Seqüenciamento e montagem do genoma humano e análise de transcriptoma Seqüenciamento do Genoma Humano • Embate: Consórcio público x Celera genomics: – Consórcio público: mapeamento físico, shotgun hieráriquico. – Celera genomics: whole genome shotgun • Em fevereiro de 2001 foi publicada de forma independendente versão draft ou preliminar ambos grupos. Seqüenciamento do Genoma Humano • 2003: Consórcio público apresenta versão final do seqüenciamento do genoma humano – Comprimento total: 3 bilhões pb – 99% deste total foi seqüenciado – Erro de seqüenciamento estimado em 1/10.000 nt – 99.9% não apresenta diferenças entre indivíduos. – 25.000 genes – Genes codificadores de proteínas correspondem a apenas 2% do genoma – 50 % do genoma consiste de regiões repetitivas (D.melanogaster 3%, C.elegans 7%) Celera Genomics – Iniciativa privada Whole genome shotgun (WGS) Genoma Biblioteca genômica Plasmídeo (inserto 10 kb) BAC (inserto 100 kb) Leituras ou reads Seqüenciamento das extremidades do inserto Celera Genomics – Iniciativa privada Whole genome shotgun (WGS) – Montagem Mate pairs AGCGTTA GTTACAAC AGCGTTACAAC Contig Celera Genomics – Iniciativa privada Whole genome shotgun (WGS) – Montagem Mate pairs Contig Contig Celera Genomics – Iniciativa privada Whole genome shotgun (WGS) – Montagem Mate pairs Contig BAC contendo inserto de maior comprimento Contig Celera Genomics – Iniciativa privada Whole genome shotgun (WGS) – Montagem Mate pairs Contig Contig Mate pairs Scaffold Contig Contig Consórcio público Mapeamento físico, shotgun hierárquico Cromossomo Biblioteca genômica em BAC (inserto 100Kb) Fragmento cromossômico Biblioteca genômica em BAC Consórcio público Mapeamento físico, shotgun hierárquico Cromossomo Biblioteca genômica em BAC (inserto 100Kb) Fragmento cromossômico Biblioteca genômica em BAC Consórcio público Mapeamento físico, shotgun hierárquico Montagem BAC Biblioteca Plasmídeo (inserto 10 kb) Leituras ou reads Seqüenciamento das extremidades do inserto Consórcio público Mapeamento físico, shotgun hierárquico Montagem Mate pairs AGCGTTA GTTACAAC AGCGTTACAAC Contig Consórcio público Mapeamento físico, shotgun hierárquico Cromossomo Biblioteca genômica em BAC (inserto 100 kb) Consórcio público Mapeamento físico, shotgun hierárquico Cromossomo Biblioteca genômica em BAC (inserto 100 kb) Consórcio público Mapeamento físico, shotgun hierárquico Cromossomo Biblioteca genômica em BAC (inserto 100 kb) Avaliação de estratégias de seqüenciamento Vantagens WGS • Estratégia mais simples com menos etapas. Vantagens Shotgun Hierárquico • Menos vulnerável que a estratégia WGS em relação a montagem de regiões repetitivas. Avaliação de estratégias de seqüenciamento Repetições no genoma Processo de montagem é suscetível a erros quando empregado em genomas com alto índice de repeticões. Genoma Montagem Cenário I X X X WGS: Montagem de 3 bilhões de bases (todo genoma). Shotgun hierárquico: Montagem de 100 mil bases (inserto de cada BAC). In silico Base-calling • Geração de uma seqüência de nucleotídeos através da análise dos chromatogramas PHRED gaattcggcacgagagttctcccggagacgctccgtgcgaagattatggaggccgtcaatgtggtcggttc ccgccactttgctcgcctgcgcatcgatgtaacagtccgtggtgacgaagtcataccgttaagtattacgt ttttgttgtcgttgttgcagcaatagtagaggacgggcgcttttttttttgtcaagagaaagggggagggg cgtactaccgctttatcgaggttggtattatttcttatatataaagggaaagagcaacgtgaagcgggtaa gggaagagtgaaagtcgag Mascaramento • Eliminar fragmentos de vetor cross_match >5’ gctccaccgcggtggcggccgctctagaactagtggatcccccgggctgcaggaattcggcacgagagttc tcccggagacgctccgtgcgaagattatggaggccgtcaatgtggtcggttcccgccactttgctcgcctg cgcatcgatgtaacagtccgtggtgacgaagtcataccgttaagtattacgtttttgttgtcgttgttgca >3’ gcaatagtagaggacgggcgcttttttttttgtcaagagaaagggggaggggcgtactaccgctttatcga ggttggtattatttcttatatataaagggaaagagcaacgtgaagcgggtaagggaagagtgaaagtcgag ggggggcccggtacccaattc Montagem • Produzir uma seqüência contígua seqüências menores que possuam sobreposição PHRAP, Celera Assembler, Arachne através regiões leituras contig de de Anotação • Localizar na seqüencia genômica final: • Genes