Genomic IRM - une ressource publique pour l'étude des schémas de séquence dans l'ADN génomique

L'objectif général de cette procédure est d'explorer la non-aléatoire à moyenne échelle, également appelée hétérogénéité, d'une séquence génomique spécifiée par l'utilisateur. Cet objectif est atteint en examinant d'abord la composition en oligonucléotides d'une séquence d'entrée et en générant un tableau de fréquences des oligonucléotides composant la séquence. Cette étape est réalisée en exécutant le programme SRI Analyzer.

La deuxième étape consiste à produire des séquences aléatoires ayant exactement la même composition en oligonucléotides que la séquence d'entrée. Ceci est réalisé en appelant le programme générateur SRI. La troisième étape de la procédure consiste à identifier des segments dans les séquences d'entrée et randomisées qui sont significativement enrichis en un nucléotide particulier ou en une combinaison de nucléotides, par exemple GC ou ag.

Cet objectif est atteint grâce au programme MRI Analyzer. La dernière étape de la procédure consiste à télécharger les fichiers contenant les séquences de toutes les régions IRM détectées par le programme. En fin de compte, on peut obtenir des résultats montrant qu'une majorité de régions génomiques des arias pluricellulaires sont significativement enrichies en segments contenant des extrêmes de composition en bases, détectés pour chacun des quatre nucléotides ou pour toute combinaison de ceux-ci.

Ces régions homogènes sont associées à des conformations inhabituelles de l'ADN et/ou à des propriétés particulières de l'ADN. Cette méthode peut aider à répondre à des questions clés dans le domaine de la génomique, telles que la recherche d'éléments d'ADN potentiellement fonctionnels au sein de vastes zones de séquences non codantes, notamment les régions intergéniques ou les entrées. Bien que cette méthode puisse fournir des informations sur les génomes des mammifères, elle peut également être appliquée à d'autres organismes, comme les invertébrés, les plantes, les champignons et les bactéries.

Ouvrez la page d'accueil du package en ligne GRI (genomic mid-range in homogeneity ou G GM I) à l'adresse www.bioinfo.utoledo.edu/gri/, une ressource web. Cette dernière fournit également des informations détaillées sur les programmes via le lien d'aide « Comment lire le fichier Lisez-moi ».

Bien que tous les documents publiés sur l'IRM génomique et les algorithmes similaires soient répertoriés dans les liens vers les ressources pertinentes, créez un fichier contenant une séquence au format rapide pour démarrer une session d'analyse A-G-M-R-I. Une séquence au format rapide commence par un chevron ou un symbole supérieur à, suivi d'un identifiant ou nom unique, puis de la séquence sur les lignes suivantes. Seules les nucléotides T, G, A et C seront traitées par l'IRM génomique, bien que d'autres caractères soient autorisés en entrée.

Le fichier de séquence du gène PKD1 est utilisé. Pour démontrer la session, appuyez sur le bouton de démarrage. Cela ouvre une nouvelle page web, qui permet de copier et coller la séquence d'entrée dans la fenêtre fournie, ou si le fichier est volumineux.

Pour le téléverser, cliquez sur le bouton choisir un fichier afin de charger un fichier. Parcourez jusqu'au fichier souhaité. Ensuite, cliquez sur le bouton démarrer cette session avec ce fichier. Une confirmation indiquant que le fichier a été correctement téléversé s'affiche en haut de la page. Ci-dessous.

Ce message est un identifiant de la session en cours, qui dans ce cas est C huit EP zéro six. Pour analyser le degré de non-homogénéité à courte portée de la séquence d'entrée, cliquez sur le bouton analyser la non-homogénéité à courte portée. Le programme ouvre une nouvelle page, spécialement conçue pour l'exécution du programme SRI Analyzer.

Ici, nous devons choisir la longueur maximale des oligonucléotides à examiner. Étant donné que nos séquences d'entrée sont de taille moyenne, environ 50 000 nucléotides, nous sélectionnons les formes comme longueur maximale des oligonucléotides pour lesquels les fréquences seront calculées. Enfin, nous devons appuyer immédiatement sur le bouton analyser le fichier.

Le programme calcule les fréquences de tous les oligonucléotides de la longueur choisie ainsi que des longueurs inférieures dans la séquence d'entrée. Pour afficher les fréquences de tous les oligonucléotides, cliquez sur le lien télécharger le fichier de composition. Ce fichier est nommé fichier utilisateur.

com représente un tableau comportant trois colonnes. La première colonne précise les oligonucléotides. La deuxième indique leurs fréquences relatives, et la troisième indique le nombre d'occurrences des oligonucléotides dans la séquence d'entrée.

Pour générer des séquences aléatoires ayant la même composition en oligonucléotides que le fichier d'entrée, cliquez sur l'onglet générateur SRI. Sur la nouvelle page, choisissez le nombre d'échantillons de séquences aléatoires à générer. Chacun de ces échantillons contiendra des séquences aléatoires du même nombre et de la même longueur que les séquences d'entrée du fichier utilisateur.

Dans cet exemple, le fichier utilisateur correspond à la séquence du gène PKD1. Ensuite, sélectionnez la longueur maximale des oligonucléotides pour lesquels les fréquences seront approximées dans les séquences randomisées en activant le bouton radio « formers », qui désigne les oligonucléotides de quatre bases. Puis, choisissez deux comme nombre d'échantillons de séquences randomisées à générer.

Enfin, démarrez le programme en cliquant sur le bouton de génération de fichier pour les séquences d'entrée de plusieurs centaines de milliers de nucléotides. La génération de séquences aléatoires peut prendre quelques minutes. Attendez donc jusqu'à ce que des liens de téléchargement bleus apparaissent en bas de cette page.

