Výpočetní metody v bioinformatice a systémové biologii

Týden 2 - Sběr a příprava sekvencí ZNF, zjišťování konsenzuální sekvence - 26. 2. 2024

Proteinová struktura "Zinkový prst" (Wikipedia)

CVIČENÍ

Skompletovat soubory s členy proteinové podrodiny ZNF (zinc-finger protein) u člověka, které jsou schopny vázat se na PQS (potential quadruplex sequence) tvořící G-kvadruplexy (G4) a ostatních ZNF. Vytvořit z těchto souborů:

- regulární výraz pro identifikaci Zn motivů a ty spočítat

- vícenásobné zarovnání pro celé proteiny (resp. úsek s definovaným počtem motivů), individuální motivy

- z těch následně konsenzuální sekvenci (konsenzus)

VSTUP:

multifasta soubor znf_animals.fa

VÝSTUP

regulární výraz

tabulka s počty

zarovnaný multifasta soubor (*.FASTA, *.ALN, *.MSF,...)

konsenzus (*.FASTA)

Poznámky k analýze sekvencí

postupně vytvořte co nejpřesnější regulární výraz pro identifikaci C2H2 ZF (stačí začít s něčím jako "C...?C.+H....?.?H" a později po vytvoření zarovnání případně upřesnit) a použití nejlépe s příkazem grep/egrep.
analyzujte počet ZNF domén, identifikujte C2H2 motivy
vytvořte nový soubor (znf_core ###) kde bude jenom oblast max 4 zinkových prstů kolem nejlépe zarovnané oblasti, sekvence s více skupinami prstů. Cílem bude hodnotit evoluční a funkční příbuznost proteinů, redukce na 4 oblasti eliminuje problémy s přítomností dalších domén a rozličnou délkou proteinů.

Týden 11 - Booleovské sítě - metody analýzy
Rozdělte na více částí (jednotlivé ZF motivy) a každý zarovnat jako zvláštní sekvenci (soubor znf_motifs). V obou předchozích případech zvažte použití "grep -o" Zde nás spíš než evoluce zajímá struktura a funkce ZNF motivu. Výsledky použijete ke spřesnění regulárního výrazu.
sekvence _core i _motifs zarovnejte pomoci clustalo (případně jinak, např. CLUSTALX, MAFFT, MUSCLE)
Seznamte s takto zarovnanymi sekvencemi (mview, jalview, MEGA), sestrojte jednoduchý fylogenetický strom (fasttree + newicktops) ###
Sestrojte konsenzus ###, např. pomoci příkazů cons nebo consambig (EMBOSS)

Ve FASTA hlavičce si poznamenáme nejdůležitější vlastnosti (např. >originalID Gene_NAME SPECIES:Mmu PDB:1AXY DNAMX:M12345 atd)
Konfrontujte konsenzuální sekvence a regulární výraz pro daný motif ###
Veďte si něco jako laboratorní deník se zápisy klíčových postupů a příkazů, které jste použili ke každému týdnu (podle vkusu můžete zvýšit reprodukovatelnost vašich postupů použitím robustnějšího systému (GIT + GNU make, snakemake a podobně)
Příklad zápisu v deníku:
- ## 1.3.2010
- # získány sekvence z NCBI/Nucleotides s názvem obsahujícím ZNF+číslo a uloženy do souboru znfxy.fa (celkem 23 sekvencí)
- # vytvoření vícenásobného zarovnání sekvencí příkazem
  - clustalo --option1 --option2 znfxy.fa > znfxy.aln
- # zobrazení zarovnání
  - clustalx znfxy.aln