Sebestyén Endre Bioperl Őszi Iskola 2008 november 7.

Az előadások a következő témára: "Sebestyén Endre Bioperl Őszi Iskola 2008 november 7."— Előadás másolata:

1 Sebestyén Endre Bioperl Őszi Iskola 2008 november 7.

2  Önálló kódcsomag, amit más perl programok vagy modulok felhasználhatnak  CPAN : http://www.cpan.orghttp://www.cpan.org  Rengeteg modul szinte minden elképzelhető feladatra  Net::FTP  XML::Parser

3  http://bioperl.org http://bioperl.org  Stabil (1.4.0) és fejlesztői (1.5.2) verzió  Különböző csomagok  Core : alapmodulok, minden más csomag ezt használja  Run : alkalmazások futtatása (ClustaW, EMBOSS, stb)  DB : relációs adatbázis projekt, BioSQL  Network : protein-protein interakciók  GUI : grafikus felület, Perl-TK  Ext : C nyelven, szekvenciaillesztő algoritmusok  Pedigree : genotípus, marker, linkage adatok manipulálása  Microarray : microarray adatok elemzése  Pipeline : munkafolyamatok tervezése

4  Bio::Align  Szekvenciaillesztések manipulálása  Bio::Biblio  Irodalmi adatok lekérdezése ▪ Medline ▪ Pubmed  Bio::DB  EMBL, GenBank, RefSeq, SwissProt  Bio::Graphics  Elsősorban szekvenciák ábrázolására használható modul  Bio::Index  FASTA, GenBank fájlok indexelése  BLAST eredmények indexelése

5  Bio::Matrix  Általános mátrix modul  Bio::Ontology  GeneOntology adatbázis  Bio::Search és Bio::SearchIO  BLAST, FASTA, Sim4, stb eredmények feldolgozása  Bio::Seq és Bio::SeqIO  Szekvenciák kezelése ▪ Konvertálás, módosítás, létrehozás  Bio::Tools  Különböző programok be/kimenetének feldologzása

6  http://tfbs.genereg.net/ http://tfbs.genereg.net/  Transzkripciós faktor kötőhelyek kezelésére specializálódott modulok  Objektumok a különböző kötőhelyeknek, keresési eredményeknek  Felület a weben található TFBS adatbázisokhoz  BioPerl kompatibilis

7 #!/usr/bin/perl use Bio::DB::GenBank; use Getopt::Std; getopts(’l:'); my $list = $opt_l; open LIST, "$list" or die "$0 : can't open file $list : $!\n"; while ( ) { chomp; @line = split; push @accs, @line; } close LIST; my $db = new Bio::DB::GenBank; foreach my $acc (@accs) { my $seqi = $db->get_Stream_by_acc(["$acc"]); my $seqo = Bio::SeqIO->new('-file' => ">>$acc.genbank", '-format' => 'genbank'); foreach my $seq ( $seqi->next_seq ) { $seqo->write_seq($seq); }

8  Transzkripciós faktor  DNS kötő domainek  Specifikus szekvencia motívomokat ismer fel  A kötődést a konkrét motívum mellett sok egyéb tényező is befolyásolja  Kötőhelyek  Rövid szekvenciamotívumok (6-12 bp)  Promóterben, esetleg a 3’ és 5’ UTR-ben vagy intronokban  Sokszor nem egyértelműek, pl G és C is lehet egy helyen

9  Konszenzus szekvencia  Lötyögős bázisjelölések ▪ ACACTSSNWTT  Ismétlésekkel ▪ ACACTS{1,4}N{1,2}WTT IUPAC-IUB/GCG Code MeaningComplement AAT CCG GGC T/UTA MA or CK RA or GY WA or TS SG or CW YC or TR KG or TM VA or C or GB HA or C or TD DA or G or TH BC or G or TV X/NA or C or G or TN.not A or C or G or T.

10  Lötyögős bázisjelölés mellett/helyett esetleg kisbetű CcCGaGGtDcYtagB

11  Mátrix  A/C/G/T mennyiség ▪ Egyszerű darabszám ▪ Gyakoriság ▪ Information content A3000020 C025102 G013103 T260327

12  EPD http://www.epd.isb-sib.ch/http://www.epd.isb-sib.ch/  Eukaryotic Promoter Database  Release 95  Egyik fele kísérletes eredmények alapján (4800) ▪ Kukorica ▪ Drosophila ▪ Xenopus ▪ Egér ▪ Ember ▪ stb  Tömeges promóterannotáció (13000) ▪ Rizs

13  DBTSS http://dbtss.hgc.jp/http://dbtss.hgc.jp/  Database of Transcriptional Start Sites  Release 6.0  cDNS 5’ szekvenálások alapján pontos TSS  Alternatív promótereket is tartalamaz  Fajok ▪ Egér ▪ Patkány ▪ Fugu ▪ stb

14  DoOP http://doop.abc.huhttp://doop.abc.hu  Database of Orthologous Pomoters ▪ Növényi (Viridiplantae) ▪ Referenciafaj : Arabidopsis thaliana ▪ Gerinces (Chordata) ▪ Referenciafaj : ember ▪ Ortológ promótercsoportok ▪ 500, 1000, 3000 bp 5’ upstream régiók

