Identifica

1
Identificação dos Genes de uma cadeia de DNA com
a ferramenta GENSCAN

• Lauro Didier Lins

Junho de 2001
2
O que é mesmo ...

• ... DNA?
• ... Gene?
• ... Identificação de Gene?
• ... Genscan?

3
Como identificar o que é e o que não é Gene numa
cadeia de DNA? (parte 1)

• Analogia de um DNA com um programa...
• Os Genes seriam blocos responsáveis por uma única
  rotina do programa.

... // esta rotina define a cor dos olhos da
pessoa. begin // a cor dos olhos será azul
cor_dos_olhos AZUL end // esta rotina define
se a pessoa escreve com // a mão esquerda ou
direita. begin // esta pessoa aqui será
canhota! escreve_com_a_mao ESQUERDA end ...
4
Como identificar o que é e o que não é Gene numa
cadeia de DNA? (parte 2)

• Num programa todo bloco...
• ... começa com um begin ...
• ... e termina com um end

... // esta rotina define a cor dos olhos da
pessoa. begin // a cor dos olhos será azul
cor_dos_olhos AZUL end // esta rotina define
se a pessoa escreve com // a mão esquerda ou
direita. begin // esta pessoa aqui será
canhota! escreve_com_a_mao ESQUERDA end ...
5
Como identificar o que é e o que não é Gene numa
cadeia de DNA? (parte 3)

• No programa todo bloco pode ser identificado
  simplesmente procurando as palavras begin e end.
• Será que todo gene também tem uma palavra begin
  e uma palavra end?

• Empiricamente podemos dizer que sim!

• Agora vem a pergunta mais importante Será que é
  possível definir como é a palavra begin e a
  palavra end de um gene para possamos
  indentificá-los assim como no programa (nossa
  analogia)?

• Definir exatamente ainda não é possível. Porém
  sabemos mais ou menos a cara do begin e do end
  de um gene e utilizamos este conhecimento para
  identificar estatisticamente (não é 100) onde
  estão os genes de uma cadeia de DNA.

6
O que sabemos... (parte 1)

• O Gene está situado em uma das fitas do DNA e é
  base para a codificação de um tipo de proteína.

7
O que sabemos...(parte 2)

• Identificar um Gene é equivalente a saber
  exatamente
• Em que fita do DNA se encontra o Gene.
• Onde estão seus Exons

8
O que sabemos...(parte 3)

• Alguns detalhes de como são mais ou menosos
  sinais begin e end de um Gene
• Antes do início de um Gene existe a região
  promotora rica em TATA (pares de Timina Adenina).
• Num dos exons iniciais existe um códon (tripla de
  nucleotídeos) normalmente ATG que será o marcador
  do início da tradução, ou seja, o próximo códon
  já definirá um aminoácido na proteína que será
  sintetizada.
• Entre um exon e um intron existe a chamada região
  de corte doadora (donor splice site ou 5 splice
  site).
• Entre um intron e um exon existe a chamada região
  de corte aceitadora (acceptor splice site ou 3
  splice site).
• No último exon do Gene existe um códon de parada,
  a partir do qual nenhum aminoácido entrará mais
  na proteína que está sendo sintetizada.
• A região após o último exon do gene é rica em As
  (Adenina) chamada cauda polyA

9
GENSCAN

• Ferramenta para identificação de genes numa
  cadeia de DNA baseda num modelo probabilistico
  para a estrutura do Gene descrito por Chris Burge
  e Samuel Karlin, ambos do departamento de
  matemática da universidade de Stanford.
• Modelo adequado para eucariotos.
• Modelo baseado num Generalized Hidden Markov
  Model (GHMM).

10
Características do GENSCAN

• Identificação da estrutura completa de
  intron/exon de um Gene numa cadeia de DNA.
• Capacidade de identificar múltiplos genes, genes
  parciais e genes completos.
• Capacidade de identificar um conjunto de Genes
  ocorrendo em ambas as fitas do DNA.
• Capacidade de identificar tanto exons otimais
  quanto exons sub-otimais (em relação ao modelo)

11
Como usar o GENSCAN
Pedaço contíguo de uma fita de DNA ACGAAGGTTCATAT
C...

• Matriz de Parâmetros (três opções)
• Vertebrados
• Arabidopsis
• Maize

Sub-Optimal cutoff 1.00, 0.50, 0.25, 0.10,
0.05, 0.02, 0.01 (se for 1.00 só gera á melhor
saída do modelo).
12
Exemplo (parte 1)

• Identificar os genes da seqüência X66401, que
  contém 66109 bp. Esta seqüência está presente no
  cromossomo 6 do homem e se sabe que ela contém 5
  genes (4 na fita que está registrada e 1 na fita
  oposta).

13
Exemplo (parte 2)

• A saída detalhada do GENSCAN tem a seguinte forma
  (apenas o primeiro gene downstream)...

Os scores têm a seguinte interpretação gt 100, é
muito bom 50100, é bom 0-50, é regular lt 0, é
ruim
14
Referências

• Transparência on-line (autor Terry Speed)
• http//www.ludwig.edu.au/CRCCGF/bioinformatics/rec
  og/index.htm
• Papers
• Burge,C. and Karlin,S. (1997) Prediction of
  complete gene structures in human genomic DNA. J.
  Mol. Biol., 268,78--94.
• Burge,C. and Karlin,S. (1998) Finding the genes
  in genomic DNA. Current Opinion in Structural
  Biology, 8346-354.
• Site do GENSCAN no MIT
• http//genes.mit.edu/GENSCAN.html

15
GENSCAN
The state-of-the-art program for finding Genes