Universitat Barcelona - Bioinformatics - Faculty Biology

1. Profesores:
Jose
F.
Sanchez
(Dept.
Gené+ca,
Micro.
y
Estadís+ca)
jfsanchezherrero@ub.edu
Olga
Tura
(Dept.
Bioq
y
Biomed.
Molecular)
olgaturac@gmail.com

4. Alineamiento
Múl+ple

5. Alineamiento
Múl+ple

6. Alineamiento
secuencias:
Programación
Dinámica

7. Progressive
Mul+ple
Alignment

8. Progressive
Mul+ple
Alignment

9. Progressive
Mul+ple
Alignment

10. Progressive
Mul+ple
Alignment

11. Progressive
Mul+ple
Alignment
Consensus

12. Progressive
Mul+ple
Alignment
Consensus

13. Progressive
Mul+ple
Alignment
Consensus
Consensus

14. Progressive
Mul+ple
Alignment
Consensus

15. Progressive
Mul+ple
Alignment
Consensus

16. Progressive
Mul>ple
Alignment
ó
Hierarchical
Method
ó
Tree
Alignment
Method

17. Obje+vos
1. Entender
funcionamiento
de
las
herramientas
para
generar
alineamientos
múl+ples:
T-­‐coffee
y
clustal
2. Iden+ficar
zonas
conservadas
evolu+vamente
3. Generar
un
modelo
de
dominio
funcional

18. Ejercicio
• Alineamiento
transferrinas:
– Herramientas:
• Clustal-­‐o
• T-­‐coffee
– Fichero
Campus
Virtual:
• transferrin1.fa

19. Output
“*”
100
%
Conservado
“.”
Conservado
“:”
Bastante
conservado
“
“
No
conservado

20. Output

21. Output

22. Output
• PIM:
Percent
Iden+ty
Matrix
• Guide
Tree

23. Guide
Tree
≠
Phylogene+c
Tree
Guide
Tree:
Árbol
generado
antes
del
alineamiento,
por
similitud
de
secuencias
por
parejas
Phylogene>c
Tree:
Árbol
generado
a
par+r
del
alineamiento
múl+ple.
Refinado.

24. ¿Qué
diferencias
hay
entre
Clustal
y
T-­‐coffee?
• Ambos
alineamientos
son
bastante
similares
– Muy
pocas
secuencias
y
muy
similares
• Arbol
guía
o
PIM
diferentes
• Conclusiones
iguales
• Recomendación:
U+lizar
T-­‐coffee
– Más
moderno
– Sofis+cado

25. Ejercicio
• Alineamiento
transferrinas
2:
– Herramientas:
• Clustal-­‐o
• T-­‐coffee
– Fichero
Campus
Virtual:
• transferrin2.fa

26. Preguntas
• ¿Qué
diferencias
hay
respecto
al
anterior
alineamiento?
• Encuentra
regiones
de
10
aminoácidos
con
al
menos
5
iden+dades

27. Ejemplo
de
Cedric
Notredame
(T-­‐coffee)

28. Ejemplo
de
Cedric
Notredame
(T-­‐coffee)
Abraham
Wald
-­‐
World
War
II
Airplanes

29. Patrones
conservados

30. Patrones
basados
en
Expresiones
Regulares
• Expresiones
regulares:
– Secuencia
de
caracteres
que
forma
un
patrón
de
búsqueda.
– U+lizada
para
la
búsqueda
de
patrones
de
cadenas
de
caracteres
u
operaciones
de
sus+tuciones.
– Por
ejemplo,
el
grupo
formado
por
las
palabras:
Handel,
Händel
y
Haendel
=
"H(a|ä|ae)ndel”

31. Construcción
de
un
modelo
• Herramienta:
– Clustal-­‐o
• Fichero:
cu+cula.fa

32. Obtener
patrón
expresión
regular

33. Obtener
patrón
expresión
regular
10
aminoácidos
4
iden+dades

34. Obtener
patrón
expresión
regular
10
aminoácidos
4
iden+dades

35. Obtener
patrón
expresión
regular
10
aminoácidos
4
iden+dades

36. Obtener
patrón
expresión
regular
10
aminoácidos
4
iden+dades
¿Expresión
regular?

37. Obtener
patrón
expresión
regular
10
aminoácidos
4
iden+dades
G-­‐[SV]-­‐[FY]-­‐x(4)-­‐[PEV]-­‐[DE]-­‐G

38. Búsqueda
base
de
datos
Uniprot
• Herramienta:
ScanProsite
• Opción
2:
“Submit
Mo+f”
G-­‐[SV]-­‐[FY]-­‐x(4)-­‐[PEV]-­‐[DE]-­‐G

39. Búsqueda
base
de
datos
Uniprot
• ¿Son
cukculas
de
insecto
las
secuencias
que
aparecen?
• ¿qué
proporción
si
son?
35/396
=
8,83
%
• ¿Es
un
buen
discriminador
de
cukculas
de
insecto?

40. Obtener
patrón
expresión
regular
-­‐ Aumentar
tamaño
-­‐ Incluir
más
secuencias

41. Chi>n-­‐binding
type
R&R
domain
G-­‐x(7)-­‐[DEN]-­‐G-­‐x(6)-­‐[FY]-­‐x-­‐A-­‐[DNG]-­‐x(2,3)-­‐G-­‐[FY]-­‐x-­‐[APV]