1-BIN-301, 2-AIN-501 Methods in Bioinformatics, 2023/24

Introduction · Rules · Tasks and dates · Materials · Moodle
Quizzes can be found in Moodle.
Homework assignments and journal club papers can be found in Tasks and dates.
Exam rules, example questions and syllabus
Groups for journal club have each their own group in Moodle.


CB12: Rozdiel medzi revíziami

Z MBI
Prejsť na: navigácia, hľadanie
(Vytvorená stránka „=CB12= ==Zhrnutie semestra== * vid prezentacia k cviceniu ==Uvod do teorie grafov== * vid prezentacia k cviceniu ==Ukážka práce v Linuxe== ===Prvá časť - prípr...“)
 
(→‎Staršie cvičenia)
 
(9 intermediate revisions by the same user not shown)
Riadok 1: Riadok 1:
−
=CB12=
+
==Zhrnutie semestra a úvod do teórie grafov==
−
==Zhrnutie semestra==
+
* vid prezentacie k cviceniu
−
* vid prezentacia k cviceniu
+
  
−
==Uvod do teorie grafov==
 
−
* vid prezentacia k cviceniu
 
  
−
==Ukážka práce v Linuxe==
+
==Populacna genomika v UCSC genome browseri==
  
−
===Prvá časť - príprava===
+
===Zopar zaujimavych polymorfizmov v ludskom genome===
 +
* SNP rs1815739 CC:  [http://www.snpedia.com/index.php/Rs1815739 SNPedia], [http://genome.ucsc.edu/cgi-bin/hgTracks?db=hg19&position=chr11:66327845-66328345&hgS_doOtherUser=submit&hgS_otherUserName=Brona&hgS_otherUserSessionName=DOD2016 genome browser]
 +
* SNP rs12255372 GT: [http://www.snpedia.com/index.php/Rs12255372 SNPedia], [http://genome.ucsc.edu/cgi-bin/hgTracks?db=hg19&position=chr10:114808652-114809152&hgS_doOtherUser=submit&hgS_otherUserName=Brona&hgS_otherUserSessionName=DOD2016 genome browser]
 +
* SNP rs2472297 TT: [http://www.snpedia.com/index.php/Rs2472297 SNPedia], [http://genome.ucsc.edu/cgi-bin/hgTracks?db=hg19&position=chr15:75027630-75028130&hgS_doOtherUser=submit&hgS_otherUserName=Brona&hgS_otherUserSessionName=DOD2016 genome browser]
 +
* Ďalšie zaujímavé SNPy: rs10427255 CC, rs671 GG, rs713598 GG, rs17822931 CT, rs4988235 CC, rs1042725 CC, rs7495174 AA, rs1426654 AA, rs4481887 AG
 +
* V browseri si vsimnite tracky (specificke pre verziu genomu hg19):
 +
** HGDP Allele Freq s mapou sveta s distribuciou alel
 +
** Genome Variants obsahuje genomy niekolkych ludi, napr Jima Watsona
 +
** Takisto sa da pozriet genom ludi z jaskyne Denisova a Neandertalcov
  
−
* Prihláste sa na server podľa pokynov.
+
UCSC genome browser ma aj dalsie tracky tykajuce sa populacnej genomiky a polymorfizmov
−
* Potom spúšťajte jednotlivé príkazy podľa pokynov nižšie.
+
* Pozrime si napriklad region [http://genome-euro.ucsc.edu/cgi-bin/hgTracks?db=hg38&position=chr2:46,570,000-46,630,000 chr2:46,570,000-46,630,000 v hg38]
−
* Odporúčame príkazy kopírovať myšou (v internetovom prehliadači vysvietiť, stlačiť Ctrl-C, v konzole Ctrl-Shift-V)
+
* V casti Phenotype and Disease Associations
 +
** napr. OMIM Alleles obsahuju asociacie variantov k chorobam
 +
** GWAS Catalog sú výsledky GWAS štúdií
  
