© Copyright Ebiointel,SL 2006 Análisis de genomas

© Copyright Ebiointel,SL 2006

Análisis de genomas


Puntos a tratar:

Interés de los proyectos genomas La secuenciación de genomas

Bases de datos de genomas

Anotación de genomas

Genómica comparativa

Visualizadores del genoma humano

What's Next?

Análisis de Genomas


Cada genoma completo suministra una fuente inagotable de información biológica:

Conocimiento del número total de genes

Conocimiento de la estructura de genes, regiones reguladoras y otros elementos funcionales

Principios sobre la organización básica del organismo (clases funcionales,...)

Conocer funciones básicas de los genes conservados en distintas especies (léxico biología molecular)

Organización secuencia en los cromosomas (saco de genes o sistema integrado información)

Evolución genoma (conservación orden de genes, evolución secuencia)


Miramos el bosque, no el árbol


Criterios para la secuenciación de genomas

Amplio conocimiento biológico previo

Patógeno humano

Interés filogenético



Secuenciación de Genomas

Hierarchical Shotgun Sequencing vs

Shotgun Sequencing

Ensamblado de la

secuencia

• Borrador (draft): 1 error en 1kb (4x-5x)

• Acabado (finished): 1 error en 10 kb (8x-9x)


Bases de datos genómicas


Links genómicaLinks genómica

GOLD[TM] Genomes

OnLine Database v 2.0

http://www.genomesonline.org Information regarding complete and ongoing genome projects

Genome Sequencing Proposals

http://www.genome.gov/10002154

Entrez Genomes

http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=genome&cmd=search&term=

•Buscar el número de genomas de mamíferos que se están secuenciando por el método WSG (Whole Genome Shotgun)

•Buscar el número de genomas de mamíferos que se están secuenciando por el método WSG (Whole Genome Shotgun)

http://www.genomesonline.org/



















http://ebiointel.uab.es/curso/contenidos/linksgenomica.htm




Links genómicaLinks genómica

TIGR Microbial

Database

http://www.tigr.org/tdb/mdb/mdbcomplete.html

Microbial genomes and chromosomes

ACeDB http://www.acedb.org/ C. elegans, S. pombe, and human sequences and genomic information

FlyBase http://www.fruitfly.org Drosophila sequences and genomic information

MITOMAP http://www.mitomap.org/ Human mitochondrial genome










http://www.acedb.org/



http://www.fruitfly.org/

http://www.fruitfly.org/

http://www.mitomap.org/




http://ebiointel.uab.es/curso/contenidos/linksgenomica.htm


Genomas de microorganismos secuenciados

Nuestra visión del árbol de la vida debe ser modificada



Tipos celulares básicos




Nuestra visión del árbol de la vida debe ser modificada 40% genes son URFs (unidentified reading

frames) Mínimo número de genes para sostener el tipo

moderno de célula es 256-80 Importancia de transferencia horizontal (en E. coli

12,5% genoma) Gene shuffling ORFs faltantes de genes existentes Descubrimiento de antibióticos (broad spectrum

antibiotics) Causas de patogenidad (ej. Yersinia

pseudotuberculosis y Yersinia pestis)




Causas de patogenidad (ej. Yersinia pseudotuberculosis y Yersinia pestis Science 2002)



Arabidopsis thaliana

http://www.arabidopsis.org/

Genoma arroz http://rgp.dna.affrc.go.jp/ International Rice Genome Sequencing Project, coordinado por el RGP de Japón

Fugu genome project

Fugu genomics project

http://bahama.jgi-psf.org/fugu/html/fugu_factsheet.html

http://fugu.hgmp.mrc.ac.uk/PFW/

Fugu

Genoma ratón

Genoma rata

http://www.ensembl.org

http://www.ncbi.nih.gov/genome/guide/mouse

http://www.informatics.jax.org/

http://rgd.mcw.edu/





http://rgp.dna.affrc.go.jp/
















http://www.ensembl.org/








http://www.informatics.jax.org/

http://rgd.mcw.edu/

http://rgd.mcw.edu/

http://rgd.mcw.edu/

http://rgd.mcw.edu/


Vertebrados secuenciadosAnálisis de Genomas


El genom

a human

o

The human genome



Genoma Humano en GenBank

http://www.ncbi.nlm.nih.gov/mapview/map_search.cgi?chr=hum_chr.inf&query=

Visualizador Genoma Humano

Guía al genoma humano

Ensembl http://www.ensembl.org Annotated human Genome sequence data

UCSC http://genome.ucsc.edu/ UCSC Genome Browser

Bases de datos genoma humano

http://www.ncbi.nlm.nih.gov/genome/guide/human/














http://genome.ucsc.edu/









Anotación del genoma

Identificación de repeticiones (Repeat masker, Reputer, …) Predicción de los genes que codifican para proteínas

Métodos ab initio (GenScan, Genmark, Glimmer,…) Comparación genoma con mRNA (EST) (blastn, sim4,…) Comparación genoma con proteínas (blastx, genewise)

• Predicción de RNA genes

Métodos ab initio (tRNAScanSE, snoRNA,…) Comparación genoma con RNA (EST) (blatn, sim4,…)

Otros elementos Pseudogenes (por similitud, blastn, blastx) Elementos reguladores (islas CpG, promotores??)

