Банки нуклеотидных последовательностей

   В задании необходимо было выбрать эукариотический организм и охарактеризовать качество сборки его генома, используя базу данных NCBI Genome и выполняя поиск по организму (Genome > Browse by organism).  
 Для оценки качества сборки я выбрала  Chinese hamster (Cricetulus griseus). 

В дикой природе китайский хомячок обитает в пустынях Северного Китая и Монголии. Взрослые особи вырастают до 82-127 мм (длина хвоста 20-33 мм) и весят до 30-45 г. Средняя продолжительность жизни у китайского хомячка составляет 2-3 года. В прошлом китайские хомячки часто использовались в качестве лабораторных животных, но были вытеснены домовой мышью (Mus musculus) и серой крысой (Rattus norvegicus), которых легче содержать и разводить в лабораторных условиях. Тем не менее, для разработки и изготовления многих биотехнологических препаратов до сих пор используется культура клеток яичника китайского хомячка. Часто в клетки такой культуры вносят ген интересующего белка для его получения в нужном количестве.[1] Из культуры клеток яичника китайского хомячка изготавливают Rebif(интерферон бета-1a) — препарат для патогенетического лечения рассеянного склероза.[2] Для данного организма пока есть три сборки генома - GCA_000223135.1 (CriGri_1.0), GCA_000419365.1 (C_griseus_v1.0), GCA_000448345.1 (Cgr1.0). Зарегистрировано 3 проекта по секвенированию генома: PRJNA69991, PRJNA189319, PRJNA167053. Сводную информацию по проектам можно найти в таблице ниже.

Проекты

Описание сборки GCA_000223135.1

    Количество образцов в проекте - 3. Конечная сборка сделана по образцу BioSample: SAMN02981352; GenBank: gb|AFTD00000000.1. Образец представлял собой клетки из клеточной линии CHO-K1.
  Клеточная линия CHO-K1 представляет собой эпителиальные клетки, полученные из яичников Cricetulus griseus, которые широко используются в генетических исследованиях и исследованиях 
  экспрессии генов, в частности, экспрессии рекомбинантных белков. Клетки CHO-K1 характеризуются быстрым ростом в суспензионной культуре, высокой продукцией белка и малым количеством (для млекопитающего)
  числа хромосом (2n=22). 
    Образец взят у самки Cricetulus griseus в Китае. Описание соответствующего проекта см. в таблице выше. 
                                                                 
  Два других образца:
 
BioSample: SAMN00691388; Sample name: CHO_K1; SRA: SRS255210
BioSample: SAMN00691386; Sample name: BGI_CHO-K1; SRA: SRS255208

  Для сборки GCA_000223135.1
 
Длина полследовательности - 2,399,786,748
Гэпы между скэффолдами - 0
Число скэффолдов - 109,152
Scaffold N50 - 1,147,233
Scaffold L50 - 547
Scaffold N50 - 1,147,233
Число контигов - 265,787
Contig N50 - 39,361
Contig L50 - 16,414
Общее число хромосом и плазмид - 1
Таблица контигов 
Самый короткий контиг - 50 (AFTD01001448)
Самый длинный контиг - 412584 (AFTD01050443)
Последовательность контига AFTD01000004

Feature Key

 
    Последовательности нуклеиновых кислот предоставляют фундаментальную отправную точку для описания и понимания структуры, функций и развития генетически разнообразных организмов. Банки нуклеотидных
  последовательностей, такие как GenBank, EMBL, и DDBJ с самого своего основания используют таблицы сайтов и особенностей для описания местонахождения и роли наиболее высокоорганизованных
  доменов нуклеотидных последовательностей и элементов генома организма. 
    В феврале 1986 года, GenBank и EMBL(а затем и DDBJ) разрабатывают единые стандарты таблиц аннотирования. 
    Документация таблиц особенностей демонстрирует общие правила, которые дают возможность обмена данных между тремя вышеупомянутыми банками последовательностей на регулярной основе.
  Участки с различными особенностями, которые будут представлены:
 
выполняют определенную биологическую функцию
влияют или являются результатом эквпрессии определенной биологической функции
взаимодействуют с другими молекулами
влияют на репликативную активность
влияют или являются результатом рекомбинации различных последовательностей
являются узнаваемым повторяющимся участком
имеют вторичную или третичную структуру
демонстрируют вариабельность или были отредактированы

    Формат записей основывается на табличном подходе и включает следующие пункты:
 
Feature key - слово или аббревиатура, указывающие на функциональную группу
Location - инструкции, указыващие где найти данную особенность
Qualifiers- дополнительная информация

    Формат и формулировки таблиц ключей используют общепринятую биологическую терминологию. Например:

      
       
    Эта запись может быть прочтена так: последовательность, кодирующая бета-цепь Т-клеточного рецептора, состоит из двух отдельных частей с координатами (544..589,688..>1032).

Примеры ключей

    Feature Key sig_peptide

     
 
    Если в белке присутствует сигнальный пептид -  короткая (от 3 до 60 аминокислот) аминокислотная последовательность в составе белка, которая обеспечивает котрансляционный или посттрансляционный транспорт
  белка в соответствующую органеллу (ядро, митохондрия, эндоплазматический ретикулум, хлоропласт, апопласт или пероксисома), то в этом ключе даются координаты кодирующей его последовательности и название гена, 
  в который входит эта последовательность.

