View
21
Download
1
Category
Preview:
DESCRIPTION
Uma abordagem para detecção e remoção de artefatos em seqüências ESTs. Christian Baudet Zanoni Dias (Orientador). Instituto de Computação – Unicamp Campinas, 01 de Dezembro de 2006. Roteiro. Motivação Conceitos Nova estratégia de detecção de artefatos Detecção e remoção de derrapagem - PowerPoint PPT Presentation
Citation preview
Uma abordagem para detecção e remoção de artefatos em
seqüências ESTs
Christian BaudetZanoni Dias (Orientador)
Instituto de Computação – UnicampCampinas, 01 de Dezembro de 2006
Roteiro Motivação Conceitos Nova estratégia de detecção de artefatos Detecção e remoção de derrapagem Detecção e remoção de baixa qualidade Novo conjunto de procedimentos de
detecção e remoção de artefatos Conclusões e trabalhos futuros
Motivação Importância da pesquisa genômica Identificação de genes pode trazer:
Descoberta da cura de doenças Descoberta de características de interesses
comerciais Conhecimento sobre evolução dos
organismos Necessidade de dados confiáveis
O que são ESTs? EST – Expressed Sequence Tags
Adams et al, 1991 – “Complementary DNA sequencing: expressed sequence tags and the human genome project”
Transcrição Gene transcrito para mRNA
Produção de cDNA Enzima transcriptase reversa
E o que são artefatos? Artefatos são trechos que:
Não pertencem ao organismo alvo do estudo Baixa qualidade ou baixa complexidade
Remoção necessária Podem influenciar negativamente a análise
dos dados
Detecção e remoçãode artefatos
Conjuntos de procedimentos variam muito de projeto para projeto
Os conjuntos normalmente são formados por várias etapas
As etapas são dependentes entre si Execução é feita seqüencialmente Cada etapa depende do resultado da etapa
anterior
Nova Estratégia Detecções de diferentes artefatos
Etapas independentes Cada etapa analisa a seqüência original
Etapa final Combina todos os artefatos encontrados Identifica a região do inserto
Avaliação da Nova Estratégia Processamento das seqüências do projeto Cattle
EST (Bos taurus) Procedimentos baseados no trabalho de Telles e
da Silva, 2001 – “Trimming and clustering sugarcane ESTs” Simplificação dos métodos de detecção de vetor e
de caudas poli-A/T Detecção de adaptador separada da detecção de
vetor Algoritmo de subseqüência máxima para detecção
de baixa qualidade Sem detecção de derrapagem
Avaliação da Nova Estratégia Todos os tipos de artefatos foram detectados Análise dos artefatos produzidos mostrou:
2,46% de um total de 12.520 seqüências possuíam artefatos que não seriam identificados caso as etapas não fossem independentes
Remoção de seqüências ribossomais também aplicável a mamíferos
Clustering com maior grau de agrupamento de seqüências Menor número de singletons e clusters
Derrapagem Artefato de seqüenciamento
Regiões ricas em grupos ecoados Trabalho de Telles e da Silva único na literatura
Três novos métodos Média Aritmética Média Geométrica Cobertura por Ecos
Duas estratégias Sufixo Subseqüência
Avaliação dos Métodos Testes
Variação de parâmetros Processamento de seqüências do projeto
SUCEST (291.689 ESTs) Melhor estratégia: Subseqüência
Encontra artefatos na porção inicial da seqüência
Melhor método: Cobertura por Ecos Menor perda de hits de BLAST
Baixa Qualidade Avaliação de dois algoritmos
Janela deslizante Subseqüência máxima
Variação exaustiva dos parâmetros Análise de 1950 execuções distintas Critério de seleção de alternativas
2,5% de erro médio (25 bases 5’) 5,0% de erro médio (25 bases 3’) 80,0% de preservação média do BLAST hit
Baixa Qualidade Adição de procedimento para detecção de
ilhas de baixa qualidade Janela deslizante
Tamanho: 10 bases Erro médio de 20,0% no mínimo
Reprocessamento dos fragmentos Melhor algoritmo: Subseqüência máxima
Qualidade mínima 11 Procedimento de detecção de ilhas
Novo conjunto de procedimentos
Combinação dos resultados dos estudos realizados Nova estratégia Simplificação de métodos Adoção das decisões dos estudos de
derrapagem e baixa qualidade Realização de testes com o conjunto
completo de ESTs do projeto SUCEST
SUCEST x Novo Conjunto
SUCEST Novo Conjunto
Menor descarte de seqüências
18,44% 12,97%
Menor tamanho médio
641,57 ± 139,79 bp 472,05 ± 121,68 bp
Maior qualidade média
27,74 ± 14,30 33,25 ± 14,78
SUCEST x Novo Conjunto Produção de clustering: 145.845 seqüências
SUCEST: 118.991 seqüências 20.202 singletons e 16.394 contigs (36.596)
Novo conjunto: 126.988 seqüências 22.479 singletons e 17.486 contigs (39.965) Melhores consistências interna e externa Menor redundância Redução do número de hits Full-Length Diminuição de SNPs e aumento de INDELs
Conclusão Nova estratégia apresenta bons resultados Novas alternativas para detecção de
derrapagem Estudo de baixa qualidade
Análise aprofundada Adição de procedimento para detecção de
ilhas de baixa qualidade Novo conjunto de procedimentos
Trabalhos Futuros Estudo mais detalhados dos demais artefatos
Estudo de outras variações de parâmetros dos algoritmos para detecção de derrapagem
Estudo do efeito da variação de exigência da qualidade média sobre a construção de clusterings
Aperfeiçoamento de algoritmos de clusterização de seqüências (Projeto de Doutorado)
Trabalhos Publicados Nova estratégia
C. Baudet and Z. Dias, “New EST trimming strategy”. In J.C. Setubal and S. Verjovski-Almeida, editors, Lectures Notes on Bioinformatics, volume 3594, pages 206-209. Springer-Verlag Berlin Heildelberg, July 2005. Brazilian Symposium on Bioinformatics 2005 (BSB2005), extended abstract.
C. Baudet and Z. Dias, “New EST trimming strategy”, Technical Report: IC-05-09, Institute of Computing – University of Campinas, May 2005.
Trabalhos Publicados Derrapagem
C. Baudet and Z. Dias, “Analysis of slipped sequences in EST projects”. Genetics and Molecular Research, 5(1):169-181, 2006.
C. Baudet and Z. Dias, “Analysis of slipped sequences in EST projects”. X-Meeting 2005, Caxambu – MG, October 2005, poster.
Trabalhos Publicados Baixa qualidade
C. Baudet and Z. Dias, “Low quality trimming on SUCEST ESTs”. X-Meeting 2006, Fortaleza – CE, August 2006, poster.
Novo conjunto de procedimentos C. Baudet and Z. Dias, “New EST trimming
procedure applied to SUCEST sequences”. 14th Annual International Conference On Intelligent Systems For Molecular Biology (ISMB2006), Fortaleza – CE, August 2006, poster.
Recommended