SOLiD color space

File management

Szekvenciák, kontiggá való összerakása I. Tévedések vígjátéka

Kontig 1

A scaffold fogalma

Szekvenálási lyukak Nincs kapcsolat Kontig 2 Kontig 3 Kontig 4 Kontig 5 Scaffold 1 Scaffold 2

összekapcsolás: kozmidkönyvtár (BAC, YAC) klónok végeinek szekvenciái két küldönböző kontigra esnek Scaffold: láncszerűen lineáris sorrendbe elhelyezett nem összeérő kontigok sora.

Kontigok szuperkontigokká való összerakása

KOMBINATORIKUS PCR

 Genomi DNS részleges emésztése

Mbo

I (

Sau

3AI)-gyel (kompatibilis véget ad a

Bam

HI-véggel)  A 30 – 45 kb régió méret szerinti elválasztása

Bam

HI-

Xba

I emésztés cos Amp r ori cos ligálás cos

in vitro

l pakolás GigaPack fehérje extraktummal 30 – 45 kb-os fragmentek cos szelekció ampicillin rezisztens klónokra KOZMID KÖNYVTÁR

kozmid könyvtár

Mesterséges kromoszómák: BAC (bacterial artificial chromosome) vektorok

Mesterséges kromoszómák: YAC (yeast artificial chromosome) vektorok

454 PE library generation

Egy tipikus példa párosított végszekvenálásra, 454, PE

Solexa párosított végszekvenálás I.

Solexa párosított végszekvenálás II.

Solexa párosított végszekvenálás III.

PRIMER SÉTA

Kozmid,BAC,YAC könyvtárakban TEMPLÁT GENERÁLÓ RENDSZER Az integrációhelyét ellenőrizni kell Nagy kapacitású automata Southern hibiridizáció

Összerakó algoritmusok (Assemblers)

Buzgó (greedy) algoritmus Átfedési-szerkezet-konszenzus

De ha sikerül, és van szekvenciánk

Mi van rajta,van-e gén? Honnan tudjuk, hogy Valamit találtunk, találtunk-e gént?

