silico.biotoul.fr
 

TD1 Genome Selection Plantes

From silico.biotoul.fr

(Difference between revisions)
Jump to: navigation, search
(Exercice 4 : Synthèse d'amorces PCR)
(Exercice 3 : Comparaison de séquences)
Line 241: Line 241:
* Cette séquence contient-elle un domaine référence dans PFAM ? si oui quel est son numero d'accession ?
* Cette séquence contient-elle un domaine référence dans PFAM ? si oui quel est son numero d'accession ?
-->
-->
-
 
-
== Exercice 3 : Comparaison de séquences ==
 
-
 
-
Différentes méthodes permettent de comparer des séquences, soit deux à deux (dot plot, alignement global, local..), soit de façon multiple (alignement multiple..) avec ou non une idée de la 'pertinence/significativité' de la comparaison.
 
-
 
-
'''Nous allons comparer les deux séquences : [[Media:Xlev_Rhodop1.seq|Xlev_Rhodop1]] et [[Media:Xlev_Rhodop2.seq|Xlev_Rhodop2.seq]]'''
 
-
 
-
*Dans un premier temps, réaliser un 'Dot Plot' (Matrice de Point) avec '''Dotpath''' disponible dans [http://bioinfo.genotoul.fr/ EMBOSS] qui permet de dessiner une matrice de point avec une taille de mot fixée.
 
-
Avec les paramètres par défaut, comparer Rhodop1 et Rhodop2. Observez le résultat, que pouvez vous conclure ?
 
-
 
-
* Dans un second temps, faites un alignement 'global' avec '''Stretcher''' disponible dans [http://bioinfo.genotoul.fr/ EMBOSS].
 
-
Que pensez vous de la significativite de cet alignement ? Que proposez-vous ?
 
-
 
-
* Enfin, réalisez un alignement 'local' avec '''Matcher''' disponible dans [http://bioinfo.genotoul.fr/ EMBOSS]. Demandez 10 'Number of Alternatives Matches' dans les paramètres.
 
-
Combien d'alignements locaux attendez-vous ?
 
== Exercice 4: Comparaison de 2 séquences par alignement global et local : Cas d'Ecole==
== Exercice 4: Comparaison de 2 séquences par alignement global et local : Cas d'Ecole==

Revision as of 11:12, 10 November 2021

Contents

Objectifs

Ce TD a pour but de vous familiariser avec la recherche d'informations scientifiques disponibles dans les banques de données biologiques (Database) et des outils permettant d'analyser ces séquences nucléiques et/ou protéiques

Globalement les informations sont regroupées dans 2 centres :

  • NCBI National Center for Biotechnology Information (NIH, USA)
  • EBI European Bioinformatics Institute (EMBL, GB)

Exercice 1 : Recherche dans les banques de données par numéro d'accession ou mots clés (EBI & NCBI)

1/ Aller sur le site de EBI - European Bioinformatics Institute

  • rechercher Uniprot (DataResources>Browse EMBL WebService (en bas page droite)>AvailableDataBases(colonne gauche)>Uniprot), qu'est ce que Uniprot ?
  • combien de séquences sont référencées dans TrEMBL ?
  • combien de séquences sont référencées dans Uniprot/swissProt ?


2/Sur le site d' UniProt : chercher la séquence dont le numéro d'accession est P01308.

  • de quelle protéine s'agit-il ? chez quel organisme ?
  • quelle est la taille de cette séquence ?
  • y a-t-il des preuves expérimentales de l'existence de cette protéine ?
  • est-elle dans UniProt-trEMBL ou UniProt-SwissProt ?
  • afficher la fiche au format UniprotKb. Particularité du format de la la fiche ? (en haut de la page>Format>text)


3/Aller sur le site du NCBI: identifiez

  • toutes les séquences de l'oomycète Phytophthora (parasite de la pomme de terre), combien sont-elles ?
  • les séquences protéiques de Phytophthora parasitica pouvant interagir avec la cellulose

Pour cela sur le site du NCBI sélectionnez les banques "protéines", puis dans la barre de requête il est possible de combiner plusieurs termes à l'aide des opérateurs booléens (AND, OR, NOT) puis l'option Advanced (sous la barre de requête) et le bouton Preview, en précisant les champs, Organism, Title... à l'aide de l'outil Search builder et conjuguer vos requêtes. L'historique de vos requêtes est visible.

