From silico.biotoul.fr

Quelques ressources disponibles

Vous allez utiliser le site du NCBI. Ce portail évolue plus ou moins souvent à mesure que les données et méthodes sont disponibles ainsi que les technologies Web.

Ce site regroupe des banques de données publiques (ex: banques de séquences nucléiques ou protéiques, banques de structures, ...), et met à disposition des outils mettant en oeuvre des méthodes bioformatiques (recherche de séquences par similarité, ...). Nous allons dans un premier temps nous intéresser aux banques mises à disposition.

Un moteur de recherche sur l'ensemble des banques disponibles est disponible : http://www.ncbi.nlm.nih.gov/gquery

Parmi celles disponibles, remarquez les suivantes :

• PubMed
• OMIM
• Nucleotide
• Genome
• dbVar
• SNP
• Taxonomy
• Gene
• GEO
• Conserved Domains
• Protein
• Structure

A quoi correspondent ces banques ?

On s'intéresse au génome humain (qui a été publié en 2001).

Dans quelle(s) banque(s) effectuer des recherches pour connaître

• sa taille
• la séquence des chromosomes
• le nombre de gènes
• le nombre de protéines

Retrouvez le dernier assemblage des différentes séquences obtenues publié par le GRC (Genome Reference Consortium). De quand date-t-il ?

• Quelle est la taille du génome humain ?
• Quelle est l'unité de mesure utilisée ?
• Combien y a-t-il de chromosomes chez cette espèce ?

• Quelle est la lignée pour cet organisme (au delà de genre espèce) ? l'identifiant taxonomique de l'espèce ? le code génétique utilisé ? le codon initiateur de la traduction ?

• Quelle est la taille du chromosome 7 ? Combien arbore-t-il de gènes ? de protéines ? Comment expliquer la différence ?

Suivez le lien pour aller sur la fiche de la séquence du chromosome 7.

• Comment s'organise cette fiche ?
• Dans quel journal est paru le premier article référencé sur la fiche ?
• Sous quel numéro cet article est-il référencé dans PubMed ?
• Est-ce que la séquence complète du chromosome est disponible ? Qu'est-ce qu'un contig ? à quelle version en est-on ?

• En suivant le lien à droite (Related inforation) vers Gene, combien de gènes seraient sur le chromosome 7 ? Cela correspond-il à ce que vous aviez noté précédemment ?

Nous allons nous intéresser à la mucoviscidose (mucoviscidosis) chez l'humain.

Dans quelle banque effectuer une recherche pour avoir des informations sur cette maladie génétique ?

Retrouvez la fiche correspondante.

• Quelle est l'identifiant de cette maladie ?
• Quelle(s) région(s) chromosomique(s) lui sont associées ?
• Quels sont les informations cliniques disponibles ?
• Quels gènes sont associés à cette maladie ?
• Comment est transmise cette maladie ?
• Quelle est sa prévalence ?
• Existe-t-il des modèles animaux pour cette maladie ?
• Y a-t-il des articles scientifiques relatifs à cette maladie ? combien sont référencés ?

A partir du menu de droite dans la section External links for entry, suivez le lien vers Protein.

• Sur quelle banque arrivez-vous ?
• Quelle est son identifiant dans cette banque ?
• Faire afficher la fiche au format texte ?
• Comment s'organise cette fiche ?
• A quoi correspondent les lignes CC, DR, FT, SQ ?
• Revenez à l'affichage précédent.
• Quelles sont les fonctions moléculaires connues de cette protéine ? Comment sont-elles référencées ?
• Est-ce que cette protéine est connue pour interagir avec d'autres ?
• Suivez le lien allant vers la banque de données STRING. A quoi correspondent les interactions affichées ?
• Utilisez les vues Occurence, Coexpression et Database. Affichez les information concernant KEGG et suivez le lien link out KEGG. Sur quel type de carte arrivez-vous ?
• Sur ce site, naviguez pour visualiser la voie métabolique de la glycolyse.
• Quelle est la formule du phosphoenol-pyruvate ?
• A quoi correspond le code 2.7.1.40 ?
• Quelle(s) enzyme(s) chez l'homme catalyse(nt) la réaction phosphoenol-pyruvate -> pyruvate ?
• Revenez sur la fiche de la protéine. Quelle est sa taille ? Quelle est l'unité de mesure utilisée ?
• Retrouvez la séquence de l'ARNm correspondant. Quel est son identifiant ? Sa taille ?
• Affichez sa séquence au format FASTA.
• Combien de domaines protéiques arbore cette séquence ?
• Affichez l'architecture en domaines de cette séquence en utilisant InterPro.
• Affichez les informations sur le domaine ATPase. Affichez les informations provenant de la banque de données SMART.
• Ce domaine est-il présent dans beaucoup de protéines ?

Quantité de données disponibles

• Trouvez le site Genomes Online Database. A partir de celui-ci, déterminez combien de génomes complets sont disponibles ; côté procaryote ? côté eucaryote ?
• A partir de ce que vous avez vu au cours de la séance, déterminez le nombre de séquences nucléiques actuellement disponibles ainsi que le nombre de séquences protéiques.
• Chaque année la revue scientifique Nucleic Acids Research édite un numéro spécial présentant une sélection de banques de données et met à disposition une base de données de banques de données ! Retrouvez combien de banques sont recensées.

Recherche dans les banques via l'utilisation d'une séquence dont l'identifiant est connu

1°) Récupérez la séquence Q6Q475

• de quelle type de séquence s'agit-il ?
• à quel organisme appartient-elle ?
• quelle est la fonction de Q6Q475 ?
• dans quelle banque cette séquence est-elle déposée ?
• retrouvez cette séquence sur le site UniProt.
• retrouvez la séquence nucléique codant cette protéine.
• affichez la séquence au format FASTA.
• à l'aide des outils fournis dans la suite EMBOSS, faites une traduction automatique de la séquence nucléique en séquence protéique.
• faites l'opération inverse : de la séquence protéique à la séquence nucléique.
• comparez la séquence nucléique obtenue à l'étape précédente avec la séquence nucléique originale. Observez-vous des différences ?