    Feature Key source
    
     
 
    Ключ - идентификатор биологического источника последовательности, является обязательным. Допускается многоразовое использование этого ключа(при нескольких источниках).


    Feature Key mRNA
    
     
 
    Ключ, содержащий координаты кодирующей мРНК последовательности, включающей в себя 5'UTR, кодирующую последовательность (CDS, экзон) и 3'UTR.


    Feature Key regulatory 

     
 
    Ключ - идентификатор участков последовательности, вовлеченных в регуляцию транскрипции или трансляции. Заменил собой следующие ключи: enhancer, promoter, CAAT_signal, TATA_signal, -35_signal, -10_signal,
  RBS, GC_signal, polyA_signal, attenuator, terminator, misc_signal. Обязательный спецификатор:  /regulatory_class="TYPE".


    Feature Key CDS 

     
 
    Ключ координат кодирующей последовательности гена, которая соответствует аминокислотной последовательности в белке(включая стоп-кодон). Спецификаторы этого ключа часто указывают на название гена, кодируемого 
  белка, его функции(-ий) и др. 


    Feature Key intron

     
 
    Координаты транскрибирующегося участка ДНК, который потом удаляется из транскрипта путем сплайсинга в процессе созревания РНК.


    Feature Key operon

     
 
    Ключ последовательности, содержащей полицистронный транскрипт, который включает в себя кластер генов, находящихся под контролем одного промотера.


    Feature Key rep_origin

     
 
    Координаты сайта начала репликации.

    
    Feature Key V_region

     
 
    Вариабельные участки легких и тяжелых цепей иммуноглобулинов, α-, β- и γ-цепей Т-клеточных рецепторов.

   
    Feature Key tRNA

     
    
    Ключ, содержащий координаты кодирующей тРНК последовательности. Обычно в ключе указывается позиция антикодона в этой последовательности и аминокислота, которую несет конкретная тРНК.

The Cancer Genome Atlas

                                                      
       Cancer Genome Atlas (TCGA)- проект, создающий каталоги генетических мутаций, ответственных за рак, используя методы секвенирования 
     генома и биоинформатику. TCGA использует методы анализа генома с высокой пропускной способностью, с целью улучшить возможности диагностирования,
     лечения и профилактики рака благодаря более глубокому пониманию генетических основ этого заболевания. Проект стартовал в 2005 году с пилотной 
     версии и продолжается до сих пор. Финансирование предоставляется правительством США. Трехлетний пилотный проект был сосредоточен на характеристике
     трех типов рака человека: мультиформной глиобластоме, раке легких и раке яичников. В 2009 году проет перешел в II этап, в процессе которого 
     планировалось завершить геномную характеризацию и анализ последовательностей 20-25 различных типов опухолей к 2014 году. Проект превзошел цели,
     было охарактеризовано 33 типа рака, включая 10 редких видов.
       TCGA управляется учеными и менеджерами из Национального института рака (NCI) и Национального исследовательского института генома человека (NHGRI).
     Посдедняя из опубликованных статей, связанных с проектом: Relation between Established Glioma Risk Variants and DNA Methylation in the Tumor. 
       Перейти на страницу проекта Вы можете нажав на картинку.
 

 
 
       
 
     

Таблица митохондриальных генов

   

       В задании требовалось найти все полные митохондриальные геномы по таксону Euglenozoa, выбрать представителя и создать таблицу всех митохондриальных генов
     этого организма. Поиск производился по запросу ((((euglenozoa[ORGN]) AND ("complete genome"[Title] OR "complete sequence"[Title])) AND (mitochondrion[Title] OR 
     kinetoplast[Title])) NOT partial[Title]). Результаты поиска можно посмотреть по ссылке.
       Было найдено 263 результата, 262 из GenBank, 1 из RefSeq.
       Можно заметить, что в запросе присутствует фраза mitochondrion[Title] OR kinetoplast[Title]. Это изменение было введено в запрос, т.к. у некоторых организмов,
     принадлежащих к выданному мне таксону Euglenozoa, имеется кинетопласт(рис.1, K) — клеточная органелла протистов, находящаяся внутри гигантской 
     митохондрии и содержащая множество копий митохондриального генома.[3] 
       На рис.1 можно увидеть электронную микрофотографию кинетопласта (K) из Trypanosoma brucei.
     
       Был взят организм Leishmania tarentolae - облигатный паразитический протист, обитающий в крови человека и вызывающий лейшманиоз. Жизненный цикл 
  Leishmania donovani можно увидеть на рис.2. 
 

 
 
 
   

       Для получения списка митохондриальных генов нужно было перейти по ссылке gene
     в разделе Related information. Cписок был отсортирован в соответствии с порядком 
     генов в геноме. Всего был найдено 24 гена. Итоговый файл Exel. 

Таблица размеров геномов

Источники:

[1] Chinese hamster

[2] подсемейство Хомяки

[3] Кинетопласт Wiki

© Avdiunina Polina, 2015