Zobrazenie zdroja stránky CB10

==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:
<pre>
AGCTTTGCGCAGTGGCAGTATCGTAGCCAATGAGGTTTATCCGAGGCGCG
ATTATTGCTAATTGAAAACTTTTCCCAATACCCCGCCATGACGACTTGAA
ATATAGTCGGCATTGGCAATTTTTGACAGTCTCTACGGAGA
</pre>
* Skuste ju najst v ludskom genome nastrojom BLAT v [http://genome-euro.ucsc.edu 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 [http://rna.tbi.univie.ac.at/cgi-bin/RNAWebSuite/RNAfold.cgi]
* Ak vypocet dlho trva, pozrite si vysledok [http://rna.tbi.univie.ac.at//cgi-bin/RNAWebSuite/RNAfold.cgi?PAGE=3&ID=fdr_TwjicB 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/

==PSI BLAST==
* Toto cvičenie je z časti inšpirované stránkou [http://www.ncbi.nlm.nih.gov/Class/FieldGuide/problem_set.html]
* Budeme uvažovať vzdialene podobné enzýmy 
** Bis(5'-adenosyl)-triphosphatase ([http://www.uniprot.org/uniprot/P49789 Uniprot])
** Galactose-1-phosphate uridylyltransferase (GALT/GAL7) ([http://www.uniprot.org/uniprot/P31764 Uniprot])
** Ich domény patria v databáze Pfam do toho istého klanu
* Skúsme nájsť túto podobnosť v BLASTe: http://blast.ncbi.nlm.nih.gov/ v časti proteíny, zvoľme databázu Swissport, ako Query zadajme Accesion nášho proteínu P49789, spustime program PSI-BLAST
* V prvom kole PSI-BLAST spúšťa bežný BLASTP
* GAL gén (konkrétne GAL7_HAEIN, accession P31764) sa nachádza medzi výsledkami, ale má príliš vysokú E-value
* Spustíme teraz druhú iteráciu PSI-BLAST, ktorá zostaví profil z proteínov s nízkou E-value v prvej iterácii
* Aká je E-value nájdeného zarovnania?
* Ak by výpočet dlho trval, výsledky sú tu: [http://compbio.fmph.uniba.sk/vyuka/mbi-data/cb08/psi-blast1.html 1. kolo], [http://compbio.fmph.uniba.sk/vyuka/mbi-data/cb08/psi-blast2.html 2. kolo]

==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 [http://compbio.fmph.uniba.sk/vyuka/mbi-data/cb08/zoznam_genov.txt tu]
* http://biit.cs.ut.ee/gprofiler/ mena genov skopirujme do policka ''Query'', stlacte g:Profile!
** Ak by výpočet dlho trval, nájdete ho aj [http://compbio.fmph.uniba.sk/vyuka/mbi-data/cb08/g_Profiler.html 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 [http://genome-euro.ucsc.edu/cgi-bin/hgTracks?db=hg38&position=chr7%3A121873089-122062036]
* 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==
* {{cite journal |author=Pollard KS, Salama SR, Lambert N, ''et al.'' |title=An RNA gene expressed during cortical development evolved rapidly in humans |journal=Nature |volume=443 |issue=7108 |pages=167–72 |year=2006 |month=September |pmid=16915236 |doi=10.1038/nature05113 |url=}} [http://ribonode.ucsc.edu/Pubs/Pollard_etal06.pdf 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: [http://genome-euro.ucsc.edu/cgi-bin/hgTracks?db=hg38&position=chr20%3A63102114-63102274 '''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. [http://www.ncbi.nlm.nih.gov/geo/gds/analyze/kmeans2.cgi?&ID=GDS2925&dist=1&method=0&PC=1&NC=5&k=4 K=4] a [http://www.ncbi.nlm.nih.gov/geo/gds/analyze/kmeans2.cgi?&ID=GDS2925&dist=1&method=0&PC=1&NC=5&k=5 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 [http://compbio.fmph.uniba.sk/vyuka/mbi-data/cb11/seq.fa tieto sekvencie] 
* Pozrite si ostatne nastavenia. Co asi robia?
* Ak server pocita dlho, mozete si pozriet vysledky [http://compbio.fmph.uniba.sk/vyuka/mbi-data/cb11/MEME.html 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 [http://www.yeastgenome.org/locus/S000006169/regulation]

==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.
<pre>
 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
</pre>

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