Предсказание генов во фрагменте генома бактерии Yersinia intermedia

1. Получение заданного фрагмента:

   seqret -sask

2. Получение полного протеома кишечной палочки:

   seqret sw:*_ECOLI

3. Создание индексных файлов:

   formatdb -i prot_ecoli.fasta -p T -n ecoli

4. Получение трансляции всех открытых рамок считывания из заданного фрагмента:

   getorf -minsize 240 -find 1 -table 11

   Параметр -minsize задает минимальную длину рамки (по условию она равна 240), -find выбирает тип выходных данных (в нашем случае трансляции рамок
   считывания, начинающиеся со старт-кодона и заканчивающиеся стоп-кодоном - это соответствует значению 1), -table определяет тип генетического кода (стандартный бактериальный задается значением 11).

5. Создание списка ORF-ов:

   grep '^>' frag_prot.orf > orf_list.txt

   '^' обозначает начало строки, а '^>' - строку, начинающуюся со знака '>'. Результат работы grep перенаправляется в файл.

6. Написание результирующего скрипта, который выдаст в качестве результата колонку с числом гомологов с E-value<0,001:

   seqret frag_prot.orf:AALF01000001_1 stdout | blastall -p blastp -d ecoli -e 0.001 | grep ">" -c >res.txt
seqret frag_prot.orf:AALF01000001_2 stdout | blastall -p blastp -d ecoli -e 0.001 | grep ">" -c >>res.txt
seqret frag_prot.orf:AALF01000001_3 stdout | blastall -p blastp -d ecoli -e 0.001 | grep ">" -c >>res.txt
seqret frag_prot.orf:AALF01000001_4 stdout | blastall -p blastp -d ecoli -e 0.001 | grep ">" -c >>res.txt
seqret frag_prot.orf:AALF01000001_5 stdout | blastall -p blastp -d ecoli -e 0.001 | grep ">" -c >>res.txt
seqret frag_prot.orf:AALF01000001_6 stdout | blastall -p blastp -d ecoli -e 0.001 | grep ">" -c >>res.txt
seqret frag_prot.orf:AALF01000001_7 stdout | blastall -p blastp -d ecoli -e 0.001 | grep ">" -c >>res.txt
seqret frag_prot.orf:AALF01000001_8 stdout | blastall -p blastp -d ecoli -e 0.001 | grep ">" -c >>res.txt
seqret frag_prot.orf:AALF01000001_9 stdout | blastall -p blastp -d ecoli -e 0.001 | grep ">" -c >>res.txt
seqret frag_prot.orf:AALF01000001_10 stdout | blastall -p blastp -d ecoli -e 0.001 | grep ">" -c >>res.txt
seqret frag_prot.orf:AALF01000001_11 stdout | blastall -p blastp -d ecoli -e 0.001 | grep ">" -c >>res.txt


   Программа seqret при помощи параметра stdout передает на конвейер последовательность одной рамки считывания. blastp (поскольку мы ищем белковые последовательности в белковых) ищет сходные с ней последовательности в протеоме кишечной палочки, ограничиваясь результатами с E-value меньше 0,001 (параметр -e) и передает результат дальше. grep c параметром -c считает количество строк в полученном результате, начинающихся с '>', а в выходном файле BLASTа из таких строк состоит hitlist, и их количество соответствует числу находок. Файл res.txt является последней колонкой в результирующей таблице.

Реальные гены в геноме E.coli

Несмотря на то, что порядок следования генов в обоих случаях совершенно разный, есть некоторые сходства в их взаимном расположении:

• Во-первых, гены нигде не перекрываются.
• Во-вторых, гены и в нашем фрагменте и в геноме E.coli сохраняют своё направление.
• В-третьих, гены mdoC и mdoG сохраняют своё взаимное расположение, причем расстояние между ними слишком мало, чтобы там мог поместиться ещё один ген (315 и 394). Да и функционально они тесно связаны: mdoC кодирует мембранный белок, необходимый для модификации периплазматического глюкана, а mdoG кодирует белок, который этот глюкан синтезирует. Остальные белки функционально напрямую не связаны (транспортный, регуляторный, мембранный белки). Отсюда можно сделать вывод, что открытые рамки считывания AALF01000001_6 и AALF01000001_8 соответствуют генам Yersinia intermedia, которые кодируют белки, гомологичные OPGG_ECOLI и OPGC_ECOLI соответственно(это также подтверждается низкими E-value<e¹⁰⁰).
• Так же особого внимания заслуживает рамка AALF01000001_11 в виду большого числа сходных последовательностей.
• Помимо этого рамка AALF01000001_10 обладает максимальной схожестью с геном cvrA(E-value=0.0) вплоть до длины, что тоже говорит о её высоком потенциале быть геном, родственным с cvrA.