On s'intéresse maintenant à la séquence dont le numéro d'accession est CAA65843

Regardez la fiche de la séquence correspondante :

  • comment s'organise cette fiche ? (format GenPept # UniprotKb)
  • quel est le nom de cette protéine ?
  • quel le nombre d'acides aminés constituant cette protéine ?
  • dans quel journal scientifique les travaux concernant cette protéine ont-ils été publiés ?
  • sous quel numéro cette publication est-elle référencée dans PubMed ?


On s'intéresse maintenant aux références croisées, notées "db_xref" sur la fiche

  • à quoi correspondent les différents liens croisées :

- db_xref="InterPro:IPR000177" - db_xref="InterPro:IPR000254" - db_xref="UniProtKB/TrEMBL:O42830

  • quels domaines protéiques sont présents dans la protéine ?
  • définissez l'architecture de cette protéine
  • affichez votre séquence protéique au format FASTA (haute de page>FASTA). Qu'est ce que le format FASTA ?


Exercice 2 : Recherche dans les banques via une séquence (protéique ou nucléique): l'outil BLAST

Ci-dessous une séquence protéique inconnue au format FASTA

>sequence_proteique_inconnue
HAILRLDLAGRDLTDHSSSILTERGYSQTTTAEREIVRDMKEKVSYIALDYEQELETSKTAAAVEKSFELPDGQVITIGVERFRCPEVLFQPSMIGMENPGIHETTYNSI

  • Afin de savoir si cette séquence est répertoriée dans les bases de données faites un BLAST au NCBI.
  • Quel type de 'Blast' choisissez-vous ? Faites un Blast contre la banque de données UniprotKB/SwissProt
  • A quoi correspond la E-value ?

Regardez un alignement entre votre séquence requête appelée QUERY et la séquence présentant une homologie et répertoriée dans les banques de données (SUBJECT)

  • Qu'indique les signe '+' et ' rien ' dans la ligne intermédiaire de l'alignement ?
  • Votre séquence QUERY présente-elle des similarités avec d'autres séquences ? Si oui, sur quelle partie ?


Ci-dessous une séquence nucléique inconnue au format FASTA

>sequence_nucleique_inconnue

GGCAACTTCAACTGGGGCCGGGTGGTTGCCCTTTTCTACTTTGCTAGCAAACTGGTGCTCAAGGCCCTGTGCACTAAAGTGCCCGAGCTGATCAG AACCATCATGGGCTGGACACTGGACTTCCTCCGGGAGCGGCTGCTTGTCTGGATCCAAGACCAGGGTGGC TGGGATGGCCTCCTTTCCTACTTCGGGACCCCCACATGGCAGACAGTGACCATCTTTGTGGCTGGAGTCC TCACTGCCTCACTCACCATCTGGAAGAAGATGGGCTGAGGCTTCCTGCTGCCTTGGACTGTGTCTTTTCT TCATAAATTATGACATTTTTCCTGGGATGAATGGGGAACGGGGAAAGGCATTTTCCCCGTGAGGGCCGCACGTCTGCTCTTACTTTTGTAATT ATTGGGAGGGGTGGGAATGGTGGCCTGGGGGAGGTGCCAATAAACCTCAGGTCCA

  • Quelle est la nature (ADN, ARN..) de cette séquence ?
  • Est-elle répertoriée dans les bases de données ?
  • Présente-elle des similarités avec d'autres séquences ?

Visualisez un alignement entre votre séquence QUERY et une séquence répertoriée dans la base de donnée

  • Sur quel brin cette séquence inconnue présente-elle une homologie ?
  • Que représente les signes '--------' rencontrés sur certaines séquences ?


Exercice 3 : Recherche d'ORF dans une séquence nucléique

Il existe des outils pour déterminer les phases ouvertes de lecture (OpenReadingFrame ORF) dans une séquence nucléique. Vous disposez , en cliquant sur ce lien, d'une séquence 'BCL2' issue du séquençage d'un fragment nucléique humain. Vous allez vérifier que ce fragment est codant en recherchant les cadres ouverts de lecture présents, et en identifiant l'ORF la plus probable.

