CB10: Rozdiel medzi revíziami

Verzia zo dňa a času 16:00, 25. november 2021

Gény, evolúcia a komparatívna genomika v UCSC genome browseri (cvičenie pri počítači)

K hladaniu genov pozri aj prezentaciu pdf

Histónové modifikácie

• A. Barski, S. Cuddapah, K. Cui, T. Roh, D. Schones, Z. Wang, G. Wei, I. Chepelev, K. Zhao (2007) High-Resolution Profiling of Histone Methylations in the Human Genome Cell, Volume 129, Issue 4, Pages 823-837 pdf

• Zobrazme si gén CLCA4 [1]
• Zapnite si štandardnú sadu track-ov
• Po kliknutí na gén si môžete prečítať o jeho funkcii, po kliknutí na ľavú lištu alebo na názov tracku v zozname na spodku stránky si môžete prečítať viac o tracku a meniť nastavenia
• V tracku RefSeq genes si všimnite, že v tejto databáze má tento gén dve formy zostrihu, jedna z nich sa považuje za nekódujúcu, pretína sa aj s necharakterizovanou nekódujúcou RNA na opačnom vlákne
  • Track RefSeq a jeho subtrack RefSeq Curated treba zapnut na pack
• Nižšie vidíte track H3K27Ac Mark (Often Found Near Regulatory Elements) on 7 cell lines from ENCODE, kde bola táto histónová modifikácia v okolí génu detegovaná?
• Všimnite si aj track DNase I Hypersensitivity, ktorý zobrazuje otvorený chromatin, prístupný pre viazanie transkripčných faktorov. Všimnite si jeho súvis s H3K27Ac trackom
• Obidva tracky sú súčasťou tracku ENCODE regulation, v ktorom si môžete zapnúť aj ďalšie pod-tracky

• Vsimnime si track Vertebrate Multiz Alignment & Conservation (100 Species)
  • v spodnej casti tracku vidime zarovnania s roznymi inymi genomami
  • v nastaveniach tracku zapnite Element Conservation (phastCons) na full a Conserved Elements na dense
  • v tomto tracku vidíme PhyloP, co zobrazuje uroven konzerovanosti danej bazy len na zaklade jedneho stlpca zarovnania a dva vysledky z phyloHMM phastCons, ktory berie do uvahy aj okolite stlpce
• Konkretne cast Conserved elements zobrazuje konkretne useky, ktore su najvac konzervovane
  • Ak chceme zistit, kolko percent genomu tieto useky pokryvaju, ideme na modrej liste do casti Tools->Table browser, zvolime group Comparative genomics, track Conservation, table 100 Vert. El, region zvolime genome (v celom genome) a stlacime tlacidlo Summary/statistics, dostaneme nieco taketo:

• • Ak by nas zaujimali iba velmi dlhe "conserved elements", v Table browser stlacime tlacidlo Filter a na dalsej obrazovke do policka Free-form query dame chromEnd-chromStart>=1500
  • Potom mozeme skusit Summary/Statistics alebo vystup typu Hyperlinks to genome browser a Get output - dostaneme zoznam tychto elementov a kazdy si mozeme jednym klikom pozriet v browseri, napr. taketo
    • lod=24051 at chr1:50201403-50203312
    • lod=1899 at chr1:55663689-55667047 atd

• Pozrime si teraz ten isty gen CLCA4 v starsej verzii genomu hg18 [2]
  • V casti Genes and Gene Prediction Tracks zapnite track Pos Sel Genes, ktory obsahuje geny s pozitivnym vyberom (cervenou, pripadne slabsie fialovou a modrou)
  • Ked kliknete na cerveny obdlznik pre tento gen, uvidite, v ktorych castiach fylogenetickeho stromu bol detegovany pozitivny vyber
  • Po priblizeni do jedneho z exonov [3] vidite dosledky nesynonymnych mutacii

Poznamka: Existuju aj webservery na predikciu pozitivneho vyberu, napriklad tieto dva:

• Selecton, clanok
• Data monkey clanok
• Skusili sme na Selecton poslat CLCA4 zo 7 cicavcov, subor tu: [4]
  • vysledky [5] a [6] (metoda ale odporuca aspon 10 homologov)

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

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

PSI BLAST

• Toto cvičenie je z časti inšpirované stránkou [7]
• Budeme uvažovať vzdialene podobné enzýmy
  • Bis(5'-adenosyl)-triphosphatase (Uniprot)
  • Galactose-1-phosphate uridylyltransferase (GALT/GAL7) (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: 1. kolo, 2. kolo

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 podrobne stranky pre jednotlive transkripcne faktory
• Pozrime si stranku pre transkripcny faktor GAL4 [8]

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?