  
−
<pre>
+
V starsej verzii ludskeho genomu hg18 je aj trojuholnikovy graf vazbovej nerovnovahy
−
# riadky začínajúce mrežou # sú komentáre, netreba ich spúšťať
+
* [http://genome-euro.ucsc.edu/cgi-bin/hgTracks?db=hg18&position=chr2:164,862-426,468 region chr2:164,862-426,468 v hg18]
 +
* zapnite "HapMap LD Phased" na Full (cast Variation and Repeats)
 +
* vsimnite si, ze miery LD sa medzi ludskymi podpopulaciami lisia (YRI: Nigeria; CEU: Europa; JPT+CHB: Japonsko, Cina)
  
−
# Dôležité: v príkazoch nižšie xx nahraďte vašim číslom skupiny, napr. 01
+
==Sekvenčné motívy, program MEME==
−
mkdir xx
+
−
cd xx
+
−
# príkaz mkdir (make directory) vytvoril priečinok
+
−
# príkaz cd (change directory) zmenil váš aktuálny priečinok na tento nový
+
  
−
# v konzole by ste mali mať user@server:~/xx$
+
* Vazobne miesta transkripcnych faktorov sa casto reprezentuju ako sekvencne motivy
−
# kde xx je číslo vašej skupiny, napr. 01
+
* 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]
  
−
# stiahneme si súbor s dátami zo stránky
+
==Kvasinkové transkripčné faktory v SGD==
−
wget http://compbio.fmph.uniba.sk/vyuka/mbi-data/cb12.zip
+
* Yeast genome database SGD obsahuje pomerne podrobne stranky pre jednotlive transkripcne faktory
−
# rozzipujeme ho
+
* Pozrime si stranku pre transkripcny faktor GAL4 [http://www.yeastgenome.org/locus/S000006169/regulation]
−
unzip cb12.zip
+
−
</pre>
+
  
−
===Druhá časť - skladanie genómov, mapovanie čítaní, zarovnanie===
+
==Staršie cvičenia==
−
<pre>
+
* Nadreprezentácia [[CB08#Nadreprezent.C3.A1cia_.28cvi.C4.8Denie_pri_po.C4.8D.C3.ADta.C4.8Di.29|link]]
−
# prejdeme na priečinok s prvou časťou ohľadom sekvenovania
+
−
cd 1-seq
+
−
 
+
−
# ls vypíše zoznam súborov v priečinku
+
−
ls
+
−
# ls -l vypíše dlhšiu informáciu (long)
+
−
ls -l
+
−
# ls -lSh usporiada súbory podľa veľkosti (Size) a veľkosti vypíše priateľskejšie pre ľudí (human)
+
−
ls -lSh
+
−
 
+
−
# mali by sme vidieť kúsok sekvencie z E.coli (prípona .fasta)
+
−
# a 2 súbory zo sekvenovania prístrojom Illumina Miseq  (prípona .fastaq.gz)
+
−
# tieto súbory obsahujú čítania z vyššie uvedeného kúsku genómu
+
−
 
+
−
 
+
−
# ideme skladať genóm, bude to trvať dlho, preto to chceme spustiť na pozadí
+
−
# aby sme mohli medzitým robiť niečo iné
+
−
screen # stlačte Enter
+
−
# spustite skladanie programom spades
+
−
spades.py -t 1 -m 1 --pe1-1 miseq_R1.fastq.gz --pe1-2 miseq_R2.fastq.gz -o spades > spades.log
+
−
# stlačte naraz Ctrl-a potom d
+
−
# spades teraz beží na pozadí
+
−
 
+
−
# príkaz top zobrazí bežiace procesy
+
−
# ukončíte ho stlačením q (quit)
+
−
top
+
−
 
+
−
# príkaz less umožňuje prezerať si obsah textového súboru
+
−
# aj príkaz less ukončíte stlačením q, šípkami sa pohybujete po súbore
+
−
less ref.fasta
+
−
# čítania sú komprimované, preto namiesto less použijeme zless
+
−
zless miseq_R1.fastq.gz
+
−
# tieto príkazy spočítajú počet riadkov - ako z toho zistíme počet čítaní?
+
−
zcat miseq_R1.fastq.gz | wc -l
+
−
zcat miseq_R2.fastq.gz | wc -l
+
−
 
