BMP 5762 – Bioinformática Aplicada ao Estudo de Doenças Parasitárias Prof Dr Arthur Gruber Instituto de Ciências Biológicas Metagenômica Carla Bartels Francisco M Ulloa Stanojlovic Luis Fábio Batista • O termo Metagenômica foi usado primeiramente em 1998 por Jo Handelsman (Universidade de Wiscosin – EUA) Dr. Anand Kumar & Dr. R. A. Siddique Introdução METAGENOMA É o genoma coletivo da microbiota total, encontrada em um determinado habitat. METAGENOMA METAGENÔMICA análise genômica de ÉÉoagenoma coletivodas dacomunidades microbiota total, microrganismos determinado ambiente por encontrada de emum um determinado habitat técnicas independentes de cultivo. Dr. Anand Kumar & Dr. R. A. Siddique Handelsman, 2004 Metagenômica Fornece a informação da capacidade metabólica e funcional da comunidade microbiana Metatranscritoma Permite a identificação de genes que estão ou não sendo expressos Dr. Anand Kumar & Dr. R. A. Siddique Metaproteômica Permite uma melhor caracterização funcional da comunidade microbiana Metagenômica aplicada Dr. Anand Kumar & Dr. R. A. Siddique Metagenômica fornece Informação genética sobre possíveis novos biocatalizadores ou enzimas Conexões genômicas entre função e filogenia de organismos “não cultiváveis” Perfis evolutivos de função e estrutura de comunidades Novas hipóteses de funções microbiais Thomas et al, 2012 Um nicho ecológico comunidade populações JCSetubal, 2012 JC Setubal 5 DNA A comunidade JCSetubal, 2012 JC Setubal 6 DNA A comunidade SEQ JCSetubal, 2012 JC Setubal BIOINFO 7 Desenho do Estudo Amostragem Fracionamento da amostra Extração de DNA Sequenciamen to de DNA Binning Montagem Anotação Análises Estatísticas Armazenamen to de dados Compartilham ento de dados Thomas et al, 2012 Handelsman, 2004 Amostragem • Isolar o DNA • Depende do tipo de amostras • Clonar DNA • Inserir dentro de um vetor (plasmídio, cosmídio, BAC) • Biblioteca • Screening e sequenciamento Daniel, 2005 em Prentice Hall, 2005 Amostragem {desafios} • Amostras devem representar a população → Quantas amostras são necessárias? Curvas de raridade para estimar fração de espécies sequenciadas. (Abundância x Complexidade). • Presença de populações dominantes afeta análises → representação maior e maior chance de montar contigs. • Quanto mais metadados forem coletados mais detalhadas serão as inferências das condições ambientais. Ex.: dados geográficos, bioquímicos, data de coleta, métodos de extração do DNA. Bruno Malveira Peixoto 2011 Sequenciamento – Shotgun Genoma completo Hierárquico Commins, Toft, Fares, 2009 Prakash and Taylor, 2012 Montagem • Fatores a serem considerados: • Tamanho das leituras de sequenciamento usadas para criar a base de dados de metagenômica • São necessárias sequências mais longas para anotação? • A base de dados está montada para reduzir os requerimentos de processamento de dados? Montagem Montagem baseada em referência: MIRA: An Automated Genome and Assembler Algoritmos rápidos rodam em laptop em 2h; Regiões divergentes não são cobertas – inserções, deleções ou polimorfirmos. Montagem “de novo”: Velvet Meta-IDBA MetaVelvet Baseados em gráficos de Bruijn Requer grandes recursos computacionais Requer milhares de gigabytes – dias. Meta-IDBA e MetaVelvet – não clonalidade de populações naturais subgráficos de Bruijn - N50 e tam. contig Thomas, Gilbert e Meyer, 2011 Montagem {limitações} • Amostragem incompleta – genomas parcialmente amostrados • Formação de quimeras – sequências de espécies diferentes • Dificuldade em montar amostras ricas em espécies (solo). Bruno Malveira Peixoto 2011 Métodos de Discriminação Processo de classificação das seqs de DNA em grupos que possam representar um genoma individual ou genomas de organismos fortemente relacionados Vários algoritmos foram desenvolvidos – empregam dois tipos de informações contidas dentro de uma dada seq DNA • Classificação composicional • Similaridade Pontos importantes a considerar: • Tipo de dado de entrada disponível • Existência de training datasets adequados ou genomas de referência • Algumas ferramentas combinam os dois approachs – PhymmBl, MetaCluster Thomas et al, 2012; Liu, 2012 Classificação Composicional • Genomas têm composição de nucleotídeos conservada e isto será refletido nos fragmentos de sequência dos genomas • Conteúdo de GC • Uso de códons • Sítios de reconhecimento – 5S ou 16S rRNA • Bioinfo tools: • Phylopythia • S-GSCM • TACAO • Não