Anotación del genoma

Identificación de repeticiones (Repeat masker, Reputer, …) Predicción de los genes que codifican para proteínas

Métodos ab initio (GenScan, Genmark, Glimmer,…) Comparación genoma con mRNA (EST) (blastn, sim4,…) Comparación genoma con proteínas (blastx, genewise)

• Predicción de RNA genes

Métodos ab initio (tRNAScanSE, snoRNA,…) Comparación genoma con RNA (EST) (blatn, sim4,…)

Otros elementos Pseudogenes (por similitud, blastn, blastx) Elementos reguladores (islas CpG, promotores??)


Se dispone de la secuencia de un genoma ensamblada


Protocolo para localización de genes que codifican para proteína a partir de la inspección de la secuencia

Traducción conceptual de la secuencia Detección pautas abierta de lectura (ORFs): sucesión

de codones sin STOP (ORF promedio = ~150 nc Distinción región codificante: composición bases

Sesgo de codones Frec. Aminoácidos Correlación entre aa vecinos Mejora algoritmo probándola con genes conocidos Frec. de oligómeros (Hidden Markow models)

Búsqueda señales: sitios conservados Señales splicing: límites exón-intrón sitio aceptor y receptor, branch

point Codón inicio traducción y terminación (STOP)

Ponderación por matrices (perfiles)



Protocolo para localización de genes que codifican para proteína a partir de la inspección de la secuencia (2)

Construcción un modelo del genCombinación del exón con las fases compatibles

Búsqueda de las secuencias limítrofes Exones terminales (5’, 3’) Promotores Señal de poliadenilación




Predicción de genes que codifican para proteína: Resumen



Secuencia problema Arabidopsis

Ejercicios

Links buscadores de genesLinks buscadores de genes

Ejemplo: ORF Finder (Open Reading Frame Finder) al NCBI

•Buscar ORF con Genscan, o Metagene en una secuencia problema de Arabidopsis y de la secuencia del gen BRCA1 de humanos•Identificación de genes en secuencia genómica http://ebiointel.uab.es/base/base.asp?sitio=canruti&anar=ejerci&item=&subitem=

http://ebiointel.uab.es/curso/contenidos/arabidopsis_rad1_genomic.htm

http://ebiointel.uab.es/curso/contenidos/arabidopsis_rad1_genomic.htm


Análisis del proteoma codificado por un

genoma secuenciado


Búsqueda de homologíasBúsqueda de homologías


1. Predicción de genesMétodos ab initio (in

silico)

2. Análisis proteoma


Anotación• Predicción de genes “in silico“• Asignación funcional (homología otras proteínas, información patrones, estructura,..)


Comparación entre genomas

Localización de secuencias

ortólogas



Ensembl


Sistemas de anotación automáticos



Ortólogo vs Parálogo

Duplicación

Especiación

Especie 1 Especie 2

Presente

•Los pares 1 y 2, y 1 y 2 son ortólogos•Los pares 1 y 1, 1 y 2, 2 y 1 y 2 y 1 son parálogos



Ortólogo vs Parálogo


Localización de ortólogos

Criterios al comparar de proteomas

El par putativo de ortólogos deben dar el mejor hit al consultar la secuencias de cada uno con la del genoma del otro E muy bajo < 10-20 (Conservativo) o 0,01 (no

conservativo) y alineamientos > 80% identidad (conservativo) o 60% (no conservativos)

Análisis de clusters las secuencias agrupadas


Obtenemos los clusters de grupos homólogos









Todo elementos funcional está constreñido por la selección natural

Detección de la huella de la selección en las secuencias genómicas

Principio básico




Detección Genes

Detección regiones reguladoras

Detectar funciones nuevas y conservadas

Evolución genoma

Evolución Proteínas

Modelos animales estudios fisiología y enfermedades

La genómica comparativa es fundamental para:



Rubin et al. Science 287: 2204-2215



Distribución de homologías en proteínas humanas

Sólo vertebrados22%

Sólo procariotas<1% Eucariota y procariota

21%

Animales y otros eucariotas

32%

No homología animal

1%

Vertebrados y otros animales

24%




Genoma ratón 14% menor genoma humano (2,5 Gb vs 2,9 Gb)

90% ambos genomas presentan sintenia

A nivel nucleotídico 40% GH se alinea con GR

Tasa substitución neutra 0,5 por sitio. Doble ratón que humanos

% genoma sometido a selec purificadora >5%

Evolución no uniforme del genoma

Ambos ~ mismo número genes, 30.000. 80% único ortólogo, sin homología <1%


Distribución de homologías en proteínas humanas



Nature 2003, 423:241-254



Metodología con una sensibilidad y precisión comparable o superior al

análisis experimental



Vertebrados secuenciadosAnálisis de Genomas



Clasificación funcionalDesde:

•Simples categorías (energía, información, comunicación)

•Esquema de clasificación Gene Ontology (GO) que engloba:

•Papel biológico (Why?)•Función molecular (What?)•Localización celular (Where?)

