Исследование нуклеотидной последовательности с помощью командной строки

Обзор примера

После секвенирования части ДНК одной из первых задач является исследование содержимого нуклеотидов в последовательности. Начиная с последовательности ДНК, этот пример использует функции статистики последовательностей для определения содержимого моно-, ди- и тринуклеотидов и для определения местоположения открытых систем координат считывания.

Поиск информации о последовательности в Интернете

Следующая процедура иллюстрирует, как использовать MATLAB® Браузер документации для поиска информации в Интернете. В этом примере вы заинтересованы в изучении митохондриального генома человека. В то время как многие гены, которые кодируют белки митохондрий, находятся в ядре камеры, митохондриал имеет гены, которые кодируют белки, используемые для производства энергии.

Первая исследовательская информация о митохондриях человека и найти нуклеотидную последовательность для генома. Затем рассмотрим содержимое нуклеотидов для всей последовательности. И, наконец, определить открытые системы координат считывания и извлечь специфические последовательности генов.

  1. Для исследования Интернета используйте браузер справки MATLAB. В Командном Окне MATLAB введите

    web('http://www.ncbi.nlm.nih.gov/')

    Откроется отдельное окно браузера с домашней страницей для веб-сайта NCBI.

  2. Поиск информации на веб-сайте NCBI. Например, чтобы найти геном митохондриона человека, из списка Search выберите Genome , и в списке Search введите mitochondrion homo sapiens.

    Веб-поиск NCBI возвращает список ссылок на соответствующие страницы.

  3. Выберите страницу результатов. Например, щелкните ссылку, помеченную NC_012920.

    Браузер MATLAB Help отображает страницу NCBI для митохондриального генома человека.

Чтение информации о последовательности из Интернета

Следующая процедура иллюстрирует, как найти нуклеотидную последовательность в общедоступной базе данных и считать информацию о последовательности в окружение MATLAB. Многие общедоступные базы данных для нуклеотидных последовательностей доступны из Сети. Командное окно MATLAB обеспечивает интегрированное окружение для переноса информации о последовательности в окружение MATLAB.

Консенсусная последовательность для генома митохондрий человека имеет GenBank® номер присоединения NC_012920. Поскольку вся запись GenBank довольно велика, и вас может интересовать только последовательность, можно получить только информацию о последовательности.

  1. Получите информацию о последовательности из веб-базы данных. Для примера, чтобы получить информацию о последовательности для митохондриального генома человека, в Командном окне MATLAB, введите

    mitochondria = getgenbank('NC_012920','SequenceOnly',true)

    The getgenbank функция извлекает нуклеотидную последовательность из базы данных GenBank и создает символьный массив.

    mitochondria = 
GATCACAGGTCTATCACCCTATTAACCACTCACGGGAGCTCTCCATGCAT
TTGGTATTTTCGTCTGGGGGGTGTGCACGCGATAGCATTGCGAGACGCTG
GAGCCGGAGCACCCTATGTCGCAGTATCTGTCTTTGATTCCTGCCTCATT
CTATTATTTATCGCACCTACGTTCAATATTACAGGCGAACATACCTACTA
AAGT . . .

  2. Если у вас нет веб-соединения, можно загрузить данные из файла MAT, включенного в программное обеспечение Bioinformatics Toolbox™, с помощью команды

    load mitochondria

    The load функция загружает последовательность mitochondria в Рабочее пространство MATLAB.

  3. Получите информацию о последовательности. Напечатать

    whos mitochondria

    Информация о размере последовательности отображается в Командном Окне MATLAB.

     Name              Size               Bytes  Class    Attributes

 mitochondria      1x16569            33138  char

Определение нуклеотидного состава

Следующая процедура иллюстрирует, как определить мономеры и димеры, а затем визуализировать данные на графиках и столбиковых диаграммах. Срезы последовательности ДНК с высоким процентом A + T нуклеотидов обычно указывают на межгенные части последовательности, в то время как низкие A + T и более высокие G + C нуклеотидные проценты указывают на возможные гены. Во много раз высокое содержимое CG-динуклеотидов находится перед геном.

