Исследование последовательности нуклеотида Используя командную строку

Обзор примера

После секвенирования куска ДНК одна из первых задач состоит в том, чтобы исследовать содержимое нуклеотида в последовательности. Начиная с последовательности ДНК этот пример использует функции статистики последовательности, чтобы определить моно - di-и trinucleotide содержимое, и определить местоположение открытых рамок считывания.

Искание в Интернете информации о последовательности

Следующая процедура иллюстрирует, как использовать Браузер документации MATLAB^®, чтобы искать в Интернете информацию. В этом примере вы интересуетесь изучением человеческого митохондриального генома. В то время как много генов, которыми код для митохондриальных белков найден в ядре клетки, митохондриальное, имеют гены, что код для белков раньше производил энергию.

Первая исследовательская информация о человеческих митохондриях и находит последовательность нуклеотида для генома. Затем посмотрите на содержимое нуклеотида для целой последовательности. И наконец, определите открытые рамки считывания и извлеките определенные последовательности генов.

Используйте Браузер документации MATLAB, чтобы исследовать сеть. В Командном Окне MATLAB введите
```
web('http://www.ncbi.nlm.nih.gov/')
```
Отдельное окно браузера открывается домашней страницей для веб-сайта NCBI.
Ищите веб-сайт NCBI об информации. Например, чтобы искать человеческий геном митохондрии, из списка Search, выбирают Genome , и в списке Search, введите mitochondrion homo sapiens.
Веб-поиск NCBI возвращает список ссылок на соответствующие страницы.
Выберите страницу результатов. Например, щелкните по ссылке, пометил NC_012920.
Браузер документации MATLAB отображает страницу NCBI для человеческого митохондриального генома.

Чтение информации последовательности из сети

Следующая процедура иллюстрирует, как найти последовательность нуклеотида в общедоступной базе данных и считать информации последовательности в среду MATLAB. Много общедоступных баз данных для последовательностей нуклеотида доступны с сети. Командное окно MATLAB обеспечивает интегрированную среду для обеспечения информации о последовательности в среду MATLAB.

Последовательность согласия для человеческого митохондриального генома имеет инвентарный номер GenBank^® NC_012920. Поскольку целая запись GenBank является довольно большой, и вы можете только интересоваться последовательностью, можно получить только информацию последовательности.

Получите информацию последовательности от базы данных Web. Например, чтобы получить информацию о последовательности для человеческого митохондриального генома, в командном окне MATLAB, типе
```
mitochondria = getgenbank('NC_012920','SequenceOnly',true)
```
getgenbank функция получает последовательность нуклеотида из базы данных GenBank и создает символьный массив.
```
mitochondria = 
GATCACAGGTCTATCACCCTATTAACCACTCACGGGAGCTCTCCATGCAT
TTGGTATTTTCGTCTGGGGGGTGTGCACGCGATAGCATTGCGAGACGCTG
GAGCCGGAGCACCCTATGTCGCAGTATCTGTCTTTGATTCCTGCCTCATT
CTATTATTTATCGCACCTACGTTCAATATTACAGGCGAACATACCTACTA
AAGT . . . 
```
Если у вас нет веб-подключения, можно загрузить данные из файла MAT, включенного с программным обеспечением Bioinformatics Toolbox™, с помощью команды
```
load mitochondria
```
load функционируйте загружает последовательность mitochondria в рабочее пространство MATLAB.
Получите информацию о последовательности. Ввод
```
whos mitochondria
```
Информация о размере последовательности отображается в командном окне MATLAB.
```
 Name              Size               Bytes  Class    Attributes

 mitochondria      1x16569            33138  char               
```

Определение состава нуклеотида

Следующая процедура иллюстрирует, как определить мономеры и димеры, и затем визуализировать данные в графиках и столбиковых диаграммах. Разделы последовательности ДНК с высоким процентом нуклеотидов A+T обычно указывают на межгенные части последовательности, в то время как низкий A+T, и выше проценты нуклеотида G+C указывают на возможные гены. Много раз высокое содержимое динуклеотида CG расположено перед геном.