Molecular Function Ontology

the tasks performed by individual gene products; examples are carbohydrate binding and ATPase activity

Biological Process Ontology

broad biological goals, such as mitosis or purine metabolism, that are accomplished by ordered assemblies of molecular functions

Cellular Component Ontology

subcellular structures, locations, and macromolecular complexes; examples include nucleus, telomere, and origin recognition complex

http://www.geneontology.org/






Gene Ontology



Clasificación funcional GO:0003673 : Gene_Ontology ( 149784 ) • GO:0008150 : biological_process ( 99849 )

• GO:0007610 : behavior ( 2298 ) • GO:0000004 : biological_process unknown ( 27969 ) • GO:0009987 : cellular process ( 32926 ) • GO:0007275 : development ( 14739 ) • GO:0008371 : obsolete biological process ( 97 ) • GO:0007582 : physiological process ( 62723 ) • GO:0050789 : regulation of biological process ( 12540 ) • GO:0016032 : viral life cycle ( 255 )

• GO:0005575 : cellular_component ( 80819 ) • GO:0005623 : cell ( 57332 ) • GO:0008372 : cellular_component unknown ( 19622 ) • GO:0005576 : extracellular ( 5011 ) • GO:0019814 : immunoglobulin complex ( 19 ) • GO:0008370 : obsolete cellular component ( 25 ) • GO:0005941 : unlocalized ( 550 ) • GO:0019012 : virion ( 127 )

• GO:0003674 : molecular_function ( 101079 ) • GO:0016209 : antioxidant activity ( 322 ) • GO:0005488 : binding ( 27236 ) • GO:0003824 : catalytic activity ( 33780 ) • GO:0003754 : chaperone activity ( 894 ) • GO:0030188 : chaperone regulator activity ( 13 ) • GO:0030234 : enzyme regulator activity ( 1851 ) • GO:0005554 : molecular_function unknown ( 28940 ) • GO:0003774 : motor activity ( 423 ) • GO:0045735 : nutrient reservoir activity ( 36 ) • GO:0008369 : obsolete molecular function ( 675 ) • GO:0004871 : signal transducer activity ( 6503 ) • GO:0005198 : structural molecule activity ( 3002 ) • GO:0030528 : transcription regulator activity ( 7944 ) • GO:0045182 : translation regulator activity ( 602 ) • GO:0005215 : transporter activity ( 9113 ) • GO:0030533 : triplet codon-amino acid adaptor activity ( 553 )

http://www.godatabase.org/cgi-bin/amigo/go.cgi?action=minus_node&search_constraint=terms&query=GO:0003673&session_id=4609b1089737364


http://www.godatabase.org/cgi-bin/amigo/go.cgi?action=plus_node&depth=1&search_constraint=terms&query=GO:0007610&session_id=4609b1089737364






































































Genes bien caracterizados


RefSeq database

http://www.ncbi.nlm.nih.gov/LocusLink/refseq.html

Reference Sequence Project

LocusLink http://www.ncbi.nlm.nih.gov/LocusLink/ Locus Link

GeneCards http://bioinformatics.weizmann.ac.il/cards Genes humanos








http://www.ncbi.nlm.nih.gov/LocusLink/






http://bioinformatics.weizmann.ac.il/cards







OMIM

Online Mendelian Inheritance in Man

http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=OMIM

Catalog of human genetic and genomic disorders

MIM (Mendelian Inheritance

in Man):

•Victor A. McKusick. Catálogo MIM (1966)- 12 ediciones impresas

•OMIM Statistics









http://www.ncbi.nlm.nih.gov/Omim/mimstats.html

http://www.ncbi.nlm.nih.gov/Omim/mimstats.html



Genoma Humano en GenBank


Visualizador Genoma Humano

Guía al genoma humano

Ensembl http://www.ensembl.org Annotated human Genome sequence data

UCSC http://genome.ucsc.edu/ UCSC Genome Browser

Bases de datos genoma humano


Ejercicios de búsqueda en el genoma humano






















http://biologia.uab.es/curso/ejercicios/guiagenomahumano/indice.htm



What's Next?Turning Genomics Vision Into Reality

•ENCyclopedia Of DNA Elements (ENCODE)

•The International HapMap Project

•Structural Genomics Consortium




Documents

© Copyright Ebiointel,SL 2006 Análisis de genomas