Performance de anotação automática com grupos de ortólogos KOG

BIOINFORMÁTICA UFMG

A T

GC

BIOINFORMÁTICA UFMG

A T

GCPerformance de anotação automática

com 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 T

GC Como é uma entrada KOG?

BIOINFORMÁTICA UFMG

A T

GC 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 T

GCSeqüências de pUC reunidas por 82% de

similaridade equivalem a 96% de identidade

82%

.93

BIOINFORMÁTICA UFMG

A T

GC Os cutoffs se aproximam de 80% de similaridadepara alinhamentos EST-proteina correta

BIOINFORMÁTICA UFMG

A T

GCO teste de anotação

cel

dmehsa

ath

KOG

dmeESTs

Assigned ESTsto desired KOGs

BLAST

Cutoff 78%

BIOINFORMÁTICA UFMG

A T

GCElimine o KOG para um organismo por vez

(transforme-o em um transcriptoma novo)

cel

dmehsa

ath

KOG

dmeESTs

• correct: same KOG• changed: distinct KOG• speculated: not assigned

BLAST

BIOINFORMÁTICA UFMG

A T

GCA especulação minimiza com o cutoff

apropriado de “designação”

correct

especulated

changed

BIOINFORMÁTICA UFMG

A T

GC 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 T

GC Quantas ESTs eu preciso para descobrir oKOG todo?(com ou sem o organismo cognato na base)

Picturing Discovering

BIOINFORMÁTICA UFMG

A T

GC Por categoria funcional

C. elegans

D. melanogasterpicturing sampling

BIOINFORMÁTICA UFMG

A T

GC Schistosoma mansoniK

OG

cat

egor

y

BIOINFORMÁTICA UFMG

A T

GC 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 T

GC

BIOINFORMÁTICA UFMG

A T

GCNíveis de expressão e amostragem

em bibliotecas de EST

A chance de descobrir um gene dependerá– Da ocorrência– Da conservação

Ambos podem ser estimados em Organismos Modelo

BIOINFORMÁTICA UFMG

A T

GCComputando amostragem e conservação

de ESTs usando organismos modelo

ath cel dme hsa

KOG clusters

athESTs {N} Conservation

N Sampling

BIOINFORMÁTICA UFMG

A T

GCI MISS YOU

aplicado a S. mansoni

BIOINFORMÁTICA UFMG

A T

GCI MISS YOU

aplicado a S. mansoni

BIOINFORMÁTICA UFMG

A T

GC Glicólise: exemplo de amostragem

BIOINFORMÁTICA UFMG

A T

GCGenes muito expressos são mais

compartilhados que os pouco expressos

BIOINFORMÁTICA UFMG

A T

GC 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