Банк EMBL

Задание 1. Знакомство со структурой банка EMBL посредством поисковой системы SRS

a) Для получения информации последовательно переходим по ссылкам: "Library page" → "EMBL (Release)".
В итоге получаем:

То есть текущий релиз EMBL (имеет номер 113) последний раз был проиндексирован в SRS
18 сентября 2012 года и содержит 82772678 записей.

b) Перейдя по ссылке "Data class" и щёлкнув по кнопке "List values", мы получаем список классов банка EMBL:

Notation of class	Description of class	Number of entries
CON:	Constructed sequence	-
EST:	Expressed Sequence Tag	-
GRV:	Genome Reviews	-
GSS:	Genome Survey Sequence	34528104
HTC:	High Throughput cDNA sequencing	491770
HTG:	High Throughput Genome sequencing	152599
MGA:	Mass Genome Annotation	-
PAT:	Patent	-
SET:	Project set (EMBL WGS Masters only)	-
STD:	Standard	13920617
STS:	Sequence Tagged Site	1322570
TSA:	Transcriptome Shotgun Assembly	7992186
WGS:	Whole Genome Shotgun	-

- → не проиндексированные классы (CON, EST, GRV, MGA, PAT, SET, WGS)
- → проиндексированные классы

c) Теперь возвращаемся на страницу "EMBL (Release)" и переходим по ссылке "Divisions", после чего снова нажимаем на кнопку "List values", но теперь уже получаем список разделов банка EMBL:

Notation of chapter	Description of chapter	Number of entries
ENV:	Environmental Samples (Пробы окружающей среды)	7762556
FUN:	Fungi (Грибы)	2402829
HUM:	Human (Человек)	11304977
INV:	Invertebrates (Беспозвоночные)	7398340
MAM:	Other Mammals (Другие млекопитающие)	6741732
MUS:	Mus musculus (Домовая мышь)	5163724
PHG:	Bacteriophage (Бактериофаг)	8503
PLN:	Plants (Растения)	20284404
PRO:	Prokaryotes (Прокариоты)	1639517
ROD:	Rodents (Грызуны)	1313761
SYN:	Synthetic (Синтетические)	4045013
TGN:	Transgenic (Трансгенные)	285306
UNC:	Unclassified (Неклассифицированные)	8617170
VRL:	Viruses (Вирусы)	1358516
VRT:	Other Vertebrates (Другие позвоночные)	4446330

d*) Для оценки зависимости поступлений в разделы банка EMBL, мы выбрали 4 раздела:

   1 → FUN: Fungi (Грибы)
   2 → HUM: Human (Человек)
   3 → PLN: Plants (Растения)
   4 → VRL: Viruses (Вирусы)

Поиск проводится через Extended Query Form (предварительно на "Library Page" отмечаем "EMBL (Release)"). Делаем два поиска, с выбранным Data Class "STD" и написанными вначале разделами (FUN, HUM, PLN и VRL). Отличие поисковых запросов лишь в годах новых поступлений, а именно - в поле "Entry Creation Date" дата первого поиска от 1 января до 30 марта 2011 года, а второго поиска тоже от 1 января до 30 марта, но уже 2012 года.

Полученные результаты представим в виде столбчатой диаграммы (гистограммы):

На ней жёлтым цветом отмечено ежегодное увеличение поступлений.
Исключение составляет только раздел вирусов, у которого в 2012 году мы видим, наоборот, замедление поступлений. Это может быть обусловлено как потерей интереса учёных непосредственно к вирусам, так и ростом заинтересованности к другим разделам.

Но в целом положительная динимика сохраняется, так как если проанализировать абсолютно все предложенные сайтом SRS разделы, то за год разница поступлений в период с 1 января до 30 марта составила почти 340000 (663969 поступлений в 2011 году против 1003923 в 2012-м)

Задание 2. Описание гена в записи банка EMBL

В таблице взяли заданный ген HLA-G (из записи EMBL BA000025), после чего получили информацию о нём:

○ направление гена относительно направления, выбранного для записи → обратное (комплементарная цепь)
○ число кодирующих участков → 6
○ длина первого кодирующего участка → 73
○ длина последнего кодирующего участка → 5
○ длина первого интрона между кодирующими участками → 129
○ длина последнего интрона между кодирующими участками → 445.

Задание 3. Нахождение белка по фрагменту гена

1. Самый длинный кодирующий участок гена HLA-G (это позиции 2111597..2111872) был вырезан в отдельный файл программой seqret с опцией -sask, позволяющей вводить номера начальной и конечной последовательности, указанные в записи EMBL.
2. На главной странице Blast была выбрана программа blastx, которая ищет в белковых базах данных по данной нуклеотидной последовательности.
3. На вход программы была подана полученная программой seqret fasta-последовательность гена.
4. В параметрах поиска была выбрана база данных Swissprot, а в поле "organism" введено "human".

В результате было найдено два белка с наименьшим значением E-value (3e-13):

1 → HLAG_HUMAN - человеческий антиген гистосовместимости класса I (участок 116-206)
2 → HLAG_PANTR - белок обыкновенного шимпанзе, выполняющий такую же функцию (участок тоже 116-206)

Искомый белок - HLAG_HUMAN, поскольку в этом случае идентичность 100% (с белком шимпанзе идентичность 98%, совпало 90 из 91 позиций). Поскольку нуклеотидная последовательность была выделена из человеческого гена, ясно, что искомый белок принадлежит человеку.

Задание 4. Ссылки из записи банка Swiss-Prot на записи банка EMBL

Чтобы найти все ссылки на банк EMBL из записи Swiss-Prot о белке O31617 (RESA_BACSU), необходимо сначала командой entret ($ entret sw:O31617 -auto) получить запись о белке. В этом файле находим раздел DR, где выбираем все AC записей о белке из EMBL. AC оказывается только один (AL009126).

После чего мы следуем на сайт SRS, где в поле "Accession number" вносим найденное AC нашего белка, а в окно "Choose 1 or more fields" → "ID", "Molecule", "Data class", "Sequence Length", "Entry Creation Date", "Description".

Следующим шагом, сохраняю всё в формате txt в виде таблицы и разделяю табуляцией, после чего получается вот такая таблица:

ID записи	Тип молекулы	Класс данных	Длина последовательности	Дата внесения в банк	Описание
AL009126	genomic DNA	STD	4215606	18-JUL-2002	Bacillus subtilis subsp. subtilis str. 168 complete genome.

Мы видим, что у нас всего одна запись, представляющая собой полный геном сенной палочки (Bacillus subtilis, complete genome) и сравнивать её характеристики попросту не с чем, но некоторые общие вещи хотелось бы отметить → тип молекулы во всех базах белков - геномная ДНК (genomic DNA), как правило; а класс данных - стандартный (STD).