Предсказание генов у прокариот

Описание плазмиды

Eubacteria Отдел Firmicutes Класс Bacilli Порядок Lactobacillales Семейство Streptococcaceae Lactococcus lactis

from https://www.ncbi.nlm.nih.gov/sutils/static/GP_IMAGE/Lactococcus.jpg

Ход работы

Для начала, я получил два файла с помощью команды seqret:

seqret embl:lt599053 fasta::lt599053.fasta
# Подключение к библиотеке embl и поиск id lt599053. Скачивание файла fasta.
# На самом деле, файл fasta можно не качать, так как gff его уже содержит. Но так просто проще работать.
seqret embl:lt599053 gff::lt599053.gff -feature
# Тоже самое, но скачивается файл gff.
# При этом используется boolean параметр -feature, который позволяет скачать дополнительную информацию.

После этого я прогнал файл fasta через prodigital

prodigal_windows.exe -i lt599053.fasta -o prodigal.fasta -f sco

Результат - prodigal.fasta

После этого, я сделал два скрипта, для перевода двух форматов в один - таблица с табуляцией (программы from_gff_to_table.py и from_prodigal_to_table.py).

После того, как файлы были приведены к одинаковому формату, я запустил другой скрипт, производящий нужные вычисления (main_program.py). Для упрощения, он сразу выдает информацию в html формате (если его об этом попросить).

Результат

Количество полностью совпавших генов	56 ( 65.88% )
Количество совпадений по N концу	0 ( 0.0% )
Количество совпадений по C концу	21 ( 24.71% )
Количество полностью несовпавших генов	8 ( 9.41% )
Количество совпадений по одному из концов, при условии не совпадения направлений	0 ( 0.0% )
Общее количество генов	85 ( 100% )

В ходе отладки программы я столкнулся с интересной вещью - при условии, что направление совпадает не хватает одного гена - то есть критерии не исчерпывающие. Так что я добавил еще два условия - Совпадение на N или С конце, но при этом не совпадение по направлению. Позже выяснилось, что помехи внес полный геном в аннотации (он имеет такое же оформление как и кодирующие участки). И хоть после его удаления из списка все вернулось в норму, я не стал добавлять их к полному несовпадению - мне они показались интересными.

Ссылка на архив - programs.rar. Краткое описание кода = небольшие комментарии внутри программ.

Предсказанные prodigal - 886 и 1728.

Так, как у меня нет примеров на разные концы генов, то в обоих случаях различается начало рамки считывания. В одном случае оно раньше, в другом позже. Оно и понятно - начать можно в совершенно разных местах, и все равно прочитать нужное, но вот дальше стоп-кодона прочесть не получиться.

на главную