Занятие 2. Банк EMBL |
 |
Мой белок: P04968 (THD1_ECOLI) (из файла).
- Сравнение разных записей в EMBL
Зайти на kodomo-count, перейти в поддиректорию Practice2. Получить файл с записью SwissProt белка P04968:
entret sw:P04968 -auto
Создастся файл thd1_ecoli.entret. В нем надо найти все ссылки на банк EMBL, то есть поле DR, строки "DR EMBL; Xxxxxx", где Xxxxxx - AC соответствующих записей EMBL.grep 'DR EMBL;' thd1_ecoli.entret > thd1_ecoli_embl.txt
Найденные AC: X04890, K03503, M10313, M11689, M32253, M87049, U00096, AP009048, M25497.
Войти в систему поиска SRS. На страничке "Library page" выберать поиск по БД EMBL. На страничке "Query Form": в "Fields you can search" в первом поле выбрать "Accession Number" -> X04890 | K03503 | M10313 | M11689 | M32253 | M87049 | U00096 | AP009048 | M25497; в "Create a view" (Choose 1 or more fields) с помощью <CTRL> выбрать поля: ID, Molecule, Data class, Division, Sequence Length, Entry Creation Date, Description. Запустить поиск (Search).
(*Порядок колонок изменен, т.к. такой порядок выдается поиском*)Идентификатор записи EMBL Тип молекулы Класс данных Раздел EMBL Длина последова тельности Дата создания
документаОписание ID Molecule Class Division SeqLength DateCreated Description AP009048 genomic DNA STD PRO 4646332 22-JAN-2006 Escherichia coli W3110 DNA, complete genome. K03503 genomic DNA STD PRO 1714 07-JUN-1987 E.coli ilvA gene encoding threonine dehydratase, complete cds, and ilvD gene, 3' end. M10313 genomic DNA STD PRO 9456 21-FEB-1991 E.coli ilv gene cluster encoding ilvD and ilvA peptides, acetohydroxy acid synthase II, and branched-chain amino acid aminotransferase, complete cds. M11689 genomic DNA STD PRO 2833 19-SEP-1987 E.coli (clone pRW[1Y,1C]) threonine deaminase (ilvA) gene, 3' end; acetohydroxy acid isomeroreductase (ilvC) and its positive control factor (ilvY) genes, complete cds. M25497 genomic DNA STD PRO 240 23-NOV-1989 Escherichia coli (K-12) threonine deaminase (ilvA) gene, 5' end and internal promoter region. M32253 genomic DNA STD PRO 7203 21-FEB-1991 E.coli ilvGMEDA operon encoding biosynthesis of isoleucine and valine, complete cds. M87049 genomic DNA STD PRO 91414 31-AUG-1992 E. coli genomic sequence of the region from 84.5 to 86.5 minutes. U00096 genomic DNA STD PRO 4639675 23-FEB-2006 Escherichia coli K12 MG1655, complete genome. X04890 genomic DNA STD PRO 8088 30-MAR-1993 E.coli ilvGMEDA operon
Все 9 записей содержат информацию о геномной ДНК (- общий тип молекулы) Escherichia coli разных штаммов. Класс данных и раздел EMBL так же одинаковы у всех 9 записей (STD и Прокариоты соответственно).
Различаются "Длина последовательности", "Дата создания документа" и "Описание". AP009048 и U00096 - полные геномы; их длины ~4,6 млн нк. M87049 - участок генома, ~91 тыс нк. Остальные не превышают 10 тыс нк.
Самая старая запись: K03503 от 07.06.1987. Самая новая: U00096 от 23.02.2006.
- Сравнение описаний гена Escherichia coli в двух разных записях EMBL
Выберать 2 записи из полученных в задании 1 для дальнейшего изучения (не рекомендуется выбирать полные геномы):
K03503 и M10313.
