Sebestyén Endre Bioperl Őszi Iskola 2008 november 7.

 Önálló kódcsomag, amit más perl programok vagy modulok felhasználhatnak  CPAN :  Rengeteg modul szinte minden elképzelhető feladatra  Net::FTP  XML::Parser

  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

 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

 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

  Transzkripciós faktor kötőhelyek kezelésére specializálódott modulok  Objektumok a különböző kötőhelyeknek, keresési eredményeknek  Felület a weben található TFBS adatbázisokhoz  BioPerl kompatibilis

#!/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 ( ) { = } close LIST; my $db = new Bio::DB::GenBank; foreach my $acc { 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); }

 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

 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.

 Lötyögős bázisjelölés mellett/helyett esetleg kisbetű CcCGaGGtDcYtagB

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

 EPD  Eukaryotic Promoter Database  Release 95  Egyik fele kísérletes eredmények alapján (4800) ▪ Kukorica ▪ Drosophila ▪ Xenopus ▪ Egér ▪ Ember ▪ stb  Tömeges promóterannotáció (13000) ▪ Rizs

 DBTSS  Database of Transcriptional Start Sites  Release 6.0  cDNS 5’ szekvenálások alapján pontos TSS  Alternatív promótereket is tartalamaz  Fajok ▪ Egér ▪ Patkány ▪ Fugu ▪ stb

 DoOP  Database of Orthologous Pomoters ▪ Növényi (Viridiplantae) ▪ Referenciafaj : Arabidopsis thaliana ▪ Gerinces (Chordata) ▪ Referenciafaj : ember ▪ Ortológ promótercsoportok ▪ 500, 1000, 3000 bp 5’ upstream régiók

 PlantProm  Növényi promóterek  PromoSer  Ember, egér, patkány  SCPD  Sacharomyces cerevisiae  DCPD  Drosophila  CEPDB  C. elegans  NAR adatbázis (január) és webszerver (július) különszám

 TRANSFAC  Ingyenes/fizetős verzió  Transzkripciós faktorok, kötőhelyek, irodalmi adatok  Keresőfelület  Folyamatosan frissítik a publikációk alapján  Mátrixokat és konszenzus szekvenciákat is tartalmaz

 JASPAR  Jobb minőségű, nem redundáns adatok  Aránylag kis mennyiségű adat  Ingyenes, több formátumban letölthető adatok

 ORegAnno  Open REGulatory ANNOtation database  cisRED  Cis-regulatory element database ▪ ENSEMBL alapján ▪ Ember, egér, patkány, C. elegans  Place  PlantCARE  Növényi kötőhelyeket tartalmazó adatbázisok  Irodalmi adatok alapján

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

 Mátrixok  TFBS modul  Bio::Matrix modul  MotifScanner ▪ er.html er.html ▪ Parancssoros linux program ▪ Background model használata

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

 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 ▪ AAC ▪ AAG ▪ AAT ▪ ACA ▪ ACC

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

 globális illesztés  lokális illesztés

 Egyéb programok  MEME ▪ oops, zoops, anr módok ▪ lassú  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 Assessing computational tools for the discovery of transcription factor binding sites. Nat. Biotechnol. 23: 137–144.

  Keresési módok  Szekvenciaazonosító  Génazonosító  Kulcsszavas leírások  Faj  Promóter szekvencia

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

Szekvenciák Génannotáció Szekvenciaillesztés Keresztreferenciák Konzerválódott régiók

UTR régió Faj, méret Motívumok

 További keresési lehetőség adott motívummal  Hasonló szabályozással / expressziós mintázattal rendelkező gének?  

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