Задание 1. Выбор сборки генома эукариотического организма

Для выполнения практикума была выбрана плодовая мушка Drosophila melanogaster (fruit fly). У этого организма политенные хромосомы в клетках слюнных желёз видны в световом микроскопе, что позволяет напрямую наблюдать структуру хромосом. В 1933 году Томас Хант Морган получил Нобелевскую премию по физиологии и медицине за «открытия, связанные с ролью хромосом в наследственности»; объектом его исследований была D. melanogaster. Размер генома - 143.7 Mb; это весьма компактный геном.

Через систему поиска на сайте NCBI Datasets была найдена сборка генома Release 6 plus ISO1 MT выбранного организма (GCF_000001215.4), имеющая аннотированные гены, качество сборки на уровне хромосом и отмеченная как референсная.

Всего для данного эукариота была найдена одна сборка, удовлетворяющая всем указанным критериям.

Задание 2.

Таблица 1. Характеристики сборки генома Drosophila melanogaster

Идентификатор GenBank	GCA_000001215.4
Идентификатор RefSeq	GCF_000001215.4
Уровень сборки генома	Chromosome
Общий размер генома (п.н.)	143.7 Mb
Число фрагментов генома в сборке	7
Contig N50	21.5 Mb
Contig L50	3
Scaffold N50	25.3 Mb
Scaffold L50	3

N50 — длина контига или скэффолда, для которого половина всех нуклеотидов сборки содержится в контигах или скэффолдах такой и большей длины.

L50 — наименьшее число контигов или скэффолдов, в которых содержится половина всех нуклеотидов сборки.

Контиги — непрерывные фрагменты ДНК, собранные из перекрывающихся ридов.

Скэффолды — последовательности (объединения) контигов, находящиеся на сравнительно небольшом расстоянии друг от друга; предполагается, что фрагменты ДНК между контигами не удалось реконструировать, поэтому вместо них стоят неоднозначные основания (NNN…), то есть сшивки контигов.

Chromosome (хромосома) — имеется последовательность для одной или нескольких хромосом. Это может быть полностью секвенированная хромосома без гэпов или хромосома, содержащая скэффолды или контиги с гэпами между ними.

Задание 3.

Для изучаемой сборки были получены нуклеотидные последовательности генома (FASTA), последовательности белков (FASTA) и последовательности генома с аннотацией (GBFF) путем скачивания через NCBI FTP из RefSeq.

Задание 4. Знакомство с поисковыми системами ENA и NCBI

Для поиска я выбрала такой белок, как инсулин.

1) Запрос insulin[Title] выдал 50 562 записи, из которых 4 147 посвящены генам (genomic DNA/RNA) и 40 303 — мРНК (mRNA). Распределение записей по источникам: GenBank — 14 271, RefSeq — 36 288.

2) Для отбора записей, содержащих последовательности только человека, использовался запрос (insulin[Title]) AND Homo sapiens[Organism], который выдал 5 616 записей, из которых 1 480 — гены (genomic DNA/RNA), 4 092 — мРНК (mRNA). Распределение записей по источникам: GenBank — 5 363, RefSeq — 253.

3) Не все записи содержат последовательности, кодирующие белки с соответствующей функцией. В выдаче встречаются, например, IRS4 (insulin receptor substrate 4) и IGFALS (insulin-like growth factor binding protein acid labile subunit) — это другие белки. IRS4 передаёт сигнал от рецептора (в частности, инсулина) внутрь клетки для запуска процессов роста и деления. IGFALS стабилизирует IGF (insulin-like growth factor) в крови; IGF стимулирует рост соединительной ткани (хряща и кости) и влияет на клетки крови (лимфоциты). Функцию самого инсулина — снижение содержания глюкозы в крови и синтез гликогена в печени и мышцах — эти белки не выполняют.

4) Для поиска в ENA использовался запрос tax_tree(9606) AND description="insulin" AND mol_type="genomic dna". Он дал 163 записи, соответствующие генам белков человека, имеющих в названии инсулин. По запросу tax_tree(9606) AND description="insulin" AND mol_type="mrna" было выдано 7 185 записей, описывающих мРНК человека и содержащих в названии инсулин.