Предсказание генов прокариот

Задание 1

Исходная плазмида принадлежит бактерии Lactobacillus plantarum CP015858 .

L. plantarum относится к грамположительным анаэробными неспорообразующим молочнокислым бактериям. Особенность этих бактерий - превращение углеводов в молочную кислоту. L. plantarum часто встречается в таких продуктах, как квашеная капуста, соленые огурцы, оливки в рассоле, в некоторых сырах. [1]

L. plantarum вырабатывают антимикробные вещества и экзополисахариды, благодаря чему может существовать в желудочно-кишечном тракте человека. Этот факт позволяет использовать L. plantarum в качестве доставщика лекарственных препаратов в желудочно-кишечный тракт. [2]

Рис. 1. Lactobacillus plantarum (источник: LMU)


  • Длина плазмиды: 74177 bp
  • Количество генов: 79
  • Количество белок-кодирующих генов: 79
  • Количество псевдогенов: 6

    • Получение предсказания генов с помощью Prodigal

    Сначала последовательность плазмиды была получена в форматах gb и gff с помощью средств пакета EMBOSS. Кроме того, был получен файл с кодирующими последовательностями:

    
 seqret genbank::genbank:CP015858 seq.gb
 featcopy seq.gb seq1.gff
 extractfeat seq.gb -type CDS -describe product СDS.fasta

    Далее была использована прогграммма Prodigal (Prokaryotic Dynamic Programming Genefinding Algorithm), которая предназначена для предсказания генов прокариот. Были использованы следующие параметры:

  • -f sco -выходной файл с координатами генов в формате sco(Simple coordinate output)
  • -c - "закрытые" концы. Так как геном плазмиды полный, то исключается возможность расположения начала и конца контигов посередине гена (все гены расположены внутри контига)
  • -i -стартовый файл
  • -o -выходной файл
    • 
 prodigal.windows.exe -i seq.gb  -c -f sco -o  seq_out.sco

    В результате был получен файл seq_out.sco. Результаты программы Prodigal оказались немного отличными от данных о генах, указанных в Genbank.


    Обработка результатов

    Для сравнения полученных данных были написаны несколько скриптов на Python: 1.py, 2.py.

    Первый скрипт переводит файл из формалта .gff в .sco для удобства в дальнейшей работе. С помощью него был получен файл seq_inp.sco.

    Второй скрипт оценивает показатели, приведенные ниже. В нем создается класс gene с основными параметрами из файла .sco( номер, координата начала, координата конца, ориентация).

    Кроме того, создается несколько функций:

  • isf - возвращает значение True, если координаты как начала, так и конца гена совпадают в файлах из Genbank и Prodigal;
  • isn - возвращает значение True, если только координаты N-конца белка совпадают в файлах из Genbank и Prodigal;
  • isc - возвращает значение True, если только координаты C-конца белка совпадают в файлах из Genbank и Prodigal.

    • Далее на вход подаются два файда в формате .sco - анноотации генов из Genbank и Prodigal. Последовательно проверяется выполнение функций isf, isn, isс. Причем если функция выполняется то к соотстветствующей переменной прибавляется единица. Таким образом были подсчитаны параметры, представленные в табл.1 и рис.2:

    Параметр сравнения исходного файла (Genbank) с результатами Prodigal Количество (процент об общего чила генов)
    Начало и конец гена совпадает 62 (78,5%)
    Только N-конец белка совпадает 4 (6,3%)
    Только C-конец белка совпадает 8 (10,1%)
    Оба конца не совпадают 5(6,3%)
    Таблица 1. Основные параметры сравнения аннотации Genbank с результатами Prodigal

    Рис. 2. Соотношение сравниваемых генов L. plantarum из аннотации Genbank с результатами Prodigal


    Рассмотрение конкретных случаев

    Рассмотрим ген, координаты которого в Genbankе - 72210:73130(-). По результатам Prodigal в данной позиции находятся 2 гена с координатами 72210:72515(-) и 72573:73130(-). Если в первом предсказанном гене с аннотацией Genbank совпадает C-конец белка, то во втором - N-конец.

    Рассмотрим подробнее первый предсказанный ген(координаты 72210:72515(-)). В геномном браузере на сайте NCBI в позициях 72523-72515 расположен кодон TGA, который является старт-кодоном на обратной цепи (рис.3). Однако в аннтации Genbank этот кодон не является началом трансляции белка.

    Рис. 3. Геном CP015858, координаты 72500:72530 (источник: геномный браузер NCBI)

    Теперь рассмотрим второй предсказанный ген(координаты 72573:73130(-). В геномном браузере на сайте NCBI в позициях 72573-72574 расположен кодон AGT, который является стjg-кодоном на обратной цепи (рис.4). Несмотря на то, что в геномном браузере он помечен "*", трансляция белка на нем не заканчивается.

    Рис. 4. Геном CP015858, координаты 72557:72587 (источник: геномный браузер NCBI)

    На рис. 5 представлен фрагмент записи Genbank о гене с координатами 72210:73130(-). Здесь указано, что на данном участке имеется внутренний стоп-кодон, и что этот ген является псевдогеном. То есть он является нефункциональным из-за мутации, которая привела к появлению стоп-кодона. Также здесь указано, что это ген был предсказан на основе гомологии белков. Таким образом, возможно, в действительности результатом трансляции данного участка являются 2 белка, как и предсказал Prodigal.

    Рис. 5. Фрагмент записи Genbank CP015858


    Задание 2

    Аналогичные действия были проведены для геномов Methanosarcina acetivorans (NC_003552.1) и Escherichia coli (NC_000913).

    Краткие сведения об их геномах и предсказанных генах представлена в табл.2.

    Параметр M. acetivorans E. coli
    Размер генома, bp 5751492 4641652
    Количество генов(Genbank) 4856 4518
    Количество генов(Prodigal) 4885 4318
    Таблица 2. Основные параметры геномов M. acetivorans и E. coli

    На рис. 6, 7 представлены показатели сравнения генов, аннотированных в Genbank и предсказанных Progital для M. acetivorans и E. coli, соответственно.

    Рис. 6. Соотношение сравниваемых генов M. acetivorans из аннотации Genbank с результатами Prodigal

    Рис. 7. Соотношение сравниваемых генов E. coli из аннотации Genbank с результатами Prodigal

    Исходя из полученных данных можно сделать следующие выводы:

  • Для E. coli Prodigal предсказал меньше генов, чем указано в аннотации Genbank. Возможно, это связано с возникновением особенных случаев, которые не предусмотрены в Prodigal.
  • В целом, полученные данные для M. acetivorans и E. coli очень похожи. Небольшие различия ( на 10%) наблюдаются лишь в числе генов, аннотации обоихконцов которых совпадают в Genbank и Prodigal, а также в числе генов, у которых совпадает только C-конец.


    • Ссылки

    1.Wikipedia: Lactobacillus_plantarum

    2. Degradation of Raw Starch by a Wild Amylolytic Strain of Lactobacillus plantarum APPLIED AND ENVIRONMENTAL MICROBIOLOGY, Dec. 1994, p. 4319-4323.


    © Васильева Елена, 2015