После чтения последовательности в окружение MATLAB можно использовать функции статистики последовательности, чтобы определить, имеет ли ваша последовательность характеристики белковой кодирующей области. Эта процедура использует человеческий митохондриальный геном в качестве примера. См. раздел «Чтение информации о последовательности из Интернета».

  1. Постройте графики плотностей мономеров и комбинированных плотностей мономеров. В Командном Окне MATLAB введите

    ntdensity(mitochondria)

    Этот график показывает, что геном богат A + T.

  2. Подсчитайте нуклеотиды, используя basecount функция.

    basecount(mitochondria)

    Список отсчётов нуклеотидов показан для цепи 5 '-3'.

    ans = 
    A: 5124
    C: 5181
    G: 2169
    T: 4094

  3. Подсчитайте нуклеотиды в обратном дополнении последовательности, используя seqrcomplement функция.

    basecount(seqrcomplement(mitochondria))

    Как ожидалось, нуклеотидные отсчеты на обратной цепи комплемента комплементарны цепи 5 '-3'.

    ans = 
    A: 4094
    C: 2169
    G: 5181
    T: 5124

  4. Используйте функцию basecount с chart опция визуализации нуклеотидного распределения.

    figure
basecount(mitochondria,'chart','pie');

    Круговая диаграмма отображается в графическом окне MATLAB.

  5. Подсчитайте димеры в последовательности и отобразите информацию в столбчатую диаграмму.

    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 смотреть на кодоны для шести систем координат. Код тринуклеотидов (кодонов) для аминокислоты, и существует 64 возможных кодона в нуклеотидной последовательности. Знание процента кодонов в вашей последовательности может быть полезным, когда вы сравниваете с таблицами для ожидаемого использования кодонов.

После чтения последовательности в окружение MATLAB можно проанализировать последовательность на предмет состава кодона. Эта процедура использует геном митохондрий человека в качестве примера. См. раздел «Чтение информации о последовательности из Интернета».

  1. Отсчитывайте кодоны в нуклеотидной последовательности. В Командном Окне MATLAB введите 

    codoncount(mitochondria)

    Количество кодонов для отображения первой системы координат считывания.

    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

  2. Подсчитайте кодоны во всех шести системах координат считывания и постройте график результатов в тепловых картах.

    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

    Тепловые карты отображают все 64 кодона в 6 системах координат считывания.

Откройте системы координат чтения

Следующая процедура иллюстрирует, как найти открытые системы координат чтения с помощью определенного генетического кода. Определение кодирующей белок последовательности для эукариотического гена может быть трудной задачей, поскольку интроны (некодирующие секции) смешиваются с экзонами. Однако прокариотические гены обычно не имеют интронов, и последовательности мРНК удаляют интроны. Идентификация стартового и стопового кодонов для трансляции определяет раздел кодирования белка или открытую систему координат чтения (ORF) в последовательности. Если вы знаете ORF для гена или мРНК, можно перевести нуклеотидную последовательность в соответствующую ей аминокислотную последовательность.

После чтения последовательности в окружение MATLAB можно проанализировать последовательность для открытых систем координат. Эта процедура использует геном митохондрий человека в качестве примера. См. раздел «Чтение информации о последовательности из Интернета».

  1. Отображение открытые системы координат считывания (ORFs) в нуклеотидной последовательности. В Командном Окне MATLAB введите:

    seqshoworfs(mitochondria);

    Если вы сравниваете этот выход с генами, показанными на странице NCBI для NC_012920, генов меньше, чем ожидалось. Это происходит потому, что митохондрии позвоночных используют генетический код, немного отличный от стандартного генетического кода. Список генетических кодов см. в таблице Генетический код в aa2nt страница с описанием.

  2. Отображение ORF-файлов с использованием Vertebrate Mitochondrial код.

    orfs= seqshoworfs(mitochondria,...
                  'GeneticCode','Vertebrate Mitochondrial',...
                  'alternativestart',true);

    Заметьте, что теперь на третьей системе координат чтения есть два больших ORF. Один начинается с положения 4470, а другой начинается с 5904. Они соответствуют генам ND2 (NADH-дегидрогеназа подмодуля 2 [Homo sapiens]) и COX1 (цитохром с оксидазой подмодуля I) генов.

  3. Найдите соответствующий стоп-кодон. Начальное и стоповое положения для ORF имеют те же индексы, что и начальные положения в полях Start и Stop.

