Остальные пункты первого задания

6. С помощью seqret перевести выравнивание из fasta-формата в .msf. На вход подается выравнивание: alignment.fasta:

    seqret alignment.fasta msf::alignment.msf

а на выходе получаем то же выравнивание, но уже в формате .msf: alignment.msf.

7. С помощью команды infoalign выдать в выходной поток число совпадающих букв между второй последовательностью выравнивания и всеми остальными (на выходе только имя последовательности и число). На вход подавался файл с выравниванием пяти последовательностей: aligns.msf:

    infoalign aligns.msf info_align.txt -refseq 2 -only -name -idcount

Был получен info_align.txt. Так как я не придумала, как отменить запись в файл и направить выдачу в stdout, эта задача решалась в лоб:

    cat info_align.txt

в результате чего получаем:



8. C помощью команды featcopy перевести аннотации особенностей в записи формата .gb в табличный формат .gff. На вход подавалась уже упомянутая ранее нуклеотидная последовательность sequence.gb:

    featcopy sequence.gb -auto

в результате чего был получен файл с названием по умолчанию: sequence.gff, содержащий аннотации особенностей в формате таблицы.

9. С помощью extractfeat из одного файла с хромосомой в формате .gb получить fasta файл с кодирующими последовательностями; (*) добавить в описание каждой последовательности функцию белка (из поля product). На вход опять подавался файл sequence.gb:

    extractfeat sequence.gb info.fasta -type CDS -describe product

На выходе получаем файл info.fasta со всеми кодирующими последовательностями из входного файла, а также с описаниями функции каждого белка, например, (product="hypothetical protein").

10. С помощью shuffleseq* перемешать буквы в данной нуклеотидной последовательности. На вход подавался файл gene.fasta с последовательностью некоторого гена:

    shuffleseq gene.fasta shuffled.fasta

и получаем на выходе файл: shuffled.fasta.
* мною использовалась команда shuffleseq, так как она входит в EMBOSS, который мы изучаем, в отличие от shuffle, которая входит в biosquid. Далее предлагалось проверить найдет ли blastn достоверные (e-value до 0.1) сходные последовательности в нуклеотидном банке данных. Для этого был осуществлен поиск blastn с параметрами по умолчанию. На рис. 1 приведены результаты поиска.


Рис. 1. Результаты поиска blastn для перемешанной последовательности

Как видно на рисунке, было найдено 10 последовательностей с e-value меньше 0.1, однако query cover очень низкий. К тому же, я бы скорее использовала пороговое значение e-value меньше 0.001. Для исходной последовательности, очевидно, было найдено большое количество находок с очень низким e-value (данные не приведены), что подтверждает тот факт, что этот параметр позволяет отсеивать недостоверные находки.

11. С помощью cusp найти частоты кодонов в данных кодирующих последовательностях. На вход подавался файл info.fasta:

    cusp info.fasta kodons.cusp

и в итоге был получен файл kodons.cusp, содержащий статистику по всем кодонам в исходных CDS.

12. С помощью compseq найти частоты динуклеотидов в данной нуклеотидной последовательности и сравнить их с ожидаемыми. На вход подавался файл gene.fasta:

    compseq gene.fasta gene.compseq -word 2 -calcfreq

В выходном файле gene.compseq содержатся частоты динуклеотидов и их отношение к соответствующим ожидаемым частотам.

13. С помощью tranalign выровнять кодирущие последовательности соответственно выравниванию белков (их продуктов). На вход подавался файл info.fasta:

   слишком сложно, до свидания! 

Ссылки:

[1]