ЗАДАНИЕ 1
Для выполнения практикума была выбрана зеленая водоросль Ostreococcus tauri штамма RCC4221. Это мельчайший свободноживущий эукариотический организм с размером около 0.8 мкм в диаметре, обладающий крайне компактным геномом, что вызывает интерес к изучению структуры хранения его генетической информации.
Через систему поиска на сайте NCBI Datasets была найдена сборка генома version 140606 выбранного организма, имеющая аннотированные гены, качество сборки на уровне хромосом, отмеченная как референсная.
Всего для данного эукариота было найдено 8 сборок, в том числе значительно более поздних, нежели референсная, однако ни одна их них, кроме выбранной, не подходила под указанные критерии.
ЗАДАНИЕ 2
| Характеристика | Информация |
|---|---|
| Идентификатор GenBank | GCA_000214015.2 |
| Идентификатор RefSeq | GCF_000214015.3 |
| Уровень сборки генома | Chromosome |
| Общий размер генома (п.н.) | 12.9 ⋅ 106 |
| Число фрагментов генома (хромосом) в сборке | 20 |
| Contig N50 | 48 kb |
| Contig L50 | 89 |
| Scaffold N50 | 770.2 kb |
| Scaffold L50 | 7 |
N50 - длина контига или скэффолда, такая, что половина всех нуклеотидов сборки содержится в контигах или скэффолдах такой и большей длины.
L50 - наименьшее число контигов или скэффолдов, такое, что в них содержится половина всех нуклеотидов сборки.
Контиг - непрерывный фрагмент ДНК, собранный из перекрывающихся ридов.
Cкэффолд - последовательность контигов, упорядоченных и ориентированных относительно друг друга, с промежутками неизвестной длины.
Указанный уровень сборки Chromosome означает, что в ней есть последовательность для одной или нескольких хромосом. Это может быть как полностью собранная хромосома без гэпов, так и хромосома, которая содержит пропуски между участками.
Число фрагментов (хромосом) в геномной сборке и количество хромосом у O. tauri совпадает (согласно литературным данным, исследуемая водоросль гаплоидна и имеет 20 хромосом).
Сопоставляя небольшой размер изучаемого генома, число фрагментов в сборке и характеристики контигов и скэффолдов, можно заключить, что данная (референсная) сборка в целом относительно точно отражает биологическую информацию о геноме Ostreococcus tauri. Тем не менее, в июле этого года на сайте NCBI появилась сборка полностью разрешенного генома этой водоросли, соответствующая еще неопубликованной статье (препринт). По сравнению с этой сборкой, не имеющей гэпов вообще, референсная сборка, разумеется, обладает меньшей биологической точностью.
ЗАДАНИЕ 3
Информация об изучаемой сборке (нуклеотидные последовательности генома, последовательности белков и последовательности генома с аннотацией) была скачана из GenBank через NCBI FTP.
ЗАДАНИЕ 4
Для знакомства с поисковыми системами ENA и NCBI был выбран белок гемоглобин. С использованием Advanced Search на сайте NCBI были получены следующие результаты:
По запросу hemoglobin[Title] в NCBI было найдено 44320 записей, посвященных генам (11439 записей) и мРНК белков (30923 записи) с таким словом в названии. 31373 из них принадлежат базе данных GenBank, 12945 - базе данных RefSeq.
По запросу (hemoglobin[Title]) AND (Homo sapiens[Organism]) было обнаружено 14858 записей в нуклеотидных базах данных, из которых 14835 из GenBank, а 23 из RefSeq. Среди найденных записей 5430 описывают участки генома, а 9409 - мРНК.
Несмотря на использование расширенного поиска, не все записи в выдаче действительно содержат последовательности, кодирующие белки с соответствующей функцией. Даже с помощью визуального анализа можно определить, что в списке полученных записей есть, к примеру, гемоглобин-стабилизирующие белки, или последовательности, подобные последовательностям некоторых цепей гемоглобина.
С использованием Advanced Search на сайте ENA было выявлено 9390 записей, описывающих мРНК человека, и 1247 записей, описывающих гены белков человека, на основании того, что название содержало слово "hemoglobin" (запросы tax_eq(9606) AND description="hemoglobin" AND mol_type="mrna" и tax_eq(9606) AND description="hemoglobin" AND mol_type="genomic dna" соответственно).