    ND2Start = 4470;
StartIndex = find(orfs(3).Start == ND2Start)
ND2Stop = orfs(3).Stop(StartIndex)

    Положение упора отображений.

    ND2Stop =

        5511

  4. Используя индексы последовательности для начала и остановки гена, извлеките подпоследовательность из последовательности.

    ND2Seq = mitochondria(ND2Start:ND2Stop)

    Подпоследовательность (область кодирования белка) сохранена в ND2Seq и отобразится на экране.

    attaatcccctggcccaacccgtcatctactctaccatctttgcaggcac
actcatcacagcgctaagctcgcactgattttttacctgagtaggcctag
aaataaacatgctagcttttattccagttctaaccaaaaaaataaaccct
cgttccacagaagctgccatcaagtatttcctcacgcaagcaaccgcatc
cataatccttc . . .

  5. Определите распределение кодонов.

    codoncount (ND2Seq)

    Количество кодонов показывает высокое 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

  6. Посмотрите аминокислоты на кодоны 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

Конверсия и композиция аминокислот

Следующая процедура иллюстрирует, как экстрагировать кодирующую белок последовательность из генной последовательности и преобразовать ее в аминокислотную последовательность для белка. Определение относительного аминокислотного состава белка даст вам характерный профиль для белка. Часто этот профиль является достаточной информацией для идентификации белка. Используя аминокислотную композицию, атомарную композицию и молекулярную массу, можно также искать в общедоступных базах данных подобные белки.

После определения местоположения открытой системы координат считывания (ORF) в гене можно преобразовать ее в аминокислотную последовательность и определить ее аминокислотный состав. Эта процедура использует геном митохондрий человека в качестве примера. См. «Открытые системы координат чтения».

  1. Преобразуйте нуклеотидную последовательность в аминокислотную. В этом примере преобразуется только последовательность, кодирующая белок между начальным и стоповым кодонами.

    ND2AASeq = nt2aa(ND2Seq,'geneticcode',...
                 'Vertebrate Mitochondrial')

    Последовательность преобразуется с помощью Vertebrate Mitochondrial генетический код. Потому что свойство AlternativeStartCodons установлено в 'true' по умолчанию первый кодон att преобразуется в M вместо I.

    MNPLAQPVIYSTIFAGTLITALSSHWFFTWVGLEMNMLAFIPVLTKKMNP
RSTEAAIKYFLTQATASMILLMAILFNNMLSGQWTMTNTTNQYSSLMIMM
AMAMKLGMAPFHFWVPEVTQGTPLTSGLLLLTWQKLAPISIMYQISPSLN
VSLLLTLSILSIMAGSWGGLNQTQLRKILAYSSITHMGWMMAVLPYNPNM
TILNLTIYIILTTTAFLLLNLNSSTTTLLLSRTWNKLTWLTPLIPSTLLS
LGGLPPLTGFLPKWAIIEEFTKNNSLIIPTIMATITLLNLYFYLRLIYST
SITLLPMSNNVKMKWQFEHTKPTPFLPTLIALTTLLLPISPFMLMIL

  2. Сравните преобразование с опубликованным преобразованием в базе данных GenPept.

    ND2protein = getgenpept('YP_003024027','sequenceonly',true)

    The getgenpept функция извлекает опубликованное преобразование из базы данных NCBI и считывает его в рабочее пространство MATLAB.

  3. Подсчитайте аминокислоты в белковой последовательности.

    aacount(ND2AASeq, 'chart','bar')

    Отображается штриховой график. Заметьте высокое содержимое лейцина, треонина и изолейцина, а также заметьте отсутствие цистеина и аспарагиновой кислоты.

  4. Определите атомарный состав и молекулярную массу белка.

    atomiccomp(ND2AASeq)
molweight (ND2AASeq)

    В рабочем пространстве MATLAB отображается следующее:

    ans = 

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

  3.8960e+004

    Если бы эта последовательность была неизвестна, можно было бы использовать эту информацию для идентификации белка путем сравнения его с атомарным составом других белков в базе данных.

Документация по Bioinformatics Toolbox

Поддержка

Для просмотра документации необходимо авторизоваться на сайте