15  PlantProm http://mendel.cs.rhul.ac.uk/mendel.php?topic=plantpromhttp://mendel.cs.rhul.ac.uk/mendel.php?topic=plantprom  Növényi promóterek  PromoSer http://biowulf.bu.edu/zlab/PromoSer/http://biowulf.bu.edu/zlab/PromoSer/  Ember, egér, patkány  SCPD http://rulai.cshl.edu/SCPD/http://rulai.cshl.edu/SCPD/  Sacharomyces cerevisiae  DCPD http://www-biology.ucsd.edu/labs/Kadonaga/DCPD.htmlhttp://www-biology.ucsd.edu/labs/Kadonaga/DCPD.html  Drosophila  CEPDB http://rulai.cshl.edu/cgi-bin/CEPDB/home.cgihttp://rulai.cshl.edu/cgi-bin/CEPDB/home.cgi  C. elegans  NAR adatbázis (január) és webszerver (július) különszám

16  TRANSFAC http://www.gene-regulation.com/http://www.gene-regulation.com/  Ingyenes/fizetős verzió  Transzkripciós faktorok, kötőhelyek, irodalmi adatok  Keresőfelület  Folyamatosan frissítik a publikációk alapján  Mátrixokat és konszenzus szekvenciákat is tartalmaz

17  JASPAR http://jaspar.genereg.net/http://jaspar.genereg.net/  Jobb minőségű, nem redundáns adatok  Aránylag kis mennyiségű adat  Ingyenes, több formátumban letölthető adatok

18  ORegAnno http://www.oreganno.org/http://www.oreganno.org/  Open REGulatory ANNOtation database  cisRED http://www.cisred.org/http://www.cisred.org/  Cis-regulatory element database ▪ ENSEMBL alapján ▪ Ember, egér, patkány, C. elegans  Place http://www.dna.affrc.go.jp/PLACE/http://www.dna.affrc.go.jp/PLACE/  PlantCARE http://bioinformatics.psb.ugent.be/webtools/plantcare/html/http://bioinformatics.psb.ugent.be/webtools/plantcare/html/  Növényi kötőhelyeket tartalmazó adatbázisok  Irodalmi adatok alapján

19  Konszenzus szekvencia keresés  Perl reguláris kifejezés ▪ if ($seq =~ /[AT]{1,}CCT[CG]/) { print “megvan\n” }  EMBOSS programcsomag ▪ http://emboss.sourceforge.net/ http://emboss.sourceforge.net/ ▪ Fuzznuc ▪ Parancssoros linux program ▪ [CG](5)TG{A}N(1,5)C

20  Mátrixok  TFBS modul  Bio::Matrix modul  MotifScanner ▪ http://homes.esat.kuleuven.be/~thijs/Work/MotifScann er.html http://homes.esat.kuleuven.be/~thijs/Work/MotifScann er.html ▪ Parancssoros linux program ▪ Background model használata

21  Ortológ gének  Különböző fajban ugyanaz a funkció  Szervspecifikus gének  Szövetspecifikus gének  Fejlődési stádium specifikus gének  Stb  Valamilyen oknál fogva ugyanakkor/ugyanott kell kifejeződniük

22  Rövid oligók gyakoriságának vizsgálata  EMBOSS programcsomag ▪ Compseq parancssoros linux program ▪ Oligók (2,3,4,stb) gyakoriságának vizsgálata ▪ Elvárt VS. kapott gyakoriság ▪ Bizonyos oligók alul vagy felülreprezentáltak lehetnek egyes promótercsoportokban ▪ AAA 7 0.0406977 0.0329457 1.2352955 ▪ AAC 3 0.0174419 0.0096899 1.8000042 ▪ AAG 11 0.0639535 0.0348837 1.8333344 ▪ AAT 3 0.0174419 0.0077519 2.2500110 ▪ ACA 1 0.0058140 0.0096899 0.6000014 ▪ ACC 4 0.0232558 0.0116279 2.0000012

23  Phylogenetic footprinting  A funkcionális kötőhelyek valószínűleg konzerválódtak a fajok között  Szekvenciaillesztés ▪ ClustalW : globális illesztés ▪ Dialign : lokális illesztés  Konzervált részek kiválasztása

24  globális illesztés  lokális illesztés

25  Egyéb programok  MEME http://meme.sdsc.edu/http://meme.sdsc.edu/ ▪ oops, zoops, anr módok ▪ lassú  GLAM http://zlab.bu.edu/glamhttp://zlab.bu.edu/glam ▪ Hézagmentes illesztések  Tompa, M., Li, N., Bailey, T.L., Church, G.M., De Moor, B., Eskin, E., Favorov, A.V., Frith, M.C., Fu, Y., Kent, W.J., et al. 2005. Assessing computational tools for the discovery of transcription factor binding sites. Nat. Biotechnol. 23: 137–144.

26  http://doop.abc.hu http://doop.abc.hu  Keresési módok  Szekvenciaazonosító  Génazonosító  Kulcsszavas leírások  Faj  Promóter szekvencia

27  Promótercsoport azonosító  Leírás  Konzervált motívumok száma  Fajcsoportok  Lehetőség van a szekvenciák letöltésére

28 Szekvenciák Génannotáció Szekvenciaillesztés Keresztreferenciák Konzerválódott régiók

29 UTR régió Faj, méret Motívumok

30  További keresési lehetőség adott motívummal  Hasonló szabályozással / expressziós mintázattal rendelkező gének?  http://doops.abc.hu http://doops.abc.hu  http://doopsearch.abc.hu http://doopsearch.abc.hu

31  Bioperl-hez hasonló API a DoOP adatbázis kezeléséhez  Cluster.pm  Sequence.pm  SequenceFeature.pm  Motif.pm