Учебная страница курса биоинформатики,
год поступления 2015

Семестры Студенты Преподаватели

• 2024
• 2023
• 2022
• 2021
• 2020
• 2019
• 2018
• 2017

• ...

Советы по выполнению задания 2

2a. Построение карты локального сходства

• Используйте blast2seq, алгоритм blastn, на сайте NCBI. Изменение параметров поиска позволяет отфильтровать слабосходные участки и тем самым, упростить и улучшить карту.

• Карта строится быстро. Поэтому можно просмотреть несколько карт, чтобы выбрать подходящие геномы. Не показательны (i) практически совпадающие геномы - одна диагональ почти максимальной длины; (ii) очень далекие геномы - только короткие диагональки небольшой суммарной длины; Это может значить, что протяженные синтеничные участки не находятся из-за недостаточного сходства нуклеотидных последовательностей.
• Если у бактерии две хромосомы или есть плазмиды, то можно ограничиться парой гомологичных хромосом, по одрой из каждой бактерии (археи)
• Следите, чтобы хромосомы были собраны полностью - одна последовательность, а не много контигов!
• Если крупных событий много - опишите 3 - 5, наиболее интересных для вас. Указывайте фрагменты их координатами в геномах. Координаты указаны в выравниваниях.
• Сходство найдите как среднее сходство по нескольким наиболее длинным выравниваниям
• ДОПОЛНИТЕЛЬНОЕ. Возможные варианты ответа. (i) Это не вставка, а делеция в одном геноме или в геноме общего предка нескольких близкородственных геномов. (ii) Это вставка за счет горизонтального переноса из далеких геномов в данный геном или в общего предка его и нескольких близкородственных геномов. Найдите способ проверить какой ответ более вероятен.

2b. Построение нуклеотидного пангенома

Как выбрать геномы

• В таблице содержится список всех прокариот, геномы которых собраны до хромосом. Выбирайте бактерии одного вида с одной хромосомой.

Описываю действия, считая, что пакет NPG-explorer установлен на компьютере. Например, он установлен на kodomo.

Особенность интерфейса NPG-explorer состоит в том, что все файлы лежат в одной директории и имеют фиксированные имена. Поэтому имена входных и выходных файлов, как правило, не указываются. Все программы должны быть запущены из специально созданной директории, содержащей созданный вами файл genomes.tsv

План действий коротко

Как подготовить единственный входной файл genomes.tsv

• Формат genomes.tsv

all:embl:CP003309       Hino    chr1    c       Rickettsia rickettsii str. Hino
all:refseqn:CP003318.1  Hauke   chr1    c       Rickettsia rickettsii str. Hauke
all:embl:CP003311       Hlp2    chr1    c       Rickettsia rickettsii str. Hlp2
all:file:Rrickettsii_genomes/CP000766   Iowa    chr1    c       Rickettsia rickettsii str. Iowa 

• пять полей, разделители - табуляторы (а не пробелы)
• all - значит, что и последовательности, и аннотации генов берутся из одной и той же записи (формат допускает скачивание из разных файлов)

• embl - значит, что идентификатор INSDC - БД GeneBank или ENA; указывайте универсальные идентификаторы INSDC (не те, которые NC_...)

• refseqn - значит, что идентификатор БД Refseq (nucl); указывайте универсальные идентификаторы INSDC (не те, которые NC_...)
• file - значит, что использовать уже скачанный файл
• Hino и т.п. - короткое название генома без пробелов, выдуманное составителем файла
• chr1 - название хромосомы; должно быть одинаковым у гомологичных хромосом/плазмид из разных геномов
• c - кольцевая; l - для линейных
• Далее - полное название штамма

Параметры, которые можно менять в файле npge.config

• MIN_IDENTITY = Decimal('0.9') значит, что во всех блоки пангенома, кроме минорных m-блоков, доля консервативных позиций превышает 0.9
• Examine вычисляет долю консервативных позиций в малом числе блоков и предлагает значение параметра MIN_IDENTITY на 0.1 меньше
  • Не обязательно следовать рекомендации буквально, но уменьшить вычисленное значение, по крайней мере, на 0.05 стоит
• MIN_LENGTH = 100 значит, что все блоки пангенома, кроме минорных m-блоков, имеют не менее 100 позиций
• WORKERS = 1 значит, что задействовать один процессор. Это значение рекомендуется использовать на kodomo чтобы не заблокировать задания других студентов
  • WORKERS = -1 значит, что использовать все процессоры компьютера

npge MakePangenome выдает на stdout протокол выполнения. Рекомендуется его сохранить в файле: npge MakePangenome > log