CTCGAGACGCTGTTTCTGGGGTCATTCATTCTTGGCGGGCTGCAACTGCTGGTGTGACCGACGCGACCTGGCAGGCCGCGGTGCGCAACTGGCCGGGCGGACTAATGGTGGAGCAAAAGA TCGGCATGTCCAGCGCACCTGAAGCTTGGGTGGTTGCTGCAATAGCAGCCTTCCTTATTGGCATGGCGAAGGGCGGTTTGGCCAATGTGGGGGTTATCGCCGTTCCCTTGATGTCCCTGG TCAAGCCGCCGCTTACCGCTGCCGGATTGCTGCTCCCGATCTATGTCGTTTCTGATGCATTCGGCGTCTGGCTTTATCGGCACCGGTATTCTGCCTCCAATCTGCGCATCCTGATTCCTT CGGGATTTTTTGGGGTCCTGATTGGCTGGTTATTGGCCGGGCAGATCTCCGACGCGATTGCCAGTGTCATTGTTGGTTTCACCGGCTGCGGCTTCGTGGCTGTGCTGCTGGCACGACGAG GGGTGCCATCGGTGCCGCGTCAAGCCAACGTGCCCAAAGGATGGTTTCTGGGGGTGGCCACCGGCTTTACCAGCTTTTTGACTCATTCCGGTGCGGCGACCTTCCAGATGTTCGTGCTGC CGCAACGGCTGGACAAGACCATGTTCGCGGGCACATCAACGCTTACCTTTGCTGCCATAAACCTATTCAAGATTCCGTCCTACTGGGCATTGGGACAGCTTTCGACTTCCTCGGTCATGT CCGCGCTAGTGTTGATTCCGGTGGCCGTGGCCGGGACGTTCGCAGGTGTTTTTGCGACGCGCAGGCTATCGACATCCTGGTTCTTCATTCTGGTCCAGGCGATGTTGCTGGTGGTCTCCA TTCAGCTTCTGTGGAGGGGAATGTCGGATATCCTGAACTAGCTGGAGATCGCAATGTCAGAACGCTCAATCAATCAGAATGTAATCTTGACATAGAATACCGTTCCGATTTATTGCTTCG AGTGAAGCTGCCCGTCCGCTGAGATGTCATGACATTTTCCCCGCTTGATTCCGCCCTGCTTGGACCGTTGTTCGCGACCGATGAAATGCGCACGGTCTTCTCCGAACGGCGTTTTTTGGC GGGAATGCTTCGTGTTGAAGTGGCCCTGGCGCGCGCGCAGGCGGCAGAGGGCCTTGTCAGTTCGGAATTGGCCGACGCGATCGAGGTTGTTGGTACTGCCGGGTTGGACCCCGAGGCGAT GGCGGCGACTACTCGCATGACAGGAGTGCCCGCAATATCGTTCGTCCGTGCGGTGCAATCGGCCCTGCCGCCCTCACTGGCGGGTGGATTTCATTTCGGCGCCACCAGTCAAGACATCGT GGATACGGCCCACGCGCTCCAGCTGGCCGAGGCACTCGATATTATAGAAGTCGATTTACACGCCACTGTCAGCGCAATGATGAATCTGGCCGCTGCTCACTGCAATACACCCTGTATCGG GCGCACGGCCTTGCAGCACGCAGCGCCAGTTACGTTCGGCTACAAGGCGTCCGGCTGGTGCGTTGCCCTGGCGGAGCATCTGGTGCAGCTTCCCGCGCTGCGAAAGCGGGTTCTGGTGGC GTCGCTAGGGGGGCCGGTTGGTACCCTTGCCGCGATGGAGGAGCGGGCCGACGCTGTACTGGAGGGTTTCGCTGCGGACCTGGGGTTGGCCATTCCCGCCCTGGCCTGGCACACGCAGCG GGCCCGGATCGTCGAGGTGGCCAGTTGGCTGGCCATATTGCTGGGAATTCTGGCAAAAATGGCCACCGATGTCGTTCACTTGTCCTCCACGGAAGTGCGCGAGCTTTCCGAACCTGTAGC GCCGGGCAGGGGGGGCTCCTCGGCGATGCCTCACAAGCGGAACCCGATTTCCTCGATTACCATCCTGTCCCAGCATGCTGCGGCAGGGGCCCAGCTCTCCATTCTCGTGAACGGCATGGC CAGTCTGCACGAACGTCCGGTGGGGGCGTGGCATTCGGAATGGTTGGCTCTGCCGACGCTGTTCGGCCTTGCCGGCGGTGCCGTGCGCGAGGGCAGGTTTCTGGCCGAGGGGCTGCTGGT CGATGCCGACCAGATGGGTCGCAATCTACAATTGACCAATGGCCTGATTTTCAGCGACGCGGTAGCCGGCCAGTTGGCAAAGCACTTGGGTCGGGCCGAGGCTTATGCCGCTGTCGAGGA TGCCGCCGCCGAGGTGTTGCGTTCAGGCGGCAGCTTTCAGGGTCAGCTGAACCAGCGCCTGCCCGATCACCGCGACGCTATCGCTATTGCTTTTGATACGACGCCGGCGATCCAGGCCGG GGCCGCCCGCTGCCGTAGTGCGCTGGATCATGTGGCTCGTATTCTTGGACCCGCCTCTACCATCGGATTTCAAGGAGGCTAATGACGTGACGACACTGTTTGAGGCGACGACCATCCCGA TTTGCGAGGGCCCGCGCGACCAGACCGCCGAGATCCTTTTCGAGATGCCGCCGGGTGCGTGGGATACCCATTTTCATGTTTTTGGCCCAGTTTCATCGTTTCCATACGCAGAACACAGGC TCTATTCCCCACCGGAGTCGCCACTTGAGGATTATCTGGTGTTGATGGAGGCTTTGGGGATCGAGCGCGGCGTTTGTGTCCATCCGAATGTTCATGGTGCCGACAATTCGGTGACGCTCG ACGCAGTTGCGCGGTCCGATGGTCGTCTGCTGGCGGTGATCAAGCCACATCACGAGATGACTTTTGTTCAGCTGCGGGACATGAAGGCGCAGGGGGTCTGCGGGGTACGTTTTGCCTTCA ATCCGCAGCATGGCTCGGGCGAGTTGGATACTCGTTTGTTCGAGCGTATGTTGGACTGGTGCCGCGACCTAGGCTGGTGCGTAAAATTGCATTTCGCGCCCGCTGCGCTGGACGGTCTGG CTGAACGTTTGGCGCGCGTCGATATTCCGATCATCATCGATCATTTCGGGCGGGTGGACACCGCGCAAGGTGTGGATCAGCCGCACTTCCTGCGTTTGCTCGATCTGGCCAAACTGGACC

