Embed Size (px)
DESCRIPTION
bioinformática
Citation preview
+
BioinformáticaGenômica, Transcritômica e Metagenômica
Gabriel da Rocha FernandesUniversidade Católica de Brasília
+Estratégia de sequenciamento
2
+Estratégia de sequenciamento
3
+Sequenciadores
4
+Arquivos de sequências
nAB1 e ESD - Sanger
nFastq - Illumina
nSFF - 454
nEsses arquivos tem que ser processados e a sequencia FASTA gerada.
nAlguns programas disponibilizam também o arquivo de qualidade das sequencias.
nPossível montagem sem a conversão em FASTA.
5
+FastQ
6
+Qualidade
7
+Montagem
8
+Análise de sequências?
nTransformar os dados do sequenciador em conhecimento biológico.
nBase calling.
nMontagem.
nPredição de genes.
nIdentificação de promotores e marcadores.
nGenômica comparativa.
9
+Montagem do genoma
nAlinhamento das sequencias para geração de um consenso.
nIdentificação e eliminação dos gaps.
10
+Predição de genes
11
+Análise Funcional
nAssocia uma função aos genes preditos.
nBaseada na homologia entre sequências.
nUtiliza bases de dados de sequências conhecidas e programas de alinhamento.
12
+Transcritoma
13
nConjunto de todas as moléculas de RNA encontradas em uma população celular:n mRNAn tRNAn rRNAn miRNA
nTotal de transcritos encontrados em um organismo, tipo celular, condição...
nReflete os genes que estão sendo expressos em um determinado momento.
nSnapshot da função celular.
+Métodos de estudo
nExpressed Sequence Tags.
nSequenciado por método de Sanger.
nClonagem dos fragmentos usando vetores.
nNão funciona em procariotos.
nLow throughput.
14
+Métodos de estudo
15
nMicroarray.
nArranjos com os genes em locais determinados.
nComparação de amostras par a par.
nHibridização.
+Next Generation Sequencing
16
+Custo do sequenciamento
17
+RNA-seq
nUltra larga escala.
nNão necessita de clonagem.
nBaixo custo.
nValores absolutos.
nAnálise multi amostras.
nGrande cobertura.
18
+Protocolo
nProtocolo para montagem da biblioteca pode variar de acordo com a tecnologia e com o objetivo:
nRemoção de rRNA.
nAmplificação por PCR.
nConversão a cDNA.
nSingle read ou pair end.
19
+Genoma referência vs. Montagem de novo
nMapeamento dos reads a um genoma referência.n Quantificação da expressão.n Identificação de variantes de splicing.
nMontagem de novo do transcritoma.n Caracterização dos genes expressos.n Identificação de isoformas.n Ausência de genoma referência.
20
+O que sai do sequenciador?
nFormato padrão para análises é o FastQ.
n @SEQ_IDGATTTGGGGTTCAAAGCAGTATCGATCAAATAGTAAATCCATTTGTTCAACTCAC+!”*((((***+))%%%++)(%%%%).1***-+*”))**55CCF»»»CCCCCCC65
nPrimeira linha: identificador da sequência.n Nome da sequência.n Informação sobre filtros.
nTerceira linha: qualidade da chamada da base (em código).
21
+Montagem
22
+Mapeamento e quantificação
nAs sequências produzidas são mapeadas a um genôma referência.
nAlinhou em apenas uma região = ótimo.
nAlinhou em mais que uma região = dilema.
nO uso de replicatas é FUNDAMENTAL!
23
Repl. 1 Repl. 2 Repl. 3
Gene A 5 3 12
Gene B 16 25 35
Gene C 10 15 3
Gene D 750 500 500
Gene E 1504 1005 1030
+Interpretando a contagem dos genes
nNo exemplo da tabela, o Gene E tem duas vezes mais reads que o Gene D:n Gene E é expresso duas vezes mais que o Gene D.n Ambos os genes se expressam na mesma intensidade, mas o Gene E é
duas vezes maior que o Gene D.n Ambos os genes tem o mesmo tamanho e se expressam na mesma
intensidade, mas o Gene D tem um parálogo no genoma ao qual metade dos seus reads foram mapeados.
nA causa é os três ao mesmo tempo.
nMas quando analisamos o mesmo gene em 2 condições diferentes, os efeitos 2 e 3 são desconsiderados.
24
+Identificando genes diferencialmente expressos.
nComparar diferentes condições: controle com testes.n Célula normal com célula tumoral.n Planta sem e com estresse hídrico.n Animal sem e com parasita...
nGenes em duas condições diferentes VÃO apresentar quantidades de reads diferentes.
nEssa variação pode ser diferença biológica entre as duas condições, ou ruído experimental.
nAplicação de testes estatísticos.
25
+Identificando genes diferencialmente expressos.
nPara identificar uma diferença estatisticamente significantes, é necessário que a diferença de expressão entre as duas condições seja maior que a imprecisão do nível de expressão sob uma determinada condição.
