Motif Tools

(1)

Motif Tools

Edwin Delgado (IME-USP), Milton Yutaka (BIOINFO)

7 de outubro de 2013

(2)

Motif Tools 1. Introdu¸c˜ao

Objetivos

Identificar / predizer motivos em regi˜ oes promotoras preditas do genoma da cana (upstream e downstream).

Visualizar as predi¸c˜ oes e an´ alises estat´ısticas destes dados.

(3)

Motif Tools 1. Introdu¸c˜ao

Vis˜ ao global

(4)

Motif Tools 2. Dados

Dados e software utilizados

montagem shotgun scga4

genes preditos de cana com augustus

alinhamento dos contigs com genes do sorgo e SAS, com software sim4 e blast.

script Java para extra¸c˜ ao de regi˜ oes promotoras.

script Java que gera um arquivo fasta com regi˜ oes promotoras.

(5)

Dados e software utilizados (1)

montagem shotgun scga4, com todos os contigs (arquivo fasta). Detalhes no relat´ orio tem´ atico do ano 2012, p´ agina 24.

Exemplo:

>scga4_contig00001 length=21564 numreads=667

TTTTGATGTGCTAATATGTTGATTAGTGCATGTTTTATATGCCAATTAGGATAATAGTGG TGCTAATTAACATATTTTATTTGTAGTTAGCTATTATCATGACAAAATTAGTGTTAGTGC ATATTTATTAGTATAATtAGTTGTCATTTTCAAAAAATATAAATACAATTAGTCAAGTAT genes preditos de cana com software augustus (arquivo gff3)

Exemplo:

scga4_contig00001 AUGUSTUS gene 741 20200 0.05 -. ID=g1

scga4_contig00001 AUGUSTUS transcript 741 20200 0.05 -. ID=g1.t1 scga4_contig00001 AUGUSTUS stop_codon 741 743 . -0 Parent=g1.t1 scga4_contig00001 AUGUSTUS CDS 741 746 0.53 -0 ID=g1.t1.cds ...

scga4_contig00001 AUGUSTUS CDS 888 1391 0.63 -0 ID=g1.t1.cds ...

scga4_contig00001 AUGUSTUS CDS 1550 2575 0.99 -0 ID=g1.t1.cds ...

(6)

Dados e software utilizados (2)

alinhamento dos contigs com genes do sorgo e SAS pelo software sim4 (cobertura ≥ 60%, identidade ≥ 80%, tamanho

≥ 50), e tamb´ em pelo software blast. A sa´ıda ´ e um arquivo gff3.

Exemplo:

scga4_contig268031 sim4 mRNA 1 797 90 . . ID=SCVPST1062C11.g.1

scga4_contig268040 sim4 mRNA 1 414 99 + . ID=SCUTLR2008A01.g.1

scga4_contig268056 sim4 mRNA 139 926 98 -. ID=SCVPLB1017B08.g.1

scga4_contig268081 sim4 mRNA 484 926 92 . . ID=SCRFFL1030B02.g.1

(7)

Dados e software utilizados (3)

script Java para extra¸c˜ ao de regi˜ oes promotoras (upstream 3k e downstream 3K).

script Java que gera um arquivo fasta com regi˜ oes promotoras.

Exemplo:

>scga4_contig02326|g2829|upstream|1:227|forward

TCTTTGTCCTGCTGCTCGCGAACAGCAACAG...

(8)

Motif Tools 3. Metodologia

Pesquisa de bancos de dados

Pesquisa de bancos de dados p´ ublicos de motivos e TATA-Box.

ppbd: a plant promoter database (Arabidopsis thaliana, Oryza sativa, oxfordjournals, 2007)

DoOP: Databases of Orthologous Promoters (Homo sapiens, Arabidopsis thaliana, oxfordjournals, 2004)

PLACE database (v´ arias esp´ ecies de plantas, com anota¸ c˜ oes, literatura relevante com PubMed ID)

JASPAR, the open access database (Nucleic Acids, 2010, conjunto de

perfis curados e n˜ ao redundantes, relacionados a eucariotas multicelulares)

(9)

Banco JASPAR e software JASPSCAN

Download e instala¸ c˜ ao do banco JASPAR no servidor Thor.

execu¸c˜ ao do software JASPSCAN (JASPAR) usando as sequˆ encias das regi˜ oes promotoras, e obten¸ c˜ ao dos motivos alinhados. Parˆ ametros:

-menu C (conjunto matriz Core) -matrices all (todas)

-threshold 60 (limiar)

(10)

Gera¸c˜ ao de estat´ısticas

gera¸c˜ ao de resultados (scripts em Perl)

Pre-processamento dos dados gerados pelo JASPSCAN arquivo com a posi¸c˜ ao de cada base da regi˜ ao promotora.

arquivo com os diferentes tamanhos dos motivos alinhados.

lista dos motivos alinhados e sua frequˆ encia.

lista das classes dos motivos alinhados e sua frequˆ encia matriz de distribui¸ c˜ oes das bases A C T G

arquivo com as posi¸c˜ oes mais importantes e motivos alinhados neles.

gera¸ c˜ ao de imagens dos resultados (script em R)

(11)

An´ alise Computacional

Figura: Pipeline completo para an´ alise de motivos

(12)

Motif Tools

4. Ferramenta web Java

Sequˆ encia de passos

buscar o gene de interesse. busca pelo SAS / gene do sorgo / contig trazer detalhes do gene (regi˜ oes promotoras). op¸ c˜ ao de visualizar detalhes do gene, por exemplo a sequencia FASTA, regi˜ oes upstream e downstream.