После того, как вы читаете последовательность в среду MATLAB, можно использовать функции статистики последовательности, чтобы определить, имеет ли последовательность характеристики кодирующей белок области. Эта процедура использует человеческий митохондриальный геном в качестве примера. Смотрите информацию Последовательности Чтения из сети.

Постройте плотность мономера и объединенную плотность мономера в графике. В Командном Окне MATLAB введите
```
ntdensity(mitochondria)
```
Этот график показывает, что геном является богатыми A+T.
Считайте нуклеотиды с помощью basecount функция.
```
basecount(mitochondria)
```
Список количеств нуклеотида показывают для 5 '-3' скрутки.
```
ans = 
    A: 5124
    C: 5181
    G: 2169
    T: 4094
```
Считайте нуклеотиды в противоположном дополнении последовательности с помощью seqrcomplement функция.
```
basecount(seqrcomplement(mitochondria))
```
Как ожидалось нуклеотид рассчитывает на противоположную дополнительную скрутку, дополнительны к 5 '-3' скрутки.
```
ans = 
    A: 4094
    C: 2169
    G: 5181
    T: 5124
```
Используйте функциональный basecount с chart опция, чтобы визуализировать распределение нуклеотида.
```
figure
basecount(mitochondria,'chart','pie');
```
Круговая диаграмма отображается в Графическом окне MATLAB.

Считайте димеры в последовательности и отобразите информацию в столбчатой диаграмме.

figure
dimercount(mitochondria,'chart','bar')

ans = 

    AA: 1604
    AC: 1495
    AG: 795
    AT: 1230
    CA: 1534
    CC: 1771
    CG: 435
    CT: 1440
    GA: 613
    GC: 711
    GG: 425
    GT: 419
    TA: 1373
    TC: 1204
    TG: 513
    TT: 1004

Определение состава кодона

Следующая процедура иллюстрирует, как посмотреть на кодоны для этих шести рамок считывания. Trinucleotides (кодон) код для аминокислоты, и существуют 64 возможных кодона в последовательности нуклеотида. Знание процента кодонов в вашей последовательности может быть полезным, когда вы соответствуете таблицам для ожидаемого использования кодона.

После того, как вы считаете последовательность в среду MATLAB, можно анализировать последовательность для состава кодона. Эта процедура использует человеческий геном митохондрий в качестве примера. Смотрите информацию Последовательности Чтения из сети.

Считайте кодоны в последовательности нуклеотида. В Командном Окне MATLAB введите

codoncount(mitochondria)

Кодон значит отображения системы координат первого чтения.

AAA - 167     AAC - 171     AAG -  71     AAT - 130     
ACA - 137     ACC - 191     ACG -  42     ACT - 153     
AGA -  59     AGC -  87     AGG -  51     AGT -  54     
ATA - 126     ATC - 131     ATG -  55     ATT - 113     
CAA - 146     CAC - 145     CAG -  68     CAT - 148     
CCA - 141     CCC - 205     CCG -  49     CCT - 173     
CGA -  40     CGC -  54     CGG -  29     CGT -  27     
CTA - 175     CTC - 142     CTG -  74     CTT - 101     
GAA -  67     GAC -  53     GAG -  49     GAT -  35     
GCA -  81     GCC - 101     GCG -  16     GCT -  59     
GGA -  36     GGC -  47     GGG -  23     GGT -  28     
GTA -  43     GTC -  26     GTG -  18     GTT -  41     
TAA - 157     TAC - 118     TAG -  94     TAT - 107     
TCA - 125     TCC - 116     TCG -  37     TCT - 103     
TGA -  64     TGC -  40     TGG -  29     TGT -  26     
TTA -  96     TTC - 107     TTG -  47     TTT -  78

Считайте кодоны во всех шести рамках считывания и постройте результаты в картах тепла.

for frame = 1:3
    figure
    subplot(2,1,1);
    codoncount(mitochondria,'frame',frame,'figure',true,...
               'geneticcode','Vertebrate Mitochondrial');
    title(sprintf('Codons for frame %d',frame));
    subplot(2,1,2);
    codoncount(mitochondria,'reverse',true,'frame',frame,...
               'figure',true,'geneticcode','Vertebrate Mitochondrial');
    title(sprintf('Codons for reverse frame %d',frame)); 
end

Нагрейтесь карты отображают все 64 кодона в этих 6 рамках считывания.