26
+Sou pobre, não vou usar replicata.
nLição de vida:n Um Gene H, em uma célula normal extraída do Zé Moreno, tem 5 reads.n O mesmo Gene H, em célula tumoral extraída do mesmo Zé Moreno,
tem 10 reads.n Uoua! O Gene H é duas vezes mais expresso na célula tumoral!
n Ganhei uns trocados e fiz transcritoma da célula normal de mais 2 pacientes. De brinde, ganhei o sequenciamento do Zé moreno de novo.
n O Gene H teve 12 reads na célula do Zé Moreno, 17 reads na Maria Tolé, e 22 reads na célula do Tião Torresmo.
nMoral da história: quanto mais medições fizer, mais vai ter certeza dos níveis de expressão dos genes.
27
+Replicata técnica vs. Replicata biológica
nTécnica: explica a variação encontrada que pode ter sido causada por critérios técnicos: preparação da biblioteca, qualidade do sequênciamento, cobertura do gene...
nBiológica: explica a variação encontrada que pode ter sido causada pela variabilidade de expressão que não está associada à mudança nas condições do experimento.
28
+Fontes de variaçãoVariância de Poisson
nÉ a incerteza existente em qualquer medição em que algo é amostrado e contado.
nComo é baseado no valor da contagem em si, não é específico do experimento.
nEssa variância está relacionada a quantidade total de reads.
nPor exemplo, a diferença na expressão de um gene medido com 1 read versus 2 reads é inerentemente menos seguro do que as diferenças na expressão de um gene medido com 100 reads versus 200 reads, apesar de ambas as diferenças serem, nominalmente, uma mudança 2X.
29
+Fontes de variaçãoVariância de Poisson
30
+Fontes de variaçãoVariação Técnica Não-Poisson
nAssociado à incapacidade da técnica não conseguir medir a expressão perfeitamente.
nVisto em replicatas técnicas.
nCausas:n Seleção de miRNA.n Depleção de rRNA.n Amplificação por PCR.n Armazenamento.n RNA-later.
nMoral da história: Manipule sua amostra o mínimo possível.
31
+Fontes de variaçãoVariação Biológica
nOcorre naturalmente nas amostras.
nA expressão naturalmente flutua em células sob a mesma condição.
nCausas da variações biológicas podem ser diferenças genéticas, de maquinaria celular, ou de resposta a variação do ambiente.
nVariação biológica também sofre a influência das outras duas variações vistas.
32
+Filosofando...
nMais replicatas vs. Mais reads.
nComo lidar com batch-effects?
nPreciso validar com RT-PCR?
nEu considero como diferencialmente expresso genes com p-value < 0.01.
nCalcular FDR (False discovery rate)
nLeia artigos que tenham usado benchmarks.
nConverse com o bioinformata que vai fazer as análises.
33
+Metagenômica
nMetagenoma: material genético recuperado diretamente de amostras ambientais.
nFornece informações sobre os organismos em seu habitat natural.
+Metagenômica
nCerca de 99% das bactérias não são cultiváveis.
nPermite o estudo de organismos que não são facilmente cultivados em laboratório.
nIdentificação de funções em espécies ainda não identificadas.
+Análise do gene do rRNA 16s
nGene altamente conservado em bactérias e archaea.
nRegião hiper variável confere sequências com assinatura específica.
nFornece um perfil da diversidade na amostra.
+Whole Genome Shotgun e nova geração de sequenciadores
nPermite uma visão mais global da comunidade.
nAnálise dos níveis da diversidade filogenética e polimorfismos intraespecíficos.
nEstudo de genes completos e de vias metabólicas da comunidade.
nReconstrução dos genomas.
nDemanda intensa análise bioinformática.
+Etapas da análise metagenômica
nFatores influentes.
nInterdependências ocultas.
+Métodos de estudo - Funcional
nIsolamento do DNA da amostra.
nClonagem do DNA em um hospedeiro.
nExpressão do gene e análise funcional.
nAnálise das sequências.
+Métodos de estudo - Genômico
nDNA isolado pode ser submetido a um sequenciamento aleatório ou direcionado.
nPermite montagem de todo metaboloma.
nAnálise filogenética.
nMetagenômica comparativa.
+Análise filogenética e funcional
+Pipeline de análise
+Assinatura filogenética
nCada read é associado a um organismo (espécie, gênero, família…)
nUtiliza bases de dados de genômas referência ou base de dados NT do NCBI.
nFerramenta de alinhamento.
nValores de identidade para definir o nível cladístico assinado.
88% 98% 99%
Bacteroides fragilis
Escherichia coli
70%
+Assinatura filogenética
nComposição geral da amostra
nPrograma: MEGAN
nAgrupa multiplos alinhamentos em um nível cladístico.
+Análise filogenética
nQual clado prevalece na amostra?
nExiste um perfil filogenético?
nIdentificação de marcadores filogenéticos.
nAssociação da presença de um clado a uma determinada característica.
+Anotação funcional
nAvaliar o potencial genético da amostra.
nMontagem dos contigs.
nPredição dos genes.
nAlinhamento dos genes preditos a uma base de dados.
+Análise funcional
nQual função está mais presente?
nExiste alguma função do seu interesse?
nMontagem do mapa metabólico do ambiente.
nRastrear a função e identificar o organismo que executa.
+
+
+
+
+
+Visualização