+
−
# keď spades skončí, vrátime sa do screen a ukončíme ho
+
−
screen -r
+
−
# exit ukončí screen
+
−
exit
+
−
 
+
−
# spades dal výstup do podpriečinku spades, pozrime si ho
+
−
ls spades
+
−
# skopírujeme si hlavný výsledok do nášho priečinka (cp = copy)
+
−
cp -ip spades/contigs.fasta spades.fasta
+
−
less spades.fasta
+
−
# pozrime si hlavičky jednotlivých sekvencií vo fasta súbore
+
−
grep '>' spades.fasta
+
−
 
+
−
# programom last si spravíme dotplot referencia vs. naše skladanie
+
−
# 1) vytvorenie indexu pre referenciu
+
−
lastdb ref.fasta ref.fasta
+
−
# 2) samotné zarovnanie
+
−
lastal -f TAB ref.fasta spades.fasta > aln.tab
+
−
# 3) vytvorenie obrázku s dotplotom
+
−
last-dotplot aln.tab aln.png
+
−
 
+
−
# a ešte dotplot referencia vs. referencia
+
−
# 2) samotné zarovnanie (index už máme)
+
−
lastal -f TAB ref.fasta ref.fasta > aln2.tab
+
−
# 3) vytvorenie obrázku s dotplotom
+
−
last-dotplot aln2.tab aln2.png
+
−
 
+
−
# pozrieme si dotploty programom eog
+
−
eog aln.png &
+
−
eog aln2.png &
+
−
 
+
−
 
+
−
# zarovnajme čítania k referenčnému genómu v 4 krokoch
+
−
# 1) indexovanie fasta súboru
+
−
bwa index ref.fasta
+
−
# 2) samotné zarovnávanie čítaní programom bwa
+
−
bwa mem ref.fasta miseq_R1.fastq.gz miseq_R2.fastq.gz > ref-miseq.sam
+
−
# 3) zmeníme textový sam formát na binárny bam formát
+
−
samtools view -S -b ref-miseq.sam | samtools sort - ref-miseq
+
−
# 4) vytvoríme index bam súboru
+
−
samtools index ref-miseq.bam
+
−
 
+
−
# pozrime sa na zoznam súborov od najnovšieho po najstarší
+
−
ls -lth
+
−
# sam súbor so zarovnaniami sa dá pozrieť, ale nie je veľmi prehľadný
+
−
less ref-miseq.sam
+
−
 
+
−
 
+
−
# vytvoríme aj zarovnanie nášho poskladaného genómu k referencii vo formáte bam
+
−
samtools faidx ref.fasta
+
−
lastal ref.fasta spades.fasta -E1e-20 | maf-convert sam > ref-spades.sam
+
−
samtools view -S -b -t ref.fasta.fai ref-spades.sam | samtools sort - ref-spades
+
−
samtools index ref-spades.bam
+
−
 
+
−
# výsledky si zobrazíme v grafickom prehliadači igv
+
−
# obdoba genome browsera, ktorú si môžete nainštalovať na vašom počítači
+
−
# POZOR: POTREBUJE VEĽA PAMÄTE, SPUSTÍME IBA JEDEN NARAZ
+
−
igv -g ref.fasta
+
−
# pomocou Menu->File->Load from File otvorte ref-spades.bam a ref-miseq.bam
+
−
# pozrime si región ecoli-frag:224,000-244,000
+
−
#  Vidíte jednotlivé kontigy? Sedí tento pohľad s dotplotom?
+
−
# a potom bližšie ecoli-frag:227,300-227,600
+
−
#  Všimnite si sekvenačné chyby rozdiely medzi referenciou a kontigmi
+
−
</pre>
+
−
 
