EMBOSS




Открытые рамки считывания

Командная строка:

getorf seq.fasta -minsize 90 -table 0 -find 1

seq.fasta - название файл с последовательностью нуклеиновой кислоты.
-minsize 90 - задаем минимальную длину orf - 90 нуклеотидов.
-table 0 - выбираем стандартный генетический код.
-find 1 - выбираем нужный тип поиска: orf начинается со старт-кодона и заканчивается стоп-кодоном.

Программа по умолчанию транслирует все найденные orf.
В результате мы получили набор orf: 

>Sequence_1 [66 - 155] 
MQFHPRLPAVLQVCAACDRYASLLPAQRRL

>Sequence_2 [56 - 169] 
MISDAVSSATASSASSLRSMRSVRQSFASSTAALTRWP

>Sequence_3 [163 - 432] 
MALMHFQFTFKQFEQRKSIRSTARKARDDFVVVQTADLFHVAFHYGIAQRGLTITSDDHM
AVTAYAYYSCHELTPWLRIQSTNPVQKYGA

>Sequence_4 [218 - 3] (REVERSE SENSE) 
MLLRCSNCLNVNWKCIRAIWSKPPLSWQKTGVPIACCANLKHCWQSRMKLHRLSSPVTVT
WCSQKTILLLSA

>Sequence_5 [294 - 1] (REVERSE SENSE) 
MKGNVKKVRRLYNDKVIAGFAGGTADAFTLFELFERKLEMHQGHLVKAAVELAKDWRTDR
MLRKLEALLAVADETASLIITGNGDVVQPENDLIAIGS
Последовательность номер 3 совпадает с последовательностью, аннотированной в записи D89965: 
MALMHFQFTFKQFEQRKSIRSTARKARDDFVVVQTADLFHVAFHY
GIAQRGLTITSDDHMAVTAYAYYSCHELTPWLRIQSTNPVQKYGA
Доказательство выравниванием:
pr                 1 MALMHFQFTFKQFEQRKSIRSTARKARDDFVVVQTADLFHVAFHYGIAQR     50
                     ||||||||||||||||||||||||||||||||||||||||||||||||||
Sequence_3         1 MALMHFQFTFKQFEQRKSIRSTARKARDDFVVVQTADLFHVAFHYGIAQR     50

pr                51 GLTITSDDHMAVTAYAYYSCHELTPWLRIQSTNPVQKYGA     90
                     ||||||||||||||||||||||||||||||||||||||||
Sequence_3        51 GLTITSDDHMAVTAYAYYSCHELTPWLRIQSTNPVQKYGA     90
Для проверки, была получена последовательность, на которую ссылалась запись D89965 - P0A7B8:
>P0A7B8
MTTIVSVRRNGHVVIAGDGQATLGNTVMKGNVKKVRRLYNDKVIAGFAGGTADAFTLFEL
FERKLEMHQGHLVKAAVELAKDWRTDRMLRKLEALLAVADETASLIITGNGDVVQPENDL
IAIGSGGPYAQAAARALLENTELSAREIAEKALDIAGDICIYTNHFHTIEELSYKA
Эта последовательность не имеет ничего общего с указанной orf в записи D89965. Однако, с помощью выравнивания этой последовательности против всех найденных orf, было показано, что она перекрывается с одной из них:
P0A7B8             1 MTTIVSVRRNGHVVIAGDGQATLGNTVMKGNVKKVRRLYNDKVIAGFAGG     50
                                                |||||||||||||||||||||||
Sequence_5         1 ---------------------------MKGNVKKVRRLYNDKVIAGFAGG     23

P0A7B8            51 TADAFTLFELFERKLEMHQGHLVKAAVELAKDWRTDRMLRKLEALLAVAD    100
                     ||||||||||||||||||||||||||||||||||||||||||||||||||
Sequence_5        24 TADAFTLFELFERKLEMHQGHLVKAAVELAKDWRTDRMLRKLEALLAVAD     73

P0A7B8           101 ETASLIITGNGDVVQPENDLIAIGSGGPYAQAAARALLENTELSAREIAE    150
                     |||||||||||||||||||||||||                         
Sequence_5        74 ETASLIITGNGDVVQPENDLIAIGS-------------------------     98

P0A7B8           151 KALDIAGDICIYTNHFHTIEELSYKA    176
                                               
Sequence_5        98 --------------------------     98
Это означает, что 2 идентичные последовательности нуклеиновых кислот относятся к двум очень далеким организмам: крысе и кишечной палочки. Более того, они кодируют различные белки: у крысы это рецептор серотонина, а у бактерии - АТФ-зависимая субъединица протеазы HslV.