Imagem obtida via AJAX e gerada pelo GBrowse, com mapeamentos de outros genes (sorgo e SAS).

trazer as estat´ısticas dos motivos. op¸ c˜ ao para visualizar as estat´ısticas de cada

regi˜ ao promotora (upstream, downstream). Imagem obtida via AJAX com todas

as estat´ısticas calculadas.

(13)

Motif Tools

Buscar o gene de interesse

ferramenta web em Java integrada com o banco de dados do GBrowse para consultar as regi˜ oes promotoras upstream / downstream (3Kb)

Figura: Ferramenta web de busca das regi˜ oes promotoras

(14)

Motif Tools

Trazer detalhes do gene (regi˜ oes promotoras)

(15)

Motif Tools

Trazer estat´ısticas dos motivos

Figura: Imagem gerada das estat´ısticas dos motivos

(16)

Motif Tools 5. Estat´ısticas

(17)

Arquivo com a posi¸ c˜ ao de cada base da regi˜ ao promotora.

Figura: frequˆ encia de motivos alinhados nas bases por posi¸c˜ ao

(18)

Arquivo com a posi¸ c˜ ao de cada base da regi˜ ao promotora.

Figura: frequˆ encia do tamanho das sequencias sobrepostas nas bases

(19)

Arquivo com a posi¸ c˜ ao de cada base da regi˜ ao promotora.

Figura: Nro de motivos agrupados por janela de tamanho 6,8 e 12

(20)

Arquivo com os diferentes tamanhos dos motivos alinhados.

Figura: frequˆ encia do tamanho dos motivos alinhados

(21)

Lista dos motivos alinhados e sua frequˆ encia.

Figura: frequˆ encia dos nomes dos motivos

(22)

Lista das classes dos motivos alinhados e sua frequˆ encia

(23)

Arquivo com as posi¸ c˜ oes mais importantes e motivos alinhados neles. Trˆ es principais posi¸ c˜ oes:

Exemplo:

Max Position Motifs

16 2061 (NFE2L1::MafG; Ubx; Dfd; ... ) 38 1241 (Ubx; Hltf; Pdx1; Awh; Vsx1; ...) 42 1799 (Prrx2; Ubx; Nobox; Lim3; ... )

Figura: motivos alinhados nas bases

(24)

Motif Tools 6. Fim

Obrigado pela aten¸ c˜ ao!

Ferramenta dispon´ıvel em:

http://sucest-fun.org/wsapp/searchMotifs.do

(25)

Motif Tools 7. Comparativas

Figura: PLACE vs JASPAR

(26)

(27)

SCEPRZ1010E06.g, regi˜ ao upstream, banco de dados JASPAR

Exemplo:

# Sequence: reverse from: 1 to: 39

# Database scanned: JASPAR_CORE Threshold: 60.000

Start End Strand Score_Percent ID Name Species Class Supergroup 13 18 + 100.000 MA0056.1 MZF1_1-4 9606 Zinc-coordinatin

15 24 + 90.879 MA0061.1 NF-kappaB 9606,10090,10116,9986 Ig-fold 15 20 + 93.258 MA0080.1 SPI1 9606 Winged Helix-Turn-Helix 17 22 + 91.045 MA0261.1 lin-14 6239 Other

22 28 + 96.858 MA0268.1 ADR1 4932 Zinc-coordinating

10 15 + 100.000 MA0332.1 MET28 4932 Zipper-Type

22 28 + 99.258 MA0337.1 MIG1 4932 Zinc-coordinating

23 29 + 97.148 MA0338.1 MIG2 4932 Zinc-coordinating

23 29 + 97.487 MA0339.1 MIG3 4932 Zinc-coordinating

22 35 + 96.494 MA0425.1 YGR067C 4932 Zinc-coordinating

22 30 + 94.745 MA0431.1 YML081W 4932 Zinc-coordinating

23 29 + 98.167 MA0436.1 YPR022C 4932 Zinc-coordinating

9 14 + 100.000 POL009.1 DCE_S_II . Unknown

(28)

SCEPRZ1010E06.g, regi˜ ao upstream, banco de dados PLACE

Exemplo:

RESULTS OF YOUR SIGNAL SCAN SEARCH REQUEST

../../tmp/sigscan//signalseqdone.2753: 39 base pairs Signal database file: user.dat

Factor or Site Name Loc.(Str.) Signal Sequence __________________________________________________________________

PREATPRODH site 3 (-) ACTCAT

CACTFTPPCA1 site 6 (-) YACT

EECCRCAH1 site 16 (-) GANTTNC

(29)