Utilisez le programme ORF Finder au NCBI pour effectuer la recherche de séquence codante (ALLResources>Resources List A-Z>ORFfinder (colonne gauche).

 Paramétrez le logiciel avec : Minimal ORF length (nt): 300  / ORF start codon to use: ATG 
  • Interprétez le graphique et les résultats obtenus.
  • Quelle est la position de l'ORF la plus probable ?


Afin de valider votre hypothèse quant à l'ORF la plus probable, il est nécessaire d'aller identifier dans les banques de données si cette ORF code pour la protéine Bcl2. Pour cela vous allez réaliser un BlastP

  • Dans ORF Finder, utilisez l'option Blastp sur la banque Uniprot/swissProt. Que concluez-vous ?
  • Quel est le numéro d'accession de la protéine BCL2 dans Uniprot/SwissProt ?

Exercice 4 : Analyse d'une séquence protéique, recherche de domaines fonctionnels

Afin d'appréhender l'organisation structurale et la localisation cellulaire de la protéine BCL2, vous allez recherchez les domaines 'fonctionnels' prédits sur la séquence ainsi que des motifs pouvant indiquer la localisation subcellulaire de la protéine

Sur le site de l'EMBL, utiliser le logiciel d"'analyse de séquence protéique InterPro Scan 5 pour chercher la séquence protéique BCL2 contient des domaines fonctionnels connus.

  • Notez les positions des domaines PFAM identifiés sur BCL2
  • BCL2 présente-t-elle des régions pouvant suggérer sa localistion subcellulaire ?

NB: Gardez à l'écran le résultat InterProScan pour la suite du TP

Ouvez la fiche correspondant à la protéine BCL2 dans Uniprot

  • Cette séquence a t elle été vérifié manuellement par un annonateur expert ?
  • Comparez les annotations de la fiche à celles trouvées avec votre analyse InterproScan 5