Как такое могло получиться?
  1. Случайное совпадение, так-как последовательности не слишком длинные.
  2. Последовательность, аннотированная в D89965 - это кДНК, т.е. ДНК, полученная с матрицы мРНК. Возможно, при пробоподготовке тотальной мРНК из кишечного эпителия или из культуры, образец был загрязнен бактериаями. В результате, часть бактериальных мРНК были приняты за крысиные. Потом, при аннотации последовательностей было предположено по сходству функций их принадлежность к рецептору серотонина.

Файлы-списки

Использованные команды:

entret sw:adh*_* > adh.txt - отбираем из базы данных SwissProt все записи, относящиеся к алкогольдегидрогиназе и записываем их в файл.
infoseq -only -usa > list.txt - экстрагируем из полученного файла названия записей (usa).
grep -f organisms.txt list.txt > onlyneed.txt - Отбираем из всех названий только те, в которых встречаются слова, записанные в файле organisms.txt
seqret @onlyneed.txt seq.fasta - извлекаем из файла adh.txt только те последоваиельности, названия которых содержатся в файле onlyneed.txt
Ссылка на файл с последовательностями нужных алкогольдегидрогеназ

EnsEMBL

Ген: SUZ12_HUMAN

Прямой поиск выдал страницу с основной информацией о гене: расположение, координаты, структура, длина, варианты сплайсинга и т.п.

Рис 1. Экзон-интронная структура гена SUZ12_HUMAN. Также на этой странице расположены ссылки на аннотацию гена и белка. Если перейти на эти странички мы получаем последовательность гена и белка:


MAPQKHGGGGGGGSGPSAGSGGGGFGGSAAVAAATASGGKSGGGSCGGGGSYSASSSSSAAAAAGAAVLP
VKKPKMEHVQADHELFLQAFEKPTQIYRFLRTRNLIAPIFLHRTLTYMSHRNSRTNIKRKTFKVDDMLSK
VEKMKGEQESHSLSAHLQLTFTGFFHKNDKPSPNSENEQNSVTLEVLLVKVCHKKRKDVSCPIRQVPTGK
KQVPLNPDLNQTKPGNFPSLAVSSNEFEPSNSHMVKSYSLLFRVTRPGRREFNGMINGETNENIDVNEEL
PARRKRNREDGEKTFVAQMTVFDKNRRLQLLDGEYEVAMQEMEECPISKKRATWETILDGKRLPPFETFS
QGPTLQFTLRWTGETNDKSTAPIAKPLATRNSESLHQENKPGSVKPTQTIAVKESLTTDLQTRKEKDTPN
ENRQKLRIFYQFLYNNNTRQQTEARDDLHCPWCTLNCRKLYSLLKHLKLCHSRFIFNYVYHPKGARIDVS
INECYDGSYAGNPQDIHRQPGFAFSRNGPVKRTPITHILVCRPKRTKASMSEFLESEDGEVEQQRTYSSG
HNRLYFHSDTCLPLRPQEMEVDSEDEKDPEWLREKTITQIEEFSDVNEGEKEVMKLWNLHVMKHGFIADN
QMNHACMLFVENYGQKIIKKNLCRNFMLHLVSMHDFNLISIMSIDKAVTKLREMQQKLEKGESASPANEE
ITEEQNGTANGFSEINSKEKALETDSVSGVSKQSKKQKL

При этом такие. последовательности интерактивны: стоит выделить какой-нибудь остаток в белке, и тут же подсветится соответствующий триплет в нуклеотидной последовательности. Альтернативные экзоны выделены голубым цветом.
Также есть список экзонов, их длина и координаты. Рядом с ним есть ссылки на различные геномные браузеры, в которых сразу открыт нужный локус.

Нуклеотидная последовательность данного гена была подана на BLAT по геному человека. Результатом был набор хитов, картинка кариотипа с отмеченными на хромосомах локусами и иллюстрация глобального выравнивания хитов против запроса.

Рис 2. Расположение хитов на кариотипе человека.

Рис 3. Выравнивание хитов против запроса.

Данный ген интересен тем, что имеет 16 экзонов и относится к 17 хромосоме. Соответственно, отдельные экзоны были найдены как отдельные хиты. Поэтому все лучшие хиты относились, как и следовало ожидать, к 17 хромосоме. Однако, только к названной хромосоме относится более 35 хороших хитов, с высокой идентичностью и очень низким e-value, так что вычленение из полученных данных настоящих экзонов - процесс нелегкий.

Если перейти по ссылке ContigView (символ [C] - левый столбец в списке хитов), то мы попадем на страницу с иллюстрациями расположения данного хита: вся хромосома, конкретная область и конкретный ген.

Рис 4. Расположение некоторого хита на 17 хромосоме.

Рис 5. Регион, к которому относится данный хит.

Рис 6. Локус хита.

Все картинки - интерактивные,- можно выбрать любую область, приблизить её, отдалить, посмотреть процент GC. Если щелкнуть на соседний значек [G] мы попадем на страничку с последовательностью хита. Если щелкнуть на [A], мы получим выравнивания хита с запросом.

© 2013; Sutormin Dmitry