BIOINFORMÁTICA UFMG A T G C. A T G C Performance de anotação automática com grupos de ortólogos KOG Se vc conhece os grupos de ortólogos de MO E vc pode.
Post on 07-Apr-2016
213 Views
Preview:
Transcript
BIOINFORMÁTICA UFMG
A TGC
BIOINFORMÁTICA UFMG
A TGC Performance de anotação automáticacom grupos de ortólogos KOG
Se vc conhece os grupos de ortólogos de MO
E vc pode conhecer a anotação correta de ESTs de um MO
Um experimento pode ser feito!
Mas… vc tem que conhecer o cutoff para o alinhamento de uma EST com a sua proteína cognata– (parece simples mas não é)
BIOINFORMÁTICA UFMG
A TGC Como é uma entrada KOG?
BIOINFORMÁTICA UFMG
A TGC As seqüências analisadas
ORGANISM ESTs PROTEINS KOGs
Arabidopsis thaliana 178.538 24.154 13.744
Caenorhabditis elegans 215.200 17.101 10.581
Drosophila melanogaster 261.404 10.517 8.445
Homo sapiens 1.941.556 26.324 19.039
pUC18 846 1
BIOINFORMÁTICA UFMG
A TGC Seqüências de pUC reunidas por 82% de similaridade equivalem a 96% de identidade
82%
.93
BIOINFORMÁTICA UFMG
A TGC Os cutoffs se aproximam de 80% de similaridadepara alinhamentos EST-proteina correta
BIOINFORMÁTICA UFMG
A TGC O teste de anotação
cel
dmehsa
athKOG
dmeESTs
Assigned ESTsto desired KOGs
BLASTCutoff 78%
BIOINFORMÁTICA UFMG
A TGC Elimine o KOG para um organismo por vez(transforme-o em um transcriptoma novo)
cel
dmehsa
athKOG
dmeESTs
• correct: same KOG• changed: distinct KOG• speculated: not assigned
BLAST
BIOINFORMÁTICA UFMG
A TGC A especulação minimiza com o cutoff apropriado de “designação”
correct
especulated
changed
BIOINFORMÁTICA UFMG
A TGC A anotação correta é maior que 90%
correct changed especulated
89,3%
5,2%5,5%
96,7%
1,6%1,8%
91,9%
3,0%5,1%
96,3%
2,4%1,2%
BIOINFORMÁTICA UFMG
A TGC Quantas ESTs eu preciso para descobrir oKOG todo?(com ou sem o organismo cognato na base)
Picturing Discovering
BIOINFORMÁTICA UFMG
A TGC Por categoria funcional
C. elegans
D. melanogasterpicturing sampling
BIOINFORMÁTICA UFMG
A TGC Schistosoma mansoniK
OG
cat
egor
y
BIOINFORMÁTICA UFMG
A TGC Sumarizando
80% (EST-aa) equivale a cutoff de 96% (EST-nt) usado no UniGene
Anotação com KOG é acima de 90% correta
Clusters KOG de S. mansoni não foram completamente descobertos– Alguns podem estar faltando…
BIOINFORMÁTICA UFMG
A TGC
BIOINFORMÁTICA UFMG
A TGC Níveis de expressão e amostragemem bibliotecas de EST
A chance de descobrir um gene dependerá– Da ocorrência– Da conservação
Ambos podem ser estimados em Organismos Modelo
BIOINFORMÁTICA UFMG
A TGC Computando amostragem e conservaçãode ESTs usando organismos modelo
ath cel dme hsa
KOG clusters
athESTs {N} Conservation
N Sampling
BIOINFORMÁTICA UFMG
A TGC I MISS YOUaplicado a S. mansoni
BIOINFORMÁTICA UFMG
A TGC I MISS YOUaplicado a S. mansoni
BIOINFORMÁTICA UFMG
A TGC Glicólise: exemplo de amostragem
BIOINFORMÁTICA UFMG
A TGC Genes muito expressos são mais compartilhados que os pouco expressos
BIOINFORMÁTICA UFMG
A TGC Resumindo
K-EST sugere a chance de descobrir um gene com quantidades crescentes de ESTs
Mostra o nível de variação da expressão entre as várias bibliotecas usando estatística de Steckel “R”
Amostragem conjugada a conservação, em organismos modelo, pode indicar ausência de genes
top related