que codificam proteínas e RNAs não traduzidos (tRNA, rRNA, snRNA) • Determinar, se possível, o produto provável de cada gene encontrado. • Associar cada gene à uma categoria funcional ou via metabólica. Ex.: síntese de lipídeos, maquinaria de tradução, fosforilação oxidativa, etc. Anotação Streptococcus pneumoniae R6 Anotação Automática contig Glimmer RBSfinder GeneMark tRNAscan CDS Anotação Automática BLAST contra KEGG BLAST contra COG BLAST contra GenBank Anotação manual PSORT Interpro BLAST (Basic Local Alignment Search Tool) Bancos de seqüências COG > SEQ1 atgggcacgagagttctcccggagac gctccgtgcgaagattatggagg ccgtcaatgtggtcggttcccg ccactttgctcgcctg KEGG BLAST GenBank Nucleotídeos GenBank Proteínas BLAST (Basic Local Alignment Search Tool) Aldolase Trypanosoma cruzi .........1.........2.........3.........4.........5.........6.........7.........8.........9.........10 acaagctggagctcccgcggtggtcggcgctctagaactagtggatcccccgggctgcaggaattcggcacgagaacaacttcaaccgcgtctggaaggc gccacgccgcccgtttgagaaggaacgccttgaccgcgagatgaaactctgcggccagtacggccttcngttgcaacgcgtgagatttggcgccgtgaac atgacgctctccaagatgcgtcgtaccgcccgtctgttgttgacgttgccggagaaccacccgcgccggcagctggagggttccgccatcatgcgccgct gccacgactacggcttcctcgagggggggcccggtacccaattcgccctatagtgagtcgtattacannattcactggccgntcgntnntttacaacgtc gntnngactgggnannaaaccctggnnncgttacccaacttaatcgcctt BLAST it! Anotação Automática BLAST contra KEGG BLAST contra COG BLAST contra GenBank Anotação manual PSORT Interpro Interpro • Procura na seqüências por domínios, assinaturas ou motivos conhecidos. • Se utiliza de outros bancos de domínios para produzir seu relatório final. PFAM, SMART, PROSITE, etc Aldolase Trypanosoma cruzi .........1.........2.........3.........4.........5.........6.........7.........8.........9.........10 acaagctggagctcccgcggtggtcggcgctctagaactagtggatcccccgggctgcaggaattcggcacgagaacaacttcaaccgcgtctggaaggc gccacgccgcccgtttgagaaggaacgccttgaccgcgagatgaaactctgcggccagtacggccttcngttgcaacgcgtgagatttggcgccgtgaac atgacgctctccaagatgcgtcgtaccgcccgtctgttgttgacgttgccggagaaccacccgcgccggcagctggagggttccgccatcatgcgccgct gccacgactacggcttcctcgagggggggcccggtacccaattcgccctatagtgagtcgtattacannattcactggccgntcgntnntttacaacgtc gntnngactgggnannaaaccctggnnncgttacccaacttaatcgcctt Interpro Anotação Automática BLAST contra KEGG BLAST contra COG BLAST contra GenBank Anotação manual PSORT Interpro Anotação Streptococcus pneumoniae R6 Sabiá System for Automated Bacterial Integrated Annotation • LNCC – Coordenação do Projeto Genoma Brasileiro • Gerenciamento de todos softwares de Base-calling, Mascaramento, Montagem e Anotação automática. • Disponibilização da Anotação automática dos resultados via Web possibilitando a realização da Anotação manual por pesquisadores distribuídos geograficamente. Exemplo Sabiá Mapa Antes Mapa Depois Análise do transcriptoma Projetos que precedem seqüenciamento do genoma nuclear: • Identificação de novos genes. • Estimativa do perfil de expressão da linhagem celular, estágio de desenvolvimento ou tecido avaliado Transcrição e Transcriptoma EST RNA total 5’ CAP cístron Poli A 3’ mRNA Transcrição e Transcriptoma EST Poli A Poli A cDNA Poli A Poli A Vetor + cDNA Transcrição e Transcriptoma EST ~ 800 pb Vetor cDNA completo Sequenciamento extremidades 5’ 3’ Vetor 5’ 3’ Poli A Poli A Vetor Vetor Transcrição e Transcriptoma EST X Vetor EST 5’ 3’ Poli A 5’ 3’ Poli A 5’ 3’ X X Vetor Remoção Sequencia de vetor (cross_match, Lucy) Remoção Poli A (Script Perl) Análise do transcriptoma EST – Anotação 5’ 3’ Bancos de seqüências >clone_23 5’ ggcacgagagttctcccggagac gctccgtgcgaagattatggagg ccgtcaatgtggtcggttcccg ccactttgctcgcctg GenBank Nucleotídeos BLASTX E BLASTN GenBank Proteínas clone_23 5’ = amastina Análise do transcriptoma EST – Anotação >clone_23 5’ ggcacgagagttctcccggagac gctccgtgcgaagattatggagg ccgtcaatgtggtcggttcccg ccactttgctcgcctg = amastina Agrupamento de seqüência similares ou agrupamento via anotação Número de ESTs Anotação 4 amastina 6 TcMUC II Transcrição e Transcriptoma Transcriptoma de amastigotas Transcrição e Transcriptoma Transcriptoma de amastigotas