Открытые рамки считывания

Следующая процедура иллюстрирует, как определить местоположение открытых рамок считывания с помощью определенного генетического кода. Определение кодирующей белок последовательности для эукариотического гена может быть трудной задачей, потому что интроны (не кодирующий разделы) смешаны с экзонами. Однако прокариотические гены обычно не имеют интронов, и mRNA последовательностям удалили интроны. Идентификация запуска и кодонов остановки для перевода определяет кодирующий белок раздел или открытую рамку считывания (ORF), в последовательности. Если вы знаете ORF для гена или mRNA, можно перевести последовательность нуклеотида в ее соответствующую последовательность аминокислот.

После того, как вы считаете последовательность в среду MATLAB, можно анализировать последовательность для открытых рамок считывания. Эта процедура использует человеческий геном митохондрий в качестве примера. Смотрите информацию Последовательности Чтения из сети.

Отобразите открытые рамки считывания (ORFs) в последовательности нуклеотида. В Командном Окне MATLAB введите:
```
seqshoworfs(mitochondria);
```
Если вы сравниваете этот выход с генами, показанными на странице NCBI для NC_012920, чем ожидалось существует меньше генов. Это вызвано тем, что позвоночные митохондрии используют генетический код, немного отличающийся от стандартного генетического кода. Для списка генетических кодов см. таблицу Genetic Code в aa2nt страница с описанием.
Отобразите ORFs использование Vertebrate Mitochondrial код.
```
orfs= seqshoworfs(mitochondria,...
                  'GeneticCode','Vertebrate Mitochondrial',...
                  'alternativestart',true);
```
Заметьте, что существует теперь два больших ORFs на третьей рамке считывания. Каждый запускает в положении 4470 и других запусках в 5 904. Они соответствуют генам ND2 (подблок дегидрогеназы NADH 2 [Человек разумный]) и COX1 (цитохром c подблок оксидазы I) гены.
Найдите соответствующий кодон остановки. Запуск и положения остановки для ORFs имеют те же индексы как положения запуска в полях Start и Stop.
```
ND2Start = 4470;
StartIndex = find(orfs(3).Start == ND2Start)
ND2Stop = orfs(3).Stop(StartIndex)
```
Отображения положения остановки.
```
ND2Stop =

        5511
```
Используя индексы последовательности для запуска и остановки гена, извлеките подпоследовательность из последовательности.
```
ND2Seq = mitochondria(ND2Start:ND2Stop)
```
Подпоследовательность (кодирующая белок область) хранится в ND2Seq и отображенный на экране.
```
attaatcccctggcccaacccgtcatctactctaccatctttgcaggcac
actcatcacagcgctaagctcgcactgattttttacctgagtaggcctag
aaataaacatgctagcttttattccagttctaaccaaaaaaataaaccct
cgttccacagaagctgccatcaagtatttcctcacgcaagcaaccgcatc
cataatccttc . . .
```

Определите распределение кодона.

codoncount (ND2Seq)

Количество кодона показывает большое количество ACC, ATA, CTA, и ATC.

AAA - 10     AAC - 14     AAG -  2     AAT -  6     
ACA - 11     ACC - 24     ACG -  3     ACT -  5     
AGA -  0     AGC -  4     AGG -  0     AGT -  1     
ATA - 23     ATC - 24     ATG -  1     ATT -  8     
CAA -  8     CAC -  3     CAG -  2     CAT -  1     
CCA -  4     CCC - 12     CCG -  2     CCT -  5     
CGA -  0     CGC -  3     CGG -  0     CGT -  1     
CTA - 26     CTC - 18     CTG -  4     CTT -  7     
GAA -  5     GAC -  0     GAG -  1     GAT -  0     
GCA -  8     GCC -  7     GCG -  1     GCT -  4     
GGA -  5     GGC -  7     GGG -  0     GGT -  1     
GTA -  3     GTC -  2     GTG -  0     GTT -  3     
TAA -  0     TAC -  8     TAG -  0     TAT -  2     
TCA -  7     TCC - 11     TCG -  1     TCT -  4     
TGA - 10     TGC -  0     TGG -  1     TGT -  0     
TTA -  8     TTC -  7     TTG -  1     TTT -  8