Hasonlóság

CTCGAGACGCTGTTTCTGGGGTCATTCATTCTTGGCGGG CTGCAACTGCTGGTGTGACCGACGCGACCTGGCAGGCCGC GGTGCGCAACTGGCCGGGCGGACTAATGGTGGAGCAAAA GATCGGCATGTCCAGCGCACCTGAAGCTTGGGTGGTTGC TGCAATAGCAGCCTTCCTTATTGGCATGGCGAAGGGCGG TTTGGCCAATGTGGGGGTTATCGCCGTTCCCTTGATGTC CCTGGTCAAGCCGCCGCTTACCGCTGCCGGATTGCTGCTC CCGATCTATGTCGTTTCTGATGCATTCGGCGTCTGGCTT TATCGGCACCGGTATTCTGCCTCCAATCTGCGCATCCTG ATTCCTTCGGGATTTTTTGGGGTCCTGATTGGCTGGTTA TTGGCCGGGCAGATCTCCGACGCGATTGCCAGTGTCATT GTTGGTTTCACCGGCTGCGGCTTCGTGGCTGTGCTGCTG GCACGACGAGGGGTGCCATCGGTGCCGCGTCAAGCCAAC GTGCCCAAAGGATGGTTTCTGGGGGTGGCCACCGGCTTT ACCAGCTTTTTGACTCATTCCGGTGCGGCGACCTTCCAG ATGTTCGTGCTGCCGCAACGGCTGGACAAGACCATGTTC GCGGGCACATCAACGCTTACCTTTGCTGCCATAAACCTA TTCAAGATTCCGTCCTACTGGGCATTGGGACAGCTTTCG ACTTCCTCGGTCATGTCCGCGCTAGTGTTGATTCCGGTG GCCGTGGCCGGGACGTTCGCAGGTGTTTTTGCGACGCGC AGGCTATCGACATCCTGGTTCTTCATTCTGGTCCAGGCG ATGTTGCTGGTGGTCTCCATTCAGCTTCTGTGGAGGGGA ATGTCGGATATCCTGAACTAGCTGGAGATCGCAATGTC AGAACGCTCAATCAATCAGAATGTAATCTTGACATAGA ATACCGTTCCGATTTATTGCTTCGAGTGAAGCTGCCCGT CCGCTGAGATGTCATGACATTTTCCCCGCTTGATTCCGCC CTGCTTGGACCGTTGTTCGCGACCGATGAAATGCGCACG GTCTTCTCCGAACGGCGTTTTTTGGC CTCGAGACGCTGTTTCTGGGGTCATTCATTCTTGGCGGG CTGCAACTGCTGGTGTGACCGACGCGACCTGGCAGGCCGC GGTGCGCAACTGGCCGGGCGGACTAATGGTGGAGCAAAA GATCGGCATGTCCAGCGCACCTGAAGCTTGGGTGGTTGC TGCAATAGCAGCCTTCCTTATTGGCATGGCGAAGGGCGG TTTGGCCAATGTGGGGGTTATCGCCGTTCCCTTGATGTC CCTGGTCAAGCCGCCGCTTACCGCTGCCGGATTGCTGCTC CCGATCTATGTCGTTTCTGATGCATTCGGCGTCTGGCTT TATCGGCACCGGTATTCTGCCTCCAATCTGCGCATCCTG ATTCCTTCGGGATTTTTTGGGGTCCTGATTGGCTGGTTA TTGGCCGGGCAGATCTCCGACGCGATTGCCAGTGTCATT GTTGGTTTCACCGGCTGCGGCTTCGTGGCTGTGCTGCTG GCACGACGAGGGGTGCCATCGGTGCCGCGTCAAGCCAAC GTGCCCAAAGGATGGTTTCTGGGGGTGGCCACCGGCTTT ACCAGCTTTTTGACTCATTCCGGTGCGGCGACCTTCCAG ATGTTCGTGCTGCCGCAACGGCTGGACAAGACCATGTTC GCGGGCACATCAACGCTTACCTTTGCTGCCATAAACCTA TTCAAGATTCCGTCCTACTGGGCATTGGGACAGCTTTCG ACTTCCTCGGTCATGTCCGCGCTAGTGTTGATTCCGGTG GCCGTGGCCGGGACGTTCGCAGGTGTTTTTGCGACGCGC AGGCTATCGACATCCTGGTTCTTCATTCTGGTCCAGGCG ATGTTGCTGGTGGTCTCCATTCAGCTTCTGTGGAGGGGA ATGTCGGATATCCTGAACTAGCTGGAGATCGCAATGTC AGAACGCTCAATCAATCAGAATGTAATCTTGACATAGA ATACCGTTCCGATTTATTGCTTCGAGTGAAGCTGCCCGT CCGCTGAGATGTCATGACATTTTCCCCGCTTGATTCCGCC CTGCTTGGACCGTTGTTCGCGACCGATGAAATGCGCACG GTCTTCTCCGAACGGCGTTTTTTGGC a két szekvencia teljesen ugyanaz