Mise en Application

Vous diposez de la séquence ci-dessous

>seq1

attggcaacctgaaagatctgaacattctgtatctgcatagcaacggctttaccggccgc attccgcgcgaaatgagcaacctgaccctggcgaacctgaccgatctggatctgagcggc aaccagctgaccggcaaaattccgcgcgattttgcggcgctgctgctggtgctgctggaa aaaaaaattgaaaacattacctgcgatagcatgaaactgctgagcaaaacctttctgatt ctgaccctgaccttttttttttttggcattgcgctggcgaaacagagctttgaaccggaa attgaagcgctgaaaagctttaaaaacggcattagcaacgatccgctgggcgtgctgagc gattggaccattattggcagcctgcgccattgcaactggaccggcattacctgcgatagc accggccatgtggtgagcgtgagcctgctggaaaaacagctggaaggcgtgctgagcccg gcgattgcgaacctgacctatctgcaggtgctggatctgaccagcaacagctttaccggc aaaattccggcggaaattggcaaactgaccgaactgaaccagctgattctgtatctgaac tattttagcggcagcattccgagcggcatttgggaactgaaaaacattttttatctggat ctgcgcaacaacctgctgagcggcgatgtgccggaagaaatttgcaaaaccagcagcctg gtgctgattggctttgattataacaacctgaccggcaaaattccggaatgcctgggcgat ctggtgcatctgcagatgtttgtggcggcgggcaaccatctgaccggcagcattccggtg agcattggcaccctggcgaacctgaccgatctggatctgagcggcaaccagctgaccggc aaaattccgcgcgattttggcaacctgctgaacctgcagagcctggtgctgaccgaaaac ctgctggaaggcgatattccggcggaaattggcaactgcagcagcctggtgcagctggaa ctgtatgataaccagctgaccggcaaaattccggcggaactgggcaacctggtgcagctg caggcgctgcgcatttataaaaacaaactgaccagcagcattccgagcagcctgtttcgc ctgacccagctgacccatctgggcctgagcgaaaaccatctggtgggcccgattagcgaa gaaattggctttctggaaagcctggaagtgctgaccctgcatagcaacaactttaccggc gaatttccgcagagcattaccaacctgcgcaacctgaccgtgctgaccgtgggctttaac aacattagcggcgaactgccggcggatctgggcctgctgaccaacctgcgcaacctgagc gcgcatgataacctgctgaccggcccgattccgagcagcattagcaactgcaccggcctg aaactgctggatctgagccataaccagatgaccggcgaaattccgcgcggctttggccgc atgaacctgacctttattagcattggccgcaaccattttaccggcgaaattccggatgat atttttaactgcagcaacctggaaaccctgagcgtggcggataacaacctgaccggcacc ctgaaaccgctgattggcaaactgcagaaactgcgcattctgcaggtgagctataacagc ctgaccggcccgattccgcgcgaaattggcaacctgaaagatctgaacattctgtatctg catagcaacggctttaccggccgcattccgcgcgaaatgagcaacctgaccctgctgcag ggcctgcgcatgtatagcaacgatctggaaggcccgattccggaagaaatgtttgatatg aaactgctgagcgtgctggatctgagcaacaacaaatttagcggccagattccggcgctg tttagcaaactggaaagcctgacctatctgagcctgcagggcaacaaatttaacggcagc attccggcgagcctgaaaagcctgagcctgctgaacacctttgatattagcgataacctg ctgaccggcaccattccgggcgaactgctggcgagcctgaaaaacatgcagctgtatctg aactttagcaacaacctgctgaccggcaccattccgaaagaactgggcaaactggaaatg gtgcaggaaattgatctgagcaacaacctgtttagcggcagcattccgcgcagcctgcag gcgtgcaaaaacgtgtttaccctggattttagccagaacaacctgagcggccatattccg gatgaagtgtttcagggcatggatatgattattagcctgaacctgagccgcaacagcttt agcggcgaaattccgcagagctttggcaacatgacccatctggtgagcctggatctgagc agcaacaacctgaccggcgaaattccggaaagcctggcgaacctgagcaccctgaaacat ctgaaactggcgagcaacaacctgaaaggccatgtgccggaaagcggcgtgtttaaaaac attaacgcgagcgatctgatgggcaacaccgatctgtgcggcagcaaaaaaccgctgaaa ccgtgcaccattaaacagaaaagcagccattttagcaaacgcacccgcgtgattctgatt attctgggcagcgcggcggcgctgctgctggtgctgctgctggtgctgattctgacctgc tgcaaaaaaaaagaaaaaaaaattgaaaacagcagcgaaagcagcctgccggatctggat agcgcgctgaaactgaaacgctttgaaccgaaagaactggaacaggcgaccgatagcttt aacagcgcgaacattattggcagcagcagcctgagcaccgtgtataaaggccagctggaa gatggcaccgtgattgcggtgaaagtgctgaacctgaaagaatttagcgcggaaagcgat aaatggttttataccgaagcgaaaaccctgagccagctgaaacatcgcaacctggtgaaa attctgggctttgcgtgggaaagcggcaaaaccaaagcgctggtgctgccgtttatggaa aacggcaacctggaagataccattcatggcagcgcggcgccgattggcagcctgctggaa aaaattgatctgtgcgtgcatattgcgagcggcattgattatctgcatagcggctatggc tttccgattgtgcattgcgatctgaaaccggcgaacattctgctggatagcgatcgcgtg gcgcatgtgagcgattttggcaccgcgcgcattctgggctttcgcgaagatggcagcacc accgcgagcaccagcgcgtttgaaggcaccattggctatctggcgccggaatttgcgtat atgcgcaaagtgaccaccaaagcggatgtgtttagctttggcattattatgatggaactg atgaccaaacagcgcccgaccagcctgaacgatgaagatagccaggatatgaccctgcgc cagctggtggaaaaaagcattggcaacggccgcaaaggcatggtgcgcgtgctggatatg gaactgggcgatagcattgtgagcctgaaacaggaagaagcgattgaagattttctgaaa ctgtgcctgttttgcaccagcagccgcccggaagatcgcccggatatgaacgaaattctg acccatctgatgaaactgcgcggcaaagcgaacagctttcgcgaagatcgcaacgaagat cgcgaagtg


Répondez aux questions suivantes:

  • A quel organisme appartient cette séquence ?
  • cette séquence est-elle codante ?
  • quelle est le numéro d'accession de cette protéine, de l'ARNm, du gène ?
  • quelle est la fonction putative de cette protéine ?