Pour analyser l'hétérogénéité moyenne des séquences d'entrée et aléatoires, cliquez sur l'onglet analyseur d'IRM. Sur la nouvelle page, sélectionnez une séquence à analyser dans la zone de liste des fichiers à analyser. Ensuite, choisissez la teneur en GC parmi la liste des sept types de teneur.

Le contenu GC correspond à la composition en G plus C. Le champ « taille de la fenêtre » permet de sélectionner la longueur de la fenêtre pour laquelle seront examinées les séquences riches et pauvres en contenu. Conservez la taille de fenêtre par défaut de 50 nucléotides.

Enfin, choisissez le seuil supérieur et le seuil inférieur respectivement pour les régions riches en contenu et les régions pauvres en contenu. Ces seuils peuvent être définis par le nombre de nucléotides particuliers dans la fenêtre courante ou par le pourcentage de ces nucléotides dans la fenêtre. Dans ce cas, choisissons initialement des valeurs aléatoires de 60 % pour le seuil supérieur et de 30 % pour le seuil inférieur.

Ensuite, appuyez sur le bouton d'analyse du fichier. Un lien vers le fichier de sortie apparaît alors et une représentation graphique des résultats est affichée. Toutes les régions riches en contenu le long de la séquence d'entrée sont marquées par des pics bleus orientés vers le haut, tandis que les régions pauvres en contenu sont indiquées par des pics rouges orientés vers le bas. Le graphique montre qu'il y a trop de pics bleus indiquant des régions riches en GC et beaucoup moins de pics rouges indiquant des régions pauvres en GC.

Cela signifie que les paramètres choisis ne sont pas optimaux. Pour la prochaine itération, utilisez un seuil supérieur de 75 % et un seuil inférieur de 32 %. Lancez à nouveau l'analyseur d'IRM en cliquant sur le bouton analyser le fichier.

Le nouveau graphique montre que, même avec les nouveaux paramètres nettement plus stricts, il existe des centaines de pics bleus. Par conséquent, augmentez le seuil supérieur à 80 % et répétez les calculs. Le nouveau graphique indique qu'il y a 62 régions riches en GC dont la teneur en GC est supérieure ou égale à 80 %, ainsi que 28 régions pauvres en GC dont la teneur en GC est inférieure à 32 %. Ensuite, comparez les résultats du fichier d'entrée avec les deux séquences randomisées ayant la même composition en oligonucléotides que le gène PKD1.

Pour ce faire, modifiez la séquence du gène PKD un à une séquence aléatoire à l’aide de la liste déroulante du fichier à analyser, tout en conservant les mêmes paramètres pour les régions riches en GC et les régions pauvres en GC. L’affichage graphique nouvellement généré pour la séquence aléatoire numéro un illustre que cette séquence aléatoire ne présente qu’une seule région pauvre en GC et 31 régions riches en GC. Une autre séquence randomisée peut présenter quelques fluctuations quant au nombre de régions riches et pauvres en contenu, mais la tendance devrait rester identique.

Les séquences aléatoires pour le gène PKD présentent plusieurs fois moins de régions riches en GC. Les régions pauvres en GC sont plus de dix fois plus fréquentes que les régions riches en GC. La prochaine démonstration utilise un autre type de contenu IRM.

Dans le même paquet génétique, les introns d'un gène humain contiennent plusieurs régions riches en purines associées aux structures ADN ex. Sur la page web de l'analyseur MRI, remplacez le contenu ADN par les nucléotides ag représentant les purines. Conservez une taille de fenêtre égale à 50 bases et modifiez le seuil supérieur à 80 % et le seuil inférieur à 10 %. Ensuite, appuyez sur le bouton « analyser le fichier » pour exécuter le programme.

Le graphique affiché montre que ce gène possède six régions riches en AG, indiquées par des pics verticaux bleus, et 14 régions pauvres en AG, indiquées par des pics rouges. Ensuite, comparez ces résultats obtenus pour le gène PKD1 avec les données issues des séquences randomisées ayant la même composition en oligonucléotides que le gène étudié : passez d'abord à la séquence randomisée, par exemple le numéro deux, et conservez les mêmes paramètres que dans le test précédent. Le graphique de cette séquence aléatoire montre qu'elle contient une seule région riche en AG et aucune région pauvre en AG.

Toutes les données générées pendant la session sont enregistrées dans des fichiers spéciaux accessibles via l'onglet « télécharger les fichiers » situé dans le coin supérieur droit de chaque page web. Après avoir ouvert ce lien, téléchargez la séquence d'entrée ainsi que toutes les séquences randomisées générées. Sous cette liste de fichiers, un lien permet d'accéder au tableau des fréquences d'oligonucléotides produit par le programme d'analyse SRI.

Ensuite, des liens sont disponibles vers tous les résultats générés par le programme d'analyse IRM au cours de la session. Par exemple, cliquez sur le fichier utilisateur nommé RAND un quatre AGCO 50 32 14, qui représente les résultats obtenus pour la séquence randomisée numéro un, avec les paramètres suivants : teneur en AG, fenêtre de 50 nucléotides de long, seuil supérieur à 32 nucléotides et seuil inférieur à 14 nucléotides.

Dans ce fichier, tous les segments de séquences nucléotidiques correspondant à des critères riches ou pauvres en contenu, ainsi que leurs coordonnées, sont disponibles sous forme de liste selon leurs positions consécutives le long de la séquence d'entrée. Après avoir visionné cette vidéo, vous devriez avoir une bonne compréhension de la manière de naviguer dans l'IRM génomique, une ressource informatique.