AUGUSTUS - identifikacija genov

Avtorja: Kostadin Mitkov, Maša Mencigar

Datum predstavitve: 2022.05.04

---

Namen vaje

Namen vaje se je naučiti uporabljati spletni program Augustus, s katerim lahko določimo neznano genomsko zaporedje. Program najde posamezne gene v genomskem zaporedju, identificira pa tudi regije v genu (introni, eksoni, medgenske regije).

---

Program

Program: Augustus : gene prediction

Avtorji programa: Prof. Dr. Mario Stanke, Bioinformatics Group of the Institute for Mathematics and Computer Science of the University of Greifswald, http://bioinf.uni-greifswald.de/bioinf/

Reference:

• Mario Stanke, Mark Diekhans, Robert Baertsch, David Haussler. (2008) Using native and syntenically mapped cDNA alignments to improve de novo gene finding Bioinformatics 24, Issue 5, 637–644, 10.1093/bioinformatics/btn013

• M. Stanke , O. Schöffmann , B. Morgenstern, S. Waack. (2006) Gene prediction in eukaryotes with a generalized hidden Markov model that uses hints from external sources. BMC Bioinformatics 7, 62. 10.1186/1471-2105-7-62

• Mario Stanke and Burkhard Morgenstern. (2005) AUGUSTUS: a web server for gene prediction in eukaryotes that allows user-defined constraints Nucleic Acids Research 33, W465-W467. 10.1093/nar/gki458

• Mario Stanke and Stephan Waack. (2003) Gene Prediction with a Hidden-Markov Model and a new Intron Submodel Bioinformatics Vol. 19, Suppl. 2,ii215-ii225. 10.1093/bioinformatics/btg1080

• Mario Stanke, Rasmus Steinkamp, Stephan Waack and Burkhard Morgenstern. (2004) AUGUSTUS: a web server for gene finding in eukaryotes Nucleic Acids Research Vol. 32, W309-W312 10.1093/nar/gkh379

Opis programa

Program deluje na osnovi GHMM (generalized hidden Markov model), ki definira verjetnost porazdelitve za različne dele genomskega zaporedja. Introni, eksoni in medgenske regije ustrezajo stanjem v modelu in vsako stanje ustvari zaporedja DNK z določenimi vnaprej izbranimi emisijskimi verjetnostim. Program najde optimalno razčlenitev danega genomskega zaporedja, to je segmentacija zaporedij v stanja, ki imajo najboljše ujemanje z osnovnim statističnim modelom. Parametri osnovnega statističnega modela so bili določeni z uporabo več kot 1000 različnimi zaporedji z že poznanimi genomskimi zaporedji. Dokazali so da je program Augustus za dolga genomska zaporedja najbolj natančen v primerjavi z drugimi porgrami. Augustus zelo dobro deluje za daljša genomska zaporedja, predvsem za sesalce.

Vhodni podatki

Genomska zaporedja DNA v FASTA formatu. Maksimalno število baznih parov je 3 milijone.

---

Navodila

Vhodni podatki

Kot vhodne podatke uporabite:

• genomsko zaporedje človeškega receptorja skopljenega z G-proteinom - Rodopsin

• genomsko zaporedje arheje Halorubrum sp. SS5

Postopek dela

• Odprite spletno stran Augustus in izberite web interface

• Kopirajte celotno genomsko zaporedje Rodopsina v FASTA formatu

• Prilepite zaporedje v izbran okvir

• Izberite pravilen organizam

• Izberite opcijo forward strand only, ostalo pustite na osnovnih nastavitvah in poženete program

• Rezultate si pustite odprte in odprite novo okno ter ponovite vse korake le da nemesto zaporedja Rodopsina uporabite zaporedje arheje Natrialba sp.

Pričakovani rezultati in razlaga

Pri prvem zaporedju je program pravilno napovedal dele gena (kodirajoče zaporedje, introni, start kodon, stop kodon), podal je tudi zapis za aminokislinsko zaporedje proteina. Da se rezultati res ujemajo lahko preverite na genbank ali naredite poravnavo.

Pri drugem zaporedju pa smo naleteli na težavo že ob izbiri organizma, saj ima program omejeno izbiro organizmov, med katerimi našega iskanega ni. Če bi pa izbrali drug organizem za ta primer, pa rezultati ne bi bili pravilni.