funciona bem com leituras curtas por não conterem informações suficientes Thomas et al, 2012; Liu, 2012 Conteúdo GC • Karlin & Burge, 1995 • A distribuição de nucleotídeos é relativamente constante dentro do genoma, mas varia entre genomas. • A razão de possibilidades (odds ratio) de frequência de conteúdo C+G é essencialmente a mesma na maioria dos organismos para todo o DNA versus o DNA codificante e também a mesma para as frações de DNA das diferentes sequências. • Talvez existam fatores que imponham limites às variações composicionais e estruturais de um genoma e que o conjunto de valores das odds ratios do dinucleotídeo seja uma assinatura genômica. • Diferenças significativas entre procariotos e eucariotos, entre vírus e seus hospedeiros. • Pxy = fxy / fx fy Karlin, 1995; Liu, 2012 Karlin, 1995 Karlin, 1995 Uso de códons Todos os aminoácidos, exceto Met e Trp, são codificados por 2 a 6 códons Códons redundantes/sinônimos para qq aa não são usados com frequências iguais entre os diversos organismos Cada genoma tem uma estratégia particular de codificação Percentual de G+C na 3a posição tRNA do códon Codon Usage Database - http://www.kazusa.or.jp/codon/ Karlin, 1998; Ikemura, 1985 Similaridade • Compara leituras curtas contra sequências codificadoras de bases de dados públicas de genes usando BlastX e então designa para o seu ancestral comum mais tardio (LCA) de um organismo alvo • Bioinfo tools • • • • • • IGG/M MG-RAST MEGAN CARMA Sort-ITEMS MetaPhyler Thomas et al, 2012; Liu, 2012 Classificação {Bioinfo} • Análise de similaridade: IMG/M, MG-RAST, MEGAN, CARMA, Sort-ITEMS, MetaPhyler • Análise composicional: Phylopythia, S-GSOM, PCAHIER, TACAO • Similaridade e composicional: PhymmBL e MetaCluster Necessidade de sequências de referência* (marcador de RNAr) para fechar o alinhamento para sequenciamentos de leitura curta. * Base de dados escassas e tendenciosas para apenas três filos Proteobacteria, Firmicutes e Actinobacteria Bruno Malveira Peixoto 2011 Thomas, Gilbert e Meyer, 2011 ANÁLISES DOS DADOS • Dados de metagenômica cada vez mais abundantes necessitam de banco de dados para cobrir as informações taxonômicas e funcionais • Plataforma computacional robusta, combinado com programas de pesquisa de similaridade adaptados a esses dados. Anotação • Contigs longos ≥ 30.000 pb: RAST ou IMG • Contigs curtos Fase 1: identificação dos genes: FragGeneScan (FGS) 1-2% erro, MetaGeneMark (MGM), MetaGeneAnotator (MGA), Metagene e Orphelia Fase 2: identificação atribuição de função e agrupamento taxonômico Pipelines Sistema aberto que processa automaticamente as sequências de metagenomas, faz comparações com bases de dados existentes, computa reconstruções filogenéticas e classifica funcionalmente potenciais genes. • Usa FGS, Greengenes , RDP e similaridade por RNAr • Usa bases de dados funcionais de ontologia GO (KEGG, eggNOG, COG/KOG, PFAM e TIGRFAM). Thomas, Gilbert e Meyer, 2011 Pipelines • Usa FGS, MGA e taxonomia baseada em 16S RNAr • Usa bases de dados funcionais de ontologia GO (KEGG, eggNOG, COG e SEED). Thomas, Gilbert e Meyer, 2011 Pipelines • Usa FGA e MGA • Oferece esquema de anotação mais flexível • Requer o uso do mesmo workflow para análise Thomas, Gilbert e Meyer, 2011 Pipelines MEGAN Aplicações Aplicações oIdentificar genes funcionais e/ou novas vias metabólicas oEstimar a diversidade microbiana; permitindo o estudo dos genomas em uma comunidade como um todo oCompreender a dinâmica da população de uma comunidade inteira. Saúde Bioenergia Metabolismo animal Identificação novos patógenos Vigilância Medicina forense BIOPROSPECÇÃO FUNCIONAL SEQUÊNCIAS BIOPROSPECÇÃO ESTUDOS ECOLÓGICOS Primeiros estudos • Mar de Sargaços – Comunidade complexa – Genes desconhecidos – Filotipos novos – Impossibilidade de sequenciar todos os genomas presentes na amostra Projetos recentes • Global Ocean Sampling (GOS) Fonte: http://camera.calit2.net/about/gos.shtm • Microorganismos representam mais de 90% da biomassa do oceano, mediam todos os ciclos bioquímicos nos oceanos e são responsáveis por 98% da produção primária no mar. Metagenômica é uma abordagem inovadora de sequenciação para examinar as espécies microbianas de espaço aberto sem a necessidade de isolamento e cultura de laboratório de espécies individuais. Alves, 2007 Projetos recentes Projetos recentes Fluxograma comparativo de projetos genoma tradicionais e metagenômicos OBRIGADO!