Аналитические файлы с полезной информацией

• pangenome/pangenome.info содержит сводную информацию про все типы блоков:
  • s-блоки - стабильные (коровые) блоки, по одному фрагменту из каждого генома
  • h-блоки - "полустабильные" блоки - по одному фрагменту из части геномов
  • u-блоки - и не блоки вовсе, а уникальные последовательности из одного генома,у них нет гомологов среди всех геномов, кроме самой себя
  • r-блоки - блоки с повторами, по крайней мере, в одном геноме

  • m-блоки - минорные блоки - короткие (<MIN_LENGTH) блоки, которые не удается включить в другие блоки

• идентификатор блока r34x1201 устроен так: r - тип блока (от repeat); 34 фрагмента в блоке; 1201 позиций в выравнивании блока; иногда приходится добавлять "n1", "n2" и т.п. на конце чтобы сохранить уникальность имен
• pangenome/pangenome.bi содержит информацию по каждому блоку, включая информацию фрагменты каких геномов входят в блок;удобен для
  • поиска крупных делеций/вставок (h-блоки и u-блоки)
  • анализа блоков с повторами
• Список глобальных блоков - синтений - см. в global-blocks/blocks.gbi
  • g-блоки (глобальные блоки) состоят из последовательно идущих во всех геномах s-блоков, перемежающихся блоками других типов (r-, h-, u- и m-)
• Последовательность глобальных блоков в каждом геноме см. в файле global-blocks/blocks.blocks. Для ответов на вопросы его удобно взять в Excel, транспонировать и выкинуть строчки, не содержащие g-блоков.

Визуализатор qnpge запускается в рабочей директории (ricketssii_npg в примере) БЕЗ ПАРАМЕТРОВ.

• Версия NPG-explorer'а под Win запаздывает по сравнению с версией под linux. Если дома Win то можно поступить так.
  • Запустить все программы, кроме qnpge, на kodomo
  • Скопировать результаты на свой компьютер
  • Скачать на свой компьютер NPG-explorer под Win, предпоследнюю версию - как рекомендуется на сайте
  • Возможно, получится скачать только файл qnpge.exe с диска /P.../pr10 и положить в доректорию с пангеномом
  • Запустить qnpge
• Описывать графический интерфейс - неблагодарное занятие; и не буду это делать. qnpge позволяет:
  • искать по названию блока, гена или по последовательности (требуется точное совпадение)
  • сортировать таблицу блоков по любой колонке
  • копировать последовательности из нижнего окна: целые группы блоков из правого верхнего
  • показывать имена генов; сами гены выделены белым шрифтом в нижнем окне с выравниванием блока; разберитесь, как указывается их ориентация
  • быстро перемешаться в блока с выравниванием; home, end, ctrl или shift + стрелочки
  • переключать выравнивание имен блоков с глобальных блоков вдоль хромосомы к выравниванию обычных блоков внутри глобального или промежуточного i-блока

• В отчёт включите:
  • описание синтеничных участков (g-блоков):
    • число g-блоков,
    • фрагмент выравнивания g-блоков с объяснением
  • описание ядра пангенома (объединения s-блоков):
    • число s-блоков
    • размер ядра - процент входных последовательностей, вошедших в s-блоки
    • сходство геномов - процент консервативных позиций в объединенном выравнивании s-блоков
  • пример одного блока с повторами (r-блока) с объяснением

описание повторов - на 1-2 примерах r-блоков;

• один пример крупной делеций (делеция - в геномах, не вошедших в h-блок)
• один пример последовательности, имеющейся только в одном геноме

• 2b. ДОПОЛНИТЕЛЬНОЕ(*) Один пример расхождений между аннотациями генов с гомологичными последовательностями