Что можно делать с одиночной последовательностью ДНК? презентация

Вашей последовательности
Дизайн праймеров
Анализ ДНК-состава
Повторы в ДНК
Как искать гены? (прокариоты, эукариоты)
Тривиальные случаи применения сборки фрагментов

is a system for quickly identifying segments of a nucleic acid sequence that may be of vector origin. NCBI developed VecScreen to minimize the incidence and impact of vector contamination“VecScreen is a system for quickly identifying segments of a nucleic acid sequence that may be of vector origin. NCBI developed VecScreen to minimize the incidence and impact of vector contamination in public sequence databases. GenBank Annotation Staff use VecScreen to verify that sequences submitted for inclusion in the database are free from contaminating vector sequence. Any sequence can be screened for vector contamination using the VecScreen Web site”

просто удалить их
Если в нескольких местах по всей длине – проще всего… все это выбросить
(!) Не надо выбрасывать, если:
Вектор не ваш – он может быть просто родственным (100% сходство!)
Ваш ген мог быть основой для вектора
Но: если Вы видите неожиданную гомологию к E.coli или дрожжам – задумайтесь!

Вы анализируете (и не тратить время зря)
Ошибки распространяются по базам данных с экспоненциальной скоростью: неверная информация, проблемы сборки и т.п.
В Swiss-Prot даже были специальные записи (P39188 – P39195: Alu-derived белки)
Будьте внимательны при работах с базами данных! (неожиданно высокая гомология к бактериям в эукариотах и т.п.)

что Вы ожидаете (годится, также, для длинных геномных кусков вплоть до бактериальных геномов)
Все сайты рестрикции лежат в базе данных REBASE (http://rebase.neb.com/)
Как предсказать список рестрикционных фрагментов?

из которых размечен на последовательности

гибридизации
Предлагать свой собственный левый или правый праймер
Выбрать последовательность, которую Вы хотите включить или наоборот исключить из амплифицированного фрагмента
Выбрать диапазон длины фрагмента
Выбрать диапазон размера олигонуклеотидов, GC-состав, точку плавления
…

статистику тринуклеотидов и codon usage)
Частота более длинных слов

подпись:
Идентификация загрязнения вектором
Свидетельство параллельного переноса
Островки патогенности
Классификация метагеномных контигов
Выявление origin репликации
Более длинные слова – регуляторные сигналы

(European Molecular Biology Open Software Suite) – бесплатный пакет (~ 100 модулей, только под Unix)
Web:
http://www.genomatix.de/cgi-bin/tools/tools.pl http://bioweb.pasteur.fr/intro-uk.html
Осмысленно смотреть “скользящим окном”

ожидается
Могут быть несовершенными – отличаться одной или несколькими буквами
Что лучше – 5 точных букв, 9 из 10 или 111 из 145? Разные score. Какой выбрать порог?
=> Много программ и несопоставимые результаты. Нельзя верить отрицательным результатам

следует вероятность слова
Самый простой расчет: CTGA - 10 раз в последовательности длины 5000. Оценим вероятность: в каждой позиции - ¼*¼*¼*¼ = 1/256. Всего должно быть – 5000*1/256 ~ 20 раз
Если от ожидания отличается меньше, чем в 2 раза – все нормально. То есть от 10 до 40 раз - ок

(> 100 aa)
ORFing – например, ORF finder на сайте NCBI

http://www.ncbi.nlm.nih.gov/
gorf/gorf.html

соответствующую ORF

Можно сразу запустить бласт этой последовательности по разным подмножествам GenBank

Если надо найти CDS в эукариотической мРНК – абсолютно аналогично

рамки
Выбор из нескольких перекрывающихся рамок
Более точное предсказание старта

Heuristic Model и указать организм

белок-кодирующие сегменты (codon usage, статистика ДНК)
Выбирают только те из них, которые фланкированы подходящими последовательностями (splicing sites)
То есть (!), ищут только внутренние, белок-кодирующие экзоны

включающем 2 полных экзона и экзон на границе сегмента
Типичный выход – ~1/2

объекты предсказывают разные модули
Использует белковую гомология

http://genes.mit.edu/
genomescan.html

геномов органелл
Собирает контиги

программ должен курировать специалист
Почти все подходы используют Positional Weight Matrix (PWM)

Information content