Exercice 4: Comparaison de 2 séquences par alignement global et local : Cas d'Ecole

Les logiciels utilisés pour la comparaison de séquences deux à deux sont disponibles dans la suite EMBOSS de la Genopole de Toulouse ou du centre de Bioinformatique des Pays Bas


Voici 2 séquences, au format FASTA :

>prot1

MVMEYLVLEKRLKRLREVLEKRQKDLIVFADNVKNEHNFSAIVRTCDAVGVLYLYYYHAE GKKAKINEGITQGSHKWVFIEKVDNPVQKLLEFKNRGFQIVATWLSKESVNFREVDYTKP TVLVVGNELQGVSPEIVEIADKKIVIPMYGMAQSLNVSVATGIILYEAQRQREEKGMYSR PSLSEEEIQKILKKWAYEDVIKERKRTLSTS

>prot2

MVMEYLVLEKRLKRLREVLEKRQKDLIVFADNVKNEHNFSAIVRTCDAVATWLSKESVNF REVDYTKPTVLVVGNELQGVSPEIVEIAVGVLYLYYYHAEGKKAKINEGI


  • Faites une matrice de point (Dot plot), pour comparer vos 2 séquences et obtenir un aperçu de la similarité entre les 2 séquences.

Utilisez l'outil DOTMATCHER disponible sur EMBOSS en gardant les paramètres par défaut, et qui permet de visualiser des diagnonales de 'similarité'

Que pouvez-vous conclure ?


  • Faites un alignement global pour comparer de bout à bout (du premier jusqu'au dernier résidu) vos 2 séquences

Utilisez l'outil d'alignement global Stretcher' disponible sur EMBOSS en gardant les paramètres par défaut

Qu'observez vous ?
Combien y a-t-il de gaps ? A quoi correspondent-ils ?
A quoi correspond le pourcentage de similarité ?
Quels sont les paramètres de calcul du score ?
Votre alignement est-il significatif ?


  • Faites un alignement local pour comparer vos 2 séquences et identifier les régions similaires

Utilisez l'outil d'alignement local Matcher disponible sur EMBOSS.
NB: dans 'alternative matches' indiquez 10, de façon a visualiser 10 alignements locaux

Qu'observez-vous ?
Regardez les autres alignements locaux. Sont-il significatifs ?

NB: si vous avez besoin de convertir vos séquences au Format Fasta un petit outil bien utile  :ReadSeq

Exercice 5 : Comparaison de plusieurs séquences par alignement multiple

L'idée maintenant est de comparer plusieurs séquences similaires entre elles, afin par exemple d'identifier des 'zones' (domaines/motifs) conservés pouvant décrire une famille protéique

Sur le lien suivant, vous trouverez un ensemble de séquences protéiques de la famille THAP au format FASTA appartenant à l'homme, la souris, le poulet et le poisson zèbre (~30 séquences) et connues pour être impliquées dans des phénomènes d'apoptose.


  • Réalisez un alignement 'multiple, c'est à dire de l'ensemble des séquences

Pour cela utilisez le logiciel Clustal Omega disponible a l'EBI (>DataResources)

Qu'observez-vous ?
  • Trouvez-vous des 'zones similaires' (=domaines) à l'ensemble de ces séquences.

NB : Le motif 'AVPTIF' marque une partie d'une zone similaire/domaine : le trouvez-vous ?

Nous allons maintenant essayer de construire un pattern/signature caractéristique de cette famille de protéine THAP en se basant sur les 'zones similaires' préalablement identifiées

  • Construire une signature PROSITE à partir de votre alignement
   Voici l'exemple d'un début d'une signature (ou pattern) : Q-L-x(3)-P-x(6)-[FY]-x(2)-V-x(3)-[LVF]-[FGD]-x(2,8)-[GPS]

Comment lire cette signature ?

    Q-L : il n'y a que les acides aminés Q puis L dans 2 colonnes successives de l'alignement 
x(3) : 3 colonnes avec des acides aminés variables
[FY] : dans cette colonne seuls les acides aminés F ou Y sont présents
x(2,8) : zone avec un gap. Entre 2 et 8 résidus (acides aminés) quelconques, suivant les séquences
  • Tester la spécificité de votre signature sur ScanProsite (choisir l'option 2) contre SwissProt