Получить эти записи EMBL и убедиться, что в них действительно содержатся описания последовательности, кодирующей белок P04968:
entret embl:k03503 -auto
entret embl:m10313 -auto
Последовательности, кодирующие белок P04968 в двух записях банка EMBLI II ID записи (=AC в данном случае) K03503 M10313 Начало гена в записи
[Для I] (Провести поиск по EMBL записи гена (k03503.entret): P04968 - AC моего белка. Найдется строчка такого содержания:FT /db_xref="GOA:P04968"
Несколькими строками выше должна быть строчка аналогичная этой:FT CDS 134..1678
)134 5134 Конец гена в записи 1678 6678 Направление гена
зависит от того, содержит ли запись EMBL последовательность той цепи ДНК, на которой расположен ген, или комплементарной ей.FT CDS complement(100..500)
- значит обратное,FT CDS 100..500
- значит прямоепрямое прямое Примечания E.coli ilvA gene encoding threonine dehydratase, complete cds, and ilvD gene, 3' end. E.coli ilv gene cluster encoding ilvD and ilvA peptides, acetohydroxy acid synthase II, and branched-chain amino acid aminotransferase, complete cds.
Извлечь из полученных EMBL-записей (k03503.entret и m10313.entret) нуклеотидные последовательности, кодирующие белок P04968:
seqret k03503.entret k03503_134_1678.fasta -sbegin1 134 -send1 1678 -sreverse1 n
seqret m10313.entret m10313_5134_6678.fasta -sbegin1 5134 -send1 6678 -sreverse1 n
Сравнить последовательности:
needle k03503_134_1678.fasta m10313_5134_6678.fasta k03503-m10313.needle -auto
Получившееся выравнивание: k03503-m10313.needle.txt.
Процент совпадений (Identity): 99.6%.
Вероятно, предсталенный ниже участок выравнивания определен needle-ом некорректно, т.к. в данном случае вероятнее 3 замены, а не 2 гэпа.Участок выравнивания Предполагаемая ситуация gac-cggctgcgc ||| ||| ||||| gacgcgg-tgcgc
gaccggctgcgc ||| | ||||| gacgcggtgcgc
Учитывая это, таблица замен станет такой:
? позиция нуклеотид в K03503 нуклеотид в M10313 позиция в кодоне результат синонимичность 1 358 c g 1 (cgg->gcg) Arg->Ala R->A нет 2 359 g c 2 3 361 c g 1 (ctg->gtg) Leu->Val L->V сходны: алифатические, гидрофобные 4,5 418,419 cg gc 1,2 (cgc->gcc) Arg->Ala R->A нет 6 583 t g 1 (tgc->ggc) Cys->Gly C->G нет 7 1001 t g 2 (gtc->ggc) Val->Gly V->G нет (немного)
Все замены не синонимичны.
SwissProt
- Знакомство с записью гена из эукариотического геномаВ таблице
"Фрагмент
генома человека" указаны идентификационные номера записей EMBL и
конкретные гены в этих записях (приведено название гена или его
продукта).
Запись EMBL: AF053356.
Имя гена или его продукта: /product="actin like gene".
entret embl:AF053356 -auto
В получившемся файле af053356.entret найти '/product="actin like gene"'. Выбрать примерно такие строки недалеко над находкой.FT CDS join(119326..119350,119801..119877,120094..120259, FT 120561..120661,125524..125621,126836..126930, FT 126997..127103,128126..128215,128375..128436, FT 128574..128688,128828..128908,129013..129108, FT 129324..129638)
Схема гена (первый и последний транслируемые участки):
--- [119326..119350] --...-- [129324..129638] ---->
Создаем временный файл: 119326..119350,119801..119877,.......,129013..129108,129324..129638 - все рамки в одну строку без пробелов. Экзоны: вставляем в Excel, массовой заменой меняем: ".."->"+", ","->",=1-". Данные -> Текст по столбцам.. Далее, Символ разделитель: другой: ",", Далее, Готово. В первой ячейке в начало добавить =-. Выделить занятые ячейки, Данные->Сортировка: Параметры: Сортировать столбцы диапазона, Ок; По убыванию, Ок.
Чтобы поступить аналогично с интронами можно сохранить этот результат и перезайти в Excel. ","->"+", ".."->",=1-". Первая и последняя ячейки не учитваем.
Файл с вычислениями: human_cds.xls
Общее число экзонов в гене: 13.
Длина самого длинного и самого короткого экзонов соответственно равны: 315 и 25 нк.
Длина самого длинного и самого короткого интронов соответственно равны: 4862 и 66 нк.
назад