Практикум 9

Я получил TaxID с помощью следующего конвейера:

 zgrep 'TaxID=' UP000196536.swiss.gz|tr '{=' '\t'|cut -f2|sort -u 

. Выдача:

 1582270 

. Далее я получил список сборок с помощью конвейера:

 datasets summary genome taxon 1582270 --as-json-lines | dataformat tsv genome >> 1582270.tsv 

Скачать выдачу можно по ссылке. В списке присутствует две сборки, я с помощью конвейера ниже выбрал нужную сборку (GCF_002174125.1):

 esearch -db 'assembly' -query 'Acinetobacter populi(#reference)'| efetch -format docsum | xtract -pattern DocumentSummary -e
lement AssemblyAccession,TaxId,Title 

Далее удалось получить загрузить последовательности генома и таблицу локальных особенностей с помощью команды в формате gff3:

 datasets download genome accession GCF_002174125.1 --include gff3 --include genome 

Далее скачанный файл я разархивировал следующей командой:

 unzip ncbi_dataset.zip 

Далее удалось установить, какую таблицу генетического кода мне дальше нужно использовать для моей бактерии с помощью следующей команды:

 efetch -db 'taxonomy' -id '1582270' -format xml >> ap.xml 

В полученном файле с выдачей написано, что бактерия использует 11-ую таблицу. Далее я получил открытые рамки считывания:

 getorf GCF_002174125.1_ASM217412v1_genomic.fna appr.fasta -minsize 150 -table 11 -filter 

Была осуществлена проверка на то, что полученные аминокислотные последовательности не короче 50 аминокислот с помощью команды:

 infoseq -only -length appr.fasta|sort -n|head -n 2 

. Наименьшая последовательность имеет длину 50 аминокислот. Далее я создал базу для blastp:

 makeblastdb -in appr.fasta -out ORFs -dbtype prot 

Потом я создал текстовый файл с кодами доступа метилтрансфераз интереса:

 echo -e 'sw:P0AED9\nsw:P0AEE8\nsw:P23941' > seqret.txt 

Далее с помощью этого файла удалось найти последовательности заданных в условии метилтрансфераз:

 seqret @seqret.txt query_MTases.fasta 

Далее я воспользовался созданной базой данных и на её основе осуществил blastp:

 blastp -query query_MTases.fasta -db ORFs -out appr_blastp.out -outfmt 7 

Полученную таблицу в формате 7 можно скачать по ссылке . Лучшая находка по весу - NZ_NEXX01000003.1_2105, вес 70.5, координаты в геноме - [205242 - 204289] (REVERSE SENSE). Для получения таблицы с координатами CDS я ввёл команду:

 grep 'CDS' genomic.gff|cut -f4,5,7,9 > CDS.tsv 

Для поиска близких к ней по координатам находок ввёл следующую команду:

 echo -e '204289\t205242\t-\tMY-ORF' | cat - CDS.tsv | sort -n | grep -C 3 'MY-ORF' > neighbours.tsv 

Выдачу можно скачать по ссылке . Вышло, что находка, вероятнее всего, соответствует ДНК-метилтрансферазе m5C. В завершение практикума я попробовал найти CDS в аннотации генома моей бактерии с помощью конвейера из предложенных на сайте команд:

 elink -db nuccore -id 'NZ_NEXX01000003.1' -target protein | efilter -query '2.1.1.37' | efetch -format fasta 

Был обнаружен белок, найденный ранее, а именно ДНК-метилтрансфераза m5C.