičných príkladov na skúšku

• Vyplňte maticu dynamického programovania (Nussinovovej algoritmus) pre nájdenie najväčšieho počtu dobre uzátvorkovaných spárovaných báz v RNA sekvencii GAACUUCACUGA (dovoľujeme len komplementárne páry A-U, C-G) a nakreslite sekundárnu štruktúru, ktorú algoritmus našiel.

 G A A C U U C A C U G A
 0 0 0 1 1 2 3 3 3 4 4 4  G
   0 0 0 1 2 2 2 2 3 4 4  A
     0 0 1 1 1 2 2 2 3 4  A
       0 0 0 0 1 1 1 2 3  C
         0 0 0 1 1 1 2 3  U
           0 0 1 1 1 2 3  U
             0 0 0 1 2 2  C
               0 0 1 1 1  A
                 0 0 1 1  C
                   0 0 1  U
                     0 0  G
                       0  A

• Ako by sme algoritmus upravili, aby dlzka slucky na konci helixu bola vzdy aspon 3?