Genómica Estructural

Asignatura de Genómica Vegetal

Máster del IBMCPCurso 2009-2010

4

2 Predicción de genes

3 Elementos reguladores en cis

5Motivos en proteína

Función hipotética

Análisis de secuencias

1 Secuencia “cruda”

Predicción de genes

Fuentes de información

• Secuencias consenso de procesamiento• Similitud de secuencia

Refinado estructura exones / intrones• Secuencias de inicio transcripción• Secuencias de poliadenilación

Algoritmos• Genscan (http://genes.mit.edu/GENSCAN.html)• GeneMark (http://opal.biology.gatech.edu/GeneMark/)

El algoritmo GENESCAN

• Se basa en un modelo probabilístico.• Tiene en cuenta el sesgo de uso de codones

en regiones codificantes, codones de inicio y parada, tamaños típicos de exones, presencia de promotores, presencia de genes en las dos cadenas…)

• No usa búsquedas de similitudes para predecir genes

• No tiene en cuenta el procesamiento alternativo

• Podría combinar dos exones de genes consecutivos.

Predicción de genes (fiabilidad)

Parámetros

(Sensibilidad) Sn=Exones reales

Exones correctos(Especificidad) Sp=

Exones predichos

Exones correctos

ME=Exones que faltan: anotados, pero no predichos

WE=Exones equivocados: predichos, pero no reales

Realidad

Predición

WE CE ME

CE=Exones correctos: predichos, y reales

Predicción de genes (valoración)

A favor

• El número de genes predichos es correcto• Funciona bien para genes simples

En contra

• El diseño de los algoritmos es bueno para vertebrados• Exones iniciales y finales son más difíciles de predecir correctamente

Protocolos de “inteligencia artificial”

Características

• Los programas infieren los criterios de búsqueda basándose en la “experiencia”

Ejemplos

• NNDP (Neural Network Promoter Predictor) (http://www.fruitfly.org/seq_tools/promoter.html)

• GRAIL (http://compbio.ornl.gov/tools/index.shtm)

Algoritmos

Neural Networks - Hidden Markov Models - Stochastic context-free grammars

Anotación de las secuencias

Objetivo

• Dar “nombre” a la secuencia. Atribuirle una función hipotética

¿Con qué respuesta nos conformamos?

Procedimientos

• Búsqueda de genes parecidos, ya presentes en las Bases de Datos (FASTA, BLAST,…)

• Búsqueda de motivos en la proteína y en el promotor

Búsqueda de homologías en Bases de Datos

FASTA vs BLAST

• FASTA es más sensible que BLAST para búsquedas basadas en secuencias de nucleótidos

• BLAST es bueno para encontrar homologías “locales” en secuencias de aminoácidos

BLAST

Tipos de búsqueda

Blastn Blastp Blastx Tblastn Tblastx

DB: nuc prot prot nuc (tr) nuc (tr)

Sec fav: nuc prot nuc (tr) nuc (tr) prot

Parámetros importantes

• Código genético a emplear• Filtro de complejidad• P value

BLAST

Sequences producing High-scoring Segment Pairs: Score P(N) sp|P01013|OVAX_CHICK GENE X PROTEIN (OVALBUMIN-RELATED) (... 1191 7.7e-160 sp|P01014|OVAY_CHICK GENE Y PROTEIN (OVALBUMIN-RELATED). 949 7.0e-127 sp|P01012|OVAL_CHICK OVALBUMIN (PLAKALBUMIN). 645 3.4e-100 sp|P19104|OVAL_COTJA OVALBUMIN. 626 1.2e-96 sp|P05619|ILEU_HORSE LEUKOCYTE ELASTASE INHIBITOR (LEI). 216 3.7e-71 sp|P80229|ILEU_PIG LEUKOCYTE ELASTASE INHIBITOR (LEI) (... 325 4.0e-71 sp|P29508|SCCA_HUMAN SQUAMOUS CELL CARCINOMA ANTIGEN (SCC... 439 3.5e-70 sp|P30740|ILEU_HUMAN LEUKOCYTE ELASTASE INHIBITOR (LEI) (... 211 1.3e-66 sp|P05120|PAI2_HUMAN PLASMINOGEN ACTIVATOR INHIBITOR-2, P... 176 1.8e-65 sp|P35237|PTI_HUMAN PLACENTAL THROMBIN INHIBITOR. 473 1.3e-61 sp|P29524|PAI2_RAT PLASMINOGEN ACTIVATOR INHIBITOR-2, T... 183 9.4e-61 sp|P12388|PAI2_MOUSE PLASMINOGEN ACTIVATOR INHIBITOR-2, M... 179 1.8e-60 sp|P36952|MASP_HUMAN MASPIN PRECURSOR. 198 2.6e-58 sp|P32261|ANT3_MOUSE ANTITHROMBIN-III PRECURSOR (ATIII). 142 4.0e-48 sp|P01008|ANT3_HUMAN ANTITHROMBIN-III PRECURSOR (ATIII). 122 7.5e-48