Hasonlóság

Most is - majdnem CTCGAGACGCTGTTTCTGGGGTCATTCATTCTTGGCGGG CTGCAACTGCTGGTGTGACCGACGCGACCTGGCAGGCCGC GGTGCGCAACTGGCCGGGCGGACTAATGGTGGAGCAAAA GATCGGCATGTCCAGCGCACCTGAAGCTTGGGTGGTTGC TGCAATAGCAGCCTTCCTTATTGGCATGGCGAAGGGCGG TTTGGCCAATGTGGGGGTTATCGCCGTTCCCTTGATGTC CCTGGTCAAGCCGCCGCTTACCGCTGCCGGATTGCTGCTC CCGATCTATGTCGTTTCTGATGCATTCGGCGTCTGGCTT TATCGGCACCGGTATTCTGCCTCCAATCTGCGCATCCTG ATTCCTTCGGGATTTTTTGGGGTCCTGATTGGCTGGTTA TTGGCCGGGCAGATCTCCGACGCGATTGCCAGTGTCATT GTTGGTTTCACCGGCTGCGGCTTCGTGGCTGTGCTGCTG GCACGACGAGGGGTGCCATCGGTGCCGCGTCAAGCCAAC GTGCCCAAAGGATGGTTTCTGGGGGTGGCCACCGGCTTT ACCAGCTTTTTGACTCATTCCGGTGCGGCGACCTTCCAG ATGTTCGTGCTGCCGCAACGGCTGGACAAGACCATGTTC GCGGGCACATCAACGCTTACCTTTGCTGCCATAAACCTA TTCAAGATTCCGTCCTACTGGGCATTGGGACAGCTTTCG ACTTCCTCGGTCATGTCCGCGCTAGTGTTGATTCCGGTG GCCGTGGCCGGGACGTTCGCAGGTGTTTTTGCGACGCGC AGGCTATCGACATCCTGGTTCTTCATTCTGGTCCAGGCG ATGTTGCTGGTGGTCTCCATTCAGCTTCTGTGGAGGGGA ATGTCGGATATCCTGAACTAGCTGGAGATCGCAATGTC AGAACGCTCAATCAATCAGAATGTAATCTTGACATAGA ATACCGTTCCGATTTATTGCTTCGAGTGAAGCTGCCCGT CCGCTGAGATGTCATGACATTTTCCCCGCTTGATTCCGCC CTGCTTGGACCGTTGTTCGCGACCGATGAAATGCGCACG GTCTTCTCCGAACGGCGTTTTTTGGC AAACTCGAGACGCTGTTTCTGGGGTCATTCATTCTTGGC GGGCTGCAACTGCTGGTGTGACCGACGCGACCTGGCAGG CCGCGGTGCGCAACTGGCCGGGCGGACTAATGGTGGAGC AAAAGATCGGCATGTCCAGCGCACCTGAAGCTTGGGTGG TTGCTGCAATAGCAGCCTTCCTTATTGGCATGGCGAAGG GCGGTTTGGCCAATGTGGGGGTTATCGCCGTTCCCTTGA TGTCCCTGGTCAAGCCGCCGCTTACCGCTGCCGGATTGCT GCTCCCGATCTATGTCGTTTCTGATGCATTCGGCGTCTG GCTTTATCGGCACCGGTATTCTGCCTCCAATCTGCGCATC CTGATTCCTTCGGGATTTTTTGGGGTCCTGATTGGCTGG TTATTGGCCGGGCAGATCTCCGACGCGATTGCCAGTGTC ATTGTTGGTTTCACCGGCTGCGGCTTCGTGGCTGTGCTG CTGGCACGACGAGGGGTGCCATCGGTGCCGCGTCAAGCC AACGTGCCCAAAGGATGGTTTCTGGGGGTGGCCACCGGC TTTACCAGCTTTTTGACTCATTCCGGTGCGGCGACCTTC CAGATGTTCGTGCTGCCGCAACGGCTGGACAAGACCATG TTCGCGGGCACATCAACGCTTACCTTTGCTGCCATAAAC CTATTCAAGATTCCGTCCTACTGGGCATTGGGACAGCTT TCGACTTCCTCGGTCATGTCCGCGCTAGTGTTGATTCCG GTGGCCGTGGCCGGGACGTTCGCAGGTGTTTTTGCGACG CGCAGGCTATCGACATCCTGGTTCTTCATTCTGGTCCAG GCGATGTTGCTGGTGGTCTCCATTCAGCTTCTGTGGAGG GGAATGTCGGATATCCTGAACTAGCTGGAGATCGCAAT GTCAGAACGCTCAATCAATCAGAATGTAATCTTGACAT AGAATACCGTTCCGATTTATTGCTTCGAGTGAAGCTGCC CGTCCGCTGAGATGTCATGACATTTTCCCCGCTTGATTC CGCCCTGCTTGGACCGTTGTTCGCGACCGATGAAATGCG CACGGTCTTCTCCGAACGGCGTTTTTTGGC GLOBÁLIS, LOKÁLIS BLASTN, FASTA