+
−
===Tretia časť - hľadanie génov, RNA-seq===
+
−
<pre>
+
−
# v druhom cvičení si vyskúšame hľadanie génov
+
−
# najskôr sa presuňme do druhého priečinku
+
−
cd ../2-genes
+
−
 
+
−
# pozrime si, aké máme súbory
+
−
ls -lSh
+
−
# mali by sme mať kúsok referenčného genómu huby Aspergillus nidulans
+
−
# fastq súbor s čítaniami z RNA-seq pre tento kúsok referencie
+
−
# gff súbor s anotáciou génov z databázy
+
−
 
+
−
# spustíme hľadač génov Augustus 2x:
+
−
# raz s parametrami priamo pre A.nidulans a raz s parametrami pre ľudský genóm
+
−
augustus --species=anidulans ref2.fasta > augustus-anidulans.gtf
+
−
augustus --species=human ref2.fasta > augustus-human.gtf
+
−
 
+
−
# RNA-seq zarovnáme k sekvencii nástrojom tophat2 (podporuje intróny)
+
−
bowtie2-build ref2.fasta ref2.fasta
+
−
tophat2 -i 10 -I 10000 --max-multihits 1 --output-dir rnaseq ref2.fasta rnaseq.fastq
+
−
samtools sort rnaseq/accepted_hits.bam rnaseq
+
−
samtools index rnaseq.bam
+
−
 
+
−
# predikcie génov a RNA-seq si pozrieme v igv
+
−
igv -g ref2.fasta
+
−
# v igv si otvorte annot.gff, augustus-anidulans.gtf, augustus-human.gtf, rnaseq.bam
+
−
# - ktoré parametre Augustusu dali presnejšie predpovede (za predpokladu, že anotácia je správna)
+
−
# - pozrite si zblízka niektorý gén s vysokou expresiou (napr. druhy gen sprava),
+
−
#  mali by ste vidieť čítania podporujúce intróny
+
−
</pre>
+

Aktuálna revízia z 11:47, 7. december 2023

Zhrnutie semestra a úvod do teórie grafov

  • vid prezentacie k cviceniu


Populacna genomika v UCSC genome browseri

Zopar zaujimavych polymorfizmov v ludskom genome

  • SNP rs1815739 CC: SNPedia, genome browser
  • SNP rs12255372 GT: SNPedia, genome browser
  • SNP rs2472297 TT: SNPedia, genome browser
  • Ďalšie zaujímavé SNPy: rs10427255 CC, rs671 GG, rs713598 GG, rs17822931 CT, rs4988235 CC, rs1042725 CC, rs7495174 AA, rs1426654 AA, rs4481887 AG
  • V browseri si vsimnite tracky (specificke pre verziu genomu hg19):
    • HGDP Allele Freq s mapou sveta s distribuciou alel
    • Genome Variants obsahuje genomy niekolkych ludi, napr Jima Watsona
    • Takisto sa da pozriet genom ludi z jaskyne Denisova a Neandertalcov

UCSC genome browser ma aj dalsie tracky tykajuce sa populacnej genomiky a polymorfizmov

  • Pozrime si napriklad region chr2:46,570,000-46,630,000 v hg38
  • V casti Phenotype and Disease Associations
    • napr. OMIM Alleles obsahuju asociacie variantov k chorobam
    • GWAS Catalog sú výsledky GWAS štúdií


V starsej verzii ludskeho genomu hg18 je aj trojuholnikovy graf vazbovej nerovnovahy

  • region chr2:164,862-426,468 v hg18
  • zapnite "HapMap LD Phased" na Full (cast Variation and Repeats)
  • vsimnite si, ze miery LD sa medzi ludskymi podpopulaciami lisia (YRI: Nigeria; CEU: Europa; JPT+CHB: Japonsko, Cina)

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 [1]

Staršie cvičenia

  • Nadreprezentácia link
Zdroj: „http://compbio.fmph.uniba.sk/vyuka/mbi/index.php?title=CB12&oldid=3050“