Anotación de las secuencias

• Gen con función conocida• Gen parecido a uno con función conocida• Gen parecido a uno sin función conocida• Gen sin parecido a otros

Resultado gene 117519..121391 /gene="At5g01290" /note="T10O8.2; F7J8.270; mRNA capping enzyme (HCE), Homo sapiens, EMBL:AF025654" CDS join(117519..117617,117741..117858,117932..118050, 118141..118242,118329..118391,118521..118655, 118748..118954,119354..119473,119876..119965, 120119..120259,120425..120532,120626..120712, 120863..121171,121266..121391) /gene="At5g01290" /codon_start=1

Búsqueda de elementos reguladores

• PLACE (Database of Plant Cis-Acting Regulatory DNA Elements)(http://www.dna.affrc.go.jp/htdocs/PLACE/signalscan.html)

CAAT box… CAAT …

DOF core… AAAG …

GCBP2… GTGGGCCCG …

TATA box

• PlantCARE (Plant Cis-Acting regulatory Elements)(http://sphinx.rug.ac.be:8080/PlantCARE/)

Búsqueda de elementos reguladores

• Promomer(http://www.bar.utoronto.ca/ntools/cgi-bin/BAR_Promomer.cgi)

Búsqueda de motivos en proteínas

• TargetP, ChloroP (http://www.cbs.dtu.dk/services)• MetaPredict (http://dodo.bioc.columbia.edu/predictprotein/)• Pattern Matching (http://www.arabidopsis.org/cgi-bin/patmatch/)

Nt Ct

NLS (Transporteal núcleo)

Cremallera de leucinas(Interacción Prot-prot)

Myb (Unión al DNA)

Desconocido

Búsqueda de motivos en proteínas

• Pattern Matching (http://www.arabidopsis.org/cgi-bin/patmatch/)• Protein Families Database of Alignments (PFAM) (http://www.sanger.ac.uk/software/pfam)

Nt Ct

Nt Ct

Nt Ct

… DGMNEHLEKKDVACA …

Búsqueda en Bases de Datos

Búsqueda de motivos en proteínas

Análisis 3D automatizado

Filogenia estructural

Análisis de polimorfismos

• La secuencia de nucleótidos varía ligeramente en variedades de una misma especie

http://www.arabidopsis.org/Cereon/index.html

Ejemplo: Ler vs. Col, 56,670 polimorfismos

37,344 SNPs18,759 InDels 747 InDels grandes

AplicacionesIdentificación de variedadesEstablecimiento de mapasAsistencia a la clonación

DiagnósticoRFLPs, CAPS, dCAPS

AFLPschips de SNPs

CAPS

EcoRI EcoRI EcoRI

Cleaved Amplified Polymorphic Sequences

Landsberg Heterozigoto Columbia

EcoRI EcoRI

EcoRI

DNA genómico

dCAPS

Derived-CAPS

…GTGGAAGAAGCTCGATGAGGCTTTGGGG…

…GTGGAAGAAGCTCGATGAGGCTTTGAGG…

Var1

Var2

GTGGAAGAAGCTCGACCAGGCTTTGPrimer dCAP

Var1

Var2PCR

(dCAP + Pr2)Digestión

Bsl I

Bsl I CCNNNNNNNGG

AFLP

Amplified Fragments Length Polymorphisms

DNA genómico

Digestión (frec+rara)

Ligación adaptadores

AFLP fingerprint

Amplificación por PCR