ANALÓGIÁK - ADATBANKOK

Összahasonlítás már ismert elemekkel

… és kódol-e fehérjét?

Open reading frames: nyitott leolvasási keretek Áltában ATG-vel kezdődik, de opció Hossz: ajánlás 100 aminosav, de opció Az eredmény hipotetikus, össze kell vetni a valósággal Hipotetikus fehérje lista  hasonlóság  BLASTP Információból információ generálása Problémák: frameshift mutáció, a globál hasonlóság csődje Hol kezdődik? Mi a start?

Egy régió nyitott leolvasási keret térképe

Hol kezdődik?

Ki tudja?

2290 2300 2310 2320 2330 2340 GCCGCCCGCTGCCGTAGTGCGCTGGATCATGTGGCTCGTATTCTTGGACCCGCCTCTACC A A R C R S A L D H V A R I L G P A S T M W L V F L D P P L P 2350 2360 2370 2380 2390 2400 ATCGGATTTCAAGGAGGCTAATGACGTGACGACACTGTTTGAGGCGACGACCATCCCGAT I G F Q G G * S D F K E A N D V T T L F E A T T I P I Egyéb elemek azonosítása, genomi elrendeződés Kísérletes ellenőrzés

...a reálisabb kép, hasonlóság keresés után

FRAME SHIFT MUTÁCIÓ - MEGOLDÁS

Minden leolvasásái keretben transzláció Stop kodon nem számít Mindent mindennel összehasonlít fehérje szinten BLASTX

In silico transzláció mind a 6 leolvasási keretben

Genomi kontextus

gén

orf1 pcaB

orf2 macA orf3 pcaH pcaG

istB

319 359 395 245 195 19

hossz (aa)

259 ~ 450

funkcó

hipotetikus konzervált membrán protein, permeáz?

3-karboxi-cisz-cisz mukonát cikloizomeráz feltételezett hidroláz maleil acetát reduktáz feltételezett oxidáz, dehidrogenáz NAD kötő domain protokatekol-3,4 dioxigenáz béta alegység protokatekol-3,4 dioxigenáz alfa alegység

IS21 transzpozáz, C-terminális

homológia (%)

45 40-45 40 45-55 40-45 80, 67, < 60 64, 61, 100

pSC1/48 (7404bp)

NH 3 + + OH OH SO 3 szulfanilsav O 2 SO 3 4-szulfokatekol P340 II dioxigenáz COO COO SO 3 szulfomukonát szulfomukonát cikloizomeráz COO O O SO 3 szulfolakton szulfolakton hidroláz HSO COO COO 3 3 O maleilacetát maleilacetét reduktáz TCA ciklus

orf1 pcaB orf2 macA orf3 pcaH pcaG istB

MS azonosítás

Kodon felhasználás, codon usage

Az élőlényekre jellemző a kodon felhasználási gyakoriság Kodon felhasználási táblázatok, adatbankok

Kodon felhasználás, codon usage

Kodon felhasználás, eltérések

Szekvenciák adatbankokba küldése NCBI, Genbank Rövid kontigok: BankIT Hosszú szekvenciák: Sequin