Практикум 7. Выбор эукариота и работа с базами NCBI и ENA
Задание 1. Выбор эукариота
В рамках практикума для анализа был выбран геном мексиканского аксолотля (Ambystoma mexicanum, Mexican axolotl).
Мексиканский аксолотль — хвостатое земноводное, известное способностью к регенерации конечностей и различных тканей. Он широко используется в исследованиях регенерации и биологии развития. Диплоидный набор аксолотля содержит 28 хромосом (2n = 28), гаплоидный — 14 (n = 14).
Я выбрала аксолотля из-за его необычных регенеративных способностей и большого размера генома.
С помощью NCBI Datasets была найдена референсная сборка генома UKY_AmexF1_1, соответствующая требованиям практикума: уровень сборки — Chromosome, аннотация генов доступна в базе RefSeq.
Задание 2. Характеристики выбранной сборки
| Характеристика | Значение |
|---|---|
| Идентификатор GenBank | GCA_040938575.1 |
| Идентификатор RefSeq | GCF_040938575.1 |
| Уровень сборки генома | Chromosome |
| Общий размер генома | 29,1 Gb (≈ 29,1 × 109 п.н.) |
| Число скэффолдов | 220 |
| Число контигов | 2 315 |
| Scaffold N50 | 1,5 Gb |
| Scaffold L50 | 10 |
| Contig N50 | 23,1 Mb |
| Contig L50 | 384 |
Таблица 1. Характеристики сборки UKY_AmexF1_1. Скэффолды — более крупные элементы сборки (могут содержать гэпы), контиги — непрерывные участки без гэпов. Поэтому число скэффолдов (220) меньше числа контигов (2315).
L50 — минимальное число наиболее длинных контигов или скэффолдов, суммарная длина которых составляет не менее 50% всей сборки.
Сборка имеет хромосомный уровень организации. В статистике NCBI указана 21 хромосомная последовательность, поскольку некоторые хромосомы представлены отдельными последовательностями плеч (например, 1p и 1q).
Значения Scaffold N50 = 1,5 Gb и Scaffold L50 = 10 свидетельствуют о наличии крупных скэффолдов.
Задание 3. Скачивание сборки, аннотации и белковых последовательностей
Информация о сборке была скачана из базы RefSeq (GCF_040938575.1) — именно в ней доступна аннотация генов.
В рамках работы были получены три файла:
- нуклеотидные последовательности генома в формате FASTA;
- последовательности белков в формате FASTA;
- геномные последовательности с аннотацией в формате GBFF.
Задание 4. Знакомство с поисковыми системами NCBI и ENA
Для выполнения задания был выбран белок инсулин (insulin).
4.1. Поисковая система NCBI
Поиск проводился при помощи Advanced Search в базе NCBI Nucleotide.
4.1.1. Сколько всего записей посвящено гену/мРНК с таким словом в названии
| Запрос | Что ищем | Результат |
|---|---|---|
insulin[Title] |
Все записи со словом insulin в названии | 50 462 |
insulin[Title] AND biomol_mrna[PROP] |
Из них мРНК | 40 213 |
insulin[Title] AND biomol_genomic[PROP] |
Из них геномные последовательности | 4 147 |
4.1.2. Сколько из них из GenBank, а сколько из RefSeq
| Запрос | База | Результат |
|---|---|---|
insulin[Title] AND refseq[Filter] |
RefSeq | 36 188 |
insulin[Title] AND genbank[Filter] |
GenBank | 5 569 |
Разбивка по типу последовательностей (мРНК / геномные):
| Тип последовательностей | RefSeq | GenBank |
|---|---|---|
| мРНК | 35 017 | 5 196 |
| Геномные последовательности | 20 | 4 127 |
Таблица 2. Разделение записей по базам данных (RefSeq / GenBank).
«GenBank» здесь соответствует записям, не входящим в RefSeq
(NOT refseq[Filter]).
4.1.3. Сколько из них — записи человека (отдельно GenBank / RefSeq, мРНК / геном)
Для поиска записей человека использовалось условие
"Homo sapiens"[Organism].
| Тип последовательностей | Всего | RefSeq | GenBank |
|---|---|---|---|
| мРНК | 4 092 | 217 | 3 875 |
| Геномные последовательности | 1 480 | 19 | 1 461 |
Таблица 3. Записи человека со словом insulin в названии.
Использованные запросы:
-
мРНК человека:
insulin[Title] AND "Homo sapiens"[Organism] AND biomol_mrna[PROP] -
геномные последовательности человека:
insulin[Title] AND "Homo sapiens"[Organism] AND biomol_genomic[PROP] -
разделение по RefSeq: фильтр
refseq[Filter], остальные записи —NOT refseq[Filter]
4.1.4. Все ли записи действительно кодируют инсулин
Не все найденные последовательности кодируют непосредственно инсулин. В результаты поиска также попадают записи, посвящённые другим белкам, например рецептору инсулина (insulin receptor), инсулиноподобным факторам роста (insulin-like growth factors) и субстратам инсулинового рецептора.
4.2. Поисковая система ENA
Поиск проводился при помощи Advanced Search в ENA среди нуклеотидных последовательностей человека, содержащих слово insulin в описании.
| Пункт задания | Запрос | Результат |
|---|---|---|
| Все записи человека | tax_eq(9606) AND description="insulin" |
9 347 |
| (а) мРНК человека | tax_eq(9606) AND description="insulin" AND mol_type="mrna" |
7 185 |
| (б) Гены (геномные последовательности) человека | tax_eq(9606) AND description="insulin" AND mol_type="genomic dna" |
163 |
Таблица 4. Результаты поиска в ENA по слову insulin.