Учебный сайтик
Кирилла Прокаповича

Протеом Pussilibacter faecalis

На первом курсе моим объектом была Pussilibacter faecalis, в том числе для анализа протеома. В данной работе нам понадобятся следующие данные

умный человек в очках обои последовательность генома и таблицу локальных особеностей скачать

Для того, чтобы скачать последовательность и таблицу нужен код доступа RefSeq и NCBI Datasets command-line tool. Вводим команду:

datasets download genome accession GCF_018408705.1 --include genome,gff3 --filename genome_data_pus.zip

Затем с помощью

unzip genome_data_pus.zip

Распаковываем zip файл, полученный выше.

Поиск и трансляция открытых рамок считывания

С помощью efetch можно скачать информацию про наш таксон в формате xml, чтобы посмотреть, какой вариант генетического кода использует организм.

efetch -db taxonomy -id 2714358 -mode xml > pusib.xml

ЭТА ТАБЛИЦА

У нас используется таблица 11 (бактериальная). По файлу генома ищем рамки между двумя стоп-кодонами, между которыми не менее 50 аминокислот. С помощью этой команды находим такие рамки и транслируем их:

getorf -table 11 -minsize 150 -find 0 ncbi_dataset/data/GCF_018408705.1/GCF_018408705.1_ASM1840870v1_genomic.fna puspro.fa

Проверим нет ли среди последовательностей тех, которые короче 50 аминокислот:

infoseq -only -length puspro.fa | sort | uniq

Среди чисел нет тех, которые меньше 50. Также подготовим на основе этого файла протеом для blastp:

makeblastdb -in puspro.fa -dbtype prot -out proteome

Получение последовательностей гомологичных метилтрансфераз

Нужно получить последовательности P0AED9 (Dcm, m5C-МТаза, E.coli), P0AEE8 (Dam, m6A-МТаза, E.coli), и P23941 (m4C-МТаза, Bacillus amyloliquefaciens). Это можно сделать с помощью seqret:

echo "sw:P0AED9 sw:P0AEE8 sw:P23941" | tr ' ' '\n' | seqret @stdin -outseq query.fasta

Поиск по сходству последовательностей

Дальше ищем с помощью blastp гомологичные последовательности среди ранее полученного протеома для трех метилтрансфураз, которые мы тоже нашли ранее:

blastp -query query.fasta -db proteome -outfmt 7 -out blastiki

Получаем файл в виде таблицы. Самая лучшая по весу (67.0) находка это NZ_AP023421.1_47 для Dam, m6A-МТаза, E.coli. Эта последовательность кодируется в pMM59_01 плазмиде с координатами [9185 - 11050] на + цепи.

Затем из таблицы локальных особенностей находим, какие CDS располагаются рядом. Для этого отберем сначала все кодирующие последовательности из плазмиды, их координаты, цепью и доп. информацией:

grep "CDS" ncbi_dataset/data/GCF_018408705.1/genomic.gff | grep "NZ_AP023421.1" | cut -f 4,5,7,9 > CDS.tsv

Затем как раз определим те, которые находятся рядом:

echo -e '9200\t11053\t-\tFOUND-ORF' | cat - CDS.tsv | sort -n | grep -C 3 'FOUND-ORF' > neighbors.tsv

Поиск по аннотациям кодирующих участков

Для поиску по ЕС ферментов, я ввел следующие команды:

Не было найдено ни одной находки.