В качестве эукариотического организма, с геномом которого я буду работать, я выбрала китовую акулу (Rhincodon typus, whale shark) (рис. 1) – крупнейшую из современных рыб (и акул в том числе) (рис. 2). Она обитает в тёплых водах тропических широт по всему Мировому океану и является настолько своеобразной, что выделяется в монотипическое семейство с одним родом и видом. Её максимальный размер достигает по меньшей мере 12,65 м, возможно, до 18 м и даже 20 м. Уникальный узор из пятен и полос на теле акулы используется учеными для идентификации конкретной особи. Несмотря на свой размер – китовые акулы совершенно безопасны для людей, так как являются фильтраторами и в целом имеют очень миролюбивый нрав. К сожалению, вид отнесен к вымирающим из-за рыболовного промысла и медленного размножения – популяции восстанавливаются крайне медленно.
Я выбрала этот вид, так как с самого детства была заворожена крупными обитателями морей. Мне нравится, что китовая акула совершенно безобидна и имеет такой притягательный узор.
С помощью поискового запроса по латинскому названию вида Rhincodon typus на сайте NCBI Datasets было найдено 4 геномные сборки. Была выбрана геномная сборка sRhiTyp1.1 как референсная (и имеющая идентификатор RefSeq). В таблице 1 представлены основные характеристики выбранной сборки.
Таблица 1. Основные характеристики выбранной геномной сборки.
| Характеристика | Значение |
|---|---|
| Идентификатор GenBank | GCA_021869965.1 |
| Идентификатор RefSeq | GCF_021869965.1 |
| Уровень сборки генома | Chromosome |
| Общий размер генома (п.н.) | 2.9 Gb (или 2,9 * 109 п.н.) |
| Число фрагментов генома в сборке | 50 хромосом 16,776 скэффолдов 111,998 контигов |
| Scaffold N50 | 70.8 Mb (70.8 * 106 п.н.) |
| Scaffold L50 | 14 |
| Contig N50 | 48.5 kb (48.5 * 103 п.н.) |
| Contig L50 | 15,962 |
Примечание: Gb (гигабазы) = 1 bp * 109; Mb (мегабазы) = 1bp * 106; Kb (килобазы) = 1bp * 103;
N50 – длина контига, для которого половина (50%) всех нуклеотидов сборки содержится в контигах такой и большей длины;
L50 – число контигов (наименьшее), в которых содержится половина (50%) всех нуклеотидов сборки. Чем больше N50 и меньше L50, тем более непрерывной является сборка.
Были скачаны следующие файлы сборки из RefSeq (понадобятся для выполнения следующих практикумов):
Далее я выполняла задания на знакомство с поисковыми системами ENA и NCBI. Был выбран белок трипсин (как очень популярный) и с помощью Advanced Search на сайте NCBI в базе данных нуклеотидов были выяснены некоторые его характеристики.
С помощью запроса trypsin[Title] было найдено 23863 записей. Из них 1481 записей, посвященных генам (геномным ДНК/РНК) и 21775 записей, посвященным мРНК. 6945 из всех записей принадлежит записям из GenBank и 16906 – записям из RefSeq.
Далее, с помощью запроса (trypsin[Title]) AND (Homo Sapiens[Organism]) было найдено 331 записей, которые относятся отдельно к трипсину человека (14 для геномных ДНК/РНК и 304 для мРНК). Из них – 280 для GenBank и 51 для RefSeq. По первой же выданной последовательности видно, что не все результаты этого запроса отражают действительно трипсин. Например, это могут быть трипсин-подобные белки, или ингибиторы трипсина.
Далее рассмотрим, сколько записей мРНК и генов белков человека содержит слово “трипсин” в базе данных ENA (European Nucleotide Archive).
При помощи запроса tax_eq(9606) AND description="trypsin" AND mol_type="mrna" было найдено 583 записи, относящиеся к мРНК и имеющие в своем названии слово “трипсин”. С помощью запроса tax_eq(9606) AND description="trypsin" AND mol_type="genomic dna" – 25 записей для геномных ДНК человека, которые содержат выбранное слово. Как мы видим по результатам на сайте ENA, тут также присутствуют не только записи, непосредственно относящиеся к трипсину человека, но также к трипсин-подобным белкам, а также к ингибитору трипсина.
Примечание: 9606 — это NCBI Taxonomy ID для человека.