Учебный сайт Фроловой Анастасии

Практикум 10. Сравнить состав систем рестрикции модификации, закодированных в двух штаммах одного вида

Задание 1.

Этап 1.

Название вида бактерии - Roseburia hominis

GenBank AC - CP003040.1

Надо посчитать ожидаемое количество и контраст всех сайтов транскрипции из списка в геноме моей бактерии.

Последовательность генома лежит в папке chr_fasta.

Я загрузила CP003040.1 и лист с сайтами и получила выход - tmpAnwGLk.tsv

(первый столбец - сайты, наблюдаемое число, ожидание Карлинга, соотношение Карлинга, общее число)

смотрим контараст по ratio - отбираем те, что меньше 0,78, тогда получается 18 сайтов(расставила по увеличению соотношения и покрасила)

сами сайты - new_sites.list

таблица - input_file

Этап 2.

Последовательности контигов - Roseburia_hominis.fasta

Делаем тоже самое что и раньше, выход - tmpaE_4zx.tsv;

меньше 0,78 - 37 штук;

отобранные сайты - new_sites_contig.list;

таблица - input_file_contig.xlsx

Этап 3.

Количество сайтов, найденных в геноме - 4, количество сайтов, найденных в контигах - 23,

и там и там - 14. Получается, что больше всего сайтов Р-М было найдено в бактерии Roseburia hominis.

Задание 2.

Найдите последовательности Шайн – Дальгарно в геноме бактерии Alicycliphilus denitrificans K601.

На сайте NCBI сборка этой бактерии - ASM20464v1, а именно бактерия Alicycliphilus denitrificans K601 (b-proteobacteria) ссылка на информацию

скачала файл с хромосомой - sequence.fasta

особенности - CDS - sequence.txt

запустила скрипт и получила файл с координатами кодирующих последовательностей - CDSs.xls. Всего найдено 4607 Отобрала около 200 последовательностей, у которых длина превышает 500.Эти последовательности будут использованы для построения мотива - CDSs_top.xls

Параметры MEME: длина мотива - 6-10 н, поиск только по данной цепи(даны кодирующие последовательности), количество ожидаемых мотивов - 3.

выдача MEME

Получены 3 мотива MEME:

Мотив по MEME

Получены 3 мотива MAST:

Мотив по MAST

Первый мотив и есть последовательность Ш-Д - motif_1_meme.png и выдача с сайта

При поиске с параметром 1 мотив мы получили позиционную матрицу весов(PWM) для первого мотива -

Позиционнаяа матрица весов

Далее провели поиск по всем генам с помощью FIMO используя полученную матрицу весов и расширив границы поиска с -20 до 1 до начала кодирующей последовательности.Порог e-value - 0.01. Найдено генов :

Результаты представлены здесь и в этом файле

Задание 3.

Определите сайты связывания данного транскрипционного фактора в данном участке хромосомы человека

Файл с ридами - chipseq_chunk19.fastq. С помощью программы FastQC я сделала контроль качества прочтений. Командой "fastqc chipseq_chunk19.fasta" были получены файлы chipseq_chunk19_fastqc.zip и chipseq_chunk19_fastqc.html

График качества чтений

Число чтений:7337; длина ридов: 36

Далее провела картирование чтений на геном hg19 с помощью команды "bwa mem /srv/databases/ngs/hg19/GRCh37.p13.genome.fa chipseq_chunk19.fastq > chipseq_chunk19.sam"

Получен файл chipseq_chunk19.sam. Далее при помощи команд проведен анализ данных из этого файла:

$ samtools view -bSo chipseq_chunk19.bam chipseq_chunk19.sam (перевод в бинарный формат)

$ samtools sort chipseq_chunk19.bam -T chip_temp -o chipseq_chunk19.sorted.bam (сортировка выравнивания чтений по координате)

$ samtools index chipseq_chunk19.sorted.bam (индексирование данных)

$ samtools idxstats chipseq_chunk19.sorted.bam > chipseq_chunk19.idxstats (определение числа чтений откартированных на геном)

$ samtools view -c chipseq_chunk19.sorted.bam (общее число откартировавшихся чтений)

Откартировались все риды - 7337.

Далее искали пики программой MACS через команду "macs2 callpeak -t chipseq_chunk19.sorted.bam". Но пиков оказалось мало, поэтому использовались другие параметры "macs2 callpeak -t chipseq_chunk19.sorted.bam --nomodel -nchunk19"

Получены файлы chunk19_peaks.narrowPeak, chunk19_peaks.xls и chunk19_summits.bed

Найдено 7 пиков. "track type=narrowPeak visibility=3 db=hg19 name="my_peaks" description="Peaks from chunk X" browser position chr8:37500000-38300000" - фраза добавлена в файл chunk19_peaks.narrowPeak, что бы провести дальнейшие манипуляции.

Визуализация полученных пиков с помощью UCSCGenomeBrowser

Вершины пиков

Информация по нескольким пикам представлена в таблице

Пик ширина пика достоверность пика положение пика относительно начала

1 205 15,27158 127

2 272 21,93084 152

3 200 17,39252 116

Чем меньше p-value пика, тем он достовернее. Более достоверным пикам соответствует большее значение –log10p-value. В таблице более достоверным пиком является пик 2.

Пик 1 не перекрывается с генами. Рядом с пиками 2-5 расположены гены ERLIN2(кодирует член семейства SPFH домена липидных белков), BRF2(кодирует одну из субьъединиц ДНК полимеразы 3).Рядом с пиком 7 расположен ген WHSC1L1(связан с синдромом Вольфа-Хирхшорна).

Задание 4.

В геноме человека найдите три гена, транскрипция которых инициируется с помощью TATA-бокс связывающего белка, и один - без сигнала TATA-бокса в промоторной области

TATA-бокс связывающий фактор TBP - архейный и эукариотический белок, узнающий восьминуклеотидный сигнал в ДНК с консенсусом TATA(А/Т)A(A/T)(A/G). Не все промоторы имеют сигнал TATA-box.

Ген WDR4, chr21:44,263,190-44,299,693; длина 36,504 п.о., на - цепи, 12 экзонов.