Ищите аминокислоты для кодонов ATA, CTA, ACC, и ATC.

aminolookup('code',nt2aa('ATA'))
aminolookup('code',nt2aa('CTA'))
aminolookup('code',nt2aa('ACC'))
aminolookup('code',nt2aa('ATC'))

Следующие отображения:

Ile	isoleucine
Leu	leucine
Thr	threonine
Ile	isoleucine

Преобразование аминокислоты и состав

Следующая процедура иллюстрирует, как извлечь кодирующую белок последовательность из последовательности генов и преобразовать ее в последовательность аминокислот для белка. Определение относительного состава аминокислоты белка даст вам характеристический профиль для белка. Часто, этот профиль является достаточной информацией, чтобы идентифицировать белок. Используя состав аминокислоты, атомарный состав и молекулярную массу, можно также искать общедоступные базы данных подобные белки.

После того, как вы определите местоположение открытой рамки считывания (ORF) в гене, можно преобразовать его в последовательность аминопласта и определить ее состав аминокислоты. Эта процедура использует человеческий геном митохондрий в качестве примера. Смотрите Открытые Рамки считывания.

Преобразуйте последовательность нуклеотида в последовательность аминокислот. В этом примере только преобразована кодирующая белок последовательность между запуском и кодонами остановки.
```
ND2AASeq = nt2aa(ND2Seq,'geneticcode',...
                 'Vertebrate Mitochondrial')
```
Последовательность преобразована с помощью Vertebrate Mitochondrial генетический код. Поскольку свойство AlternativeStartCodons установлен в 'true' по умолчанию, первый кодон att преобразован в M вместо I.
```
MNPLAQPVIYSTIFAGTLITALSSHWFFTWVGLEMNMLAFIPVLTKKMNP
RSTEAAIKYFLTQATASMILLMAILFNNMLSGQWTMTNTTNQYSSLMIMM
AMAMKLGMAPFHFWVPEVTQGTPLTSGLLLLTWQKLAPISIMYQISPSLN
VSLLLTLSILSIMAGSWGGLNQTQLRKILAYSSITHMGWMMAVLPYNPNM
TILNLTIYIILTTTAFLLLNLNSSTTTLLLSRTWNKLTWLTPLIPSTLLS
LGGLPPLTGFLPKWAIIEEFTKNNSLIIPTIMATITLLNLYFYLRLIYST
SITLLPMSNNVKMKWQFEHTKPTPFLPTLIALTTLLLPISPFMLMIL
```
Сравните свое преобразование с опубликованным преобразованием в базе данных GenPept.
```
ND2protein = getgenpept('YP_003024027','sequenceonly',true)
```
getgenpept функция получает опубликованное преобразование из базы данных NCBI и читает его в рабочее пространство MATLAB.
Считайте аминокислоты в последовательности белка.
```
aacount(ND2AASeq, 'chart','bar')
```
Столбчатый график отображается. Заметьте высокое содержимое для лейцина, треонина и изолейцина, и также заметьте отсутствие кислоты аспарагиновой кислоты и цистеина.
Определите атомарный состав и молекулярную массу белка.
```
atomiccomp(ND2AASeq)
molweight (ND2AASeq)
```
Следующие отображения в рабочем пространстве MATLAB:
```
ans = 

    C: 1818
    H: 2882
    N: 420
    O: 471
    S: 25
```
```
ans =

  3.8960e+004
```
Если бы эта последовательность была неизвестна, вы могли бы использовать эту информацию, чтобы идентифицировать белок путем сравнения ее с атомарным составом других белков в базе данных.

Документация