Introduction à. Une plateforme d annotation et de génomique comparative des microbes

Transcription

1 Introduction à Une plateforme d annotation et de génomique comparative des microbes LABGEM - Laboratoire d'analyse Bioinformatique pour la Génomique et le Métabolisme - dir. C. Médigue" Institut de Génomique CEA / UMR CNRS Génomique Métabolique - dir. M. Salanoubat" 1

2 Et après la séquence?! Annotation Syntaxique CDSs, RNAs Regulation Répétitions... etc! Annotation Fonctionnelle Fonction des gènes Familles! Annotation relationnelle Annotation : 3 étapes Déterminer l ensemble des fonctions nécessaires à l accomplissement d un processus biologique Voies métaboliques Cascades de signalisation Regulation détection par contenu Vue Statique du génome Vue Dynamique du génome L. Stein (2001)

3 MicroScope - Composants Data Management Process Management JBPM Workflows Primary Databank Update JBPM Database PkGDB Primary Databanks DB Release Internal Genomic Objects Syntactic Annotations Job History Computational results Functional / relational Analyses MicroCyc Pathway Genome DataBases > 25 méthodes : Intégrées dans un gestionnaire de workflows => Automatique: Annotation données primaires à jour Visualization MaGe Web Interface Tutorial Genome overview Data Export Artemis CGView LinePlot Synton display Login Genome browser and Synteny maps Gene editor Gene cart Keyword search Blast and Pattern Phylogenetic Profile Fusion / Fission Tandem duplications Minimal Gene Set RGPfinder SNPs / InDels KEGG MicroCyc Metabolic Profile Pathway / Synteny Vallenet D. et al. MicroScope-- an integrated microbial resource for the curation and comparative analysis of genomic and metabolic data Nucleic Acids Research 2013

4 Flux d informations pendant le processus d annotation SYNTAXIQUE Genomic sequences FONCTIONNELLE Computations, similarity searches RELATIONELLE Process reconstruction RNA and protein genes Transcription/translation start & stop Nucleotide composition and «Words» Codon usage Genomic islands Ortho/Para/Homologs Gene/protein families Subcellular localization Motifs Functional assignations Gene context, gene order Comparative genomics: PhyloProfile Gene fusion/fission Regulatory networks Protein interaction Metabolic networks Genes / Proteins Annotated proteins Biological Processes EXPERTISE HUMAINE Data Expert visualization annotations EXPERTISE HUMAINE

5 MicroScope components Ssytème de Production Pipeline d annotation automatique Programmes enchaînés" l output du précédent est l input du suivant. - Pas d interaction avec les utilisateurs + Originalité des méthodes et utilisation des données primaires Procedure d assignation automatique (AutoFAssign)

6 Tools for syntactic and functional annotation Annotation Syntaxique Prodigal (prédiction gènes), RepSeek (répétitions), RNAmmer (rrna), trnascan-se (trna), RfamScan (ncrna) AMIGene (prédiction gènes), MICheck (re-annotation de génomes publics) Annotation Fonctionnelle BLAST (recherche de similitude), InterproScan (domaines fonctionnels), COGnitor (familles de protéines), PRIAM (fonctions enzymatiques), Pathway tools (reconstruction de voies métaboliques), SignalP & TMHMM & PSORT (localisation des protéines). Syntonizer (analyses du contexte génomique) En bout de course, AutoFAssign, réalise une assignation fonctionnelle sur la base de règles de décision

7 The MicroScope platform : Data Management - 1 PkGDB (Prokaryotic Genome DataBase) Organisation des données et persistence: # Données primaires (banques) # Résultats d analyses # Annotation experte > 6TB of data Le tout centralisé dans une seule instance # Annotation collaborative # gestion des droits utilisateurs Historique des annotations

8 PkGDB $ Annotation des objets génomiques Historique Annotation automatique Expert annotation 1 Expert annotation N Update Pipeline : AutoFAssign => Transfert des annotations des versions N des génomes vers les versions N+1

9 MicroScope components Système de production Pipeline d annotation Data management PkGDB Visualisation system Interface Graphique pour l annotation et la consultation Exploration and edition de la connaissance: Annotation Experte Outils de génomique comparative

10 Login Navigation News Liste des organismes disponibles

11 Genomic map in MicroScope : MaGe Genome Browser Login Navigation Organisme et séquence Documentation Quick Documentation Carte génomique et table des gènes

12 Microscope Overview Les outils of the navigation bar MaGe: Génome Browser et outils dédiés à l annotation experte Outils Génomiques: Genome overview, CG View, Tandem Duplications, COG automatic classification, Minimal Gene Set Génomique Comparative: Gene Phyloprofile, Genomic Islands, Line Plot, Fusion/Fission, Synteny statistics Métabolisme: KEGG, MicroCyc, Metabolic profiles, Synteny groups containing genes involved in metabolic pathway(s), CanOE, Pathway Curation tool. Recherche/Export: Search by keywords, BLAST searches & Download data Transcriptomique: Analysis of RNA-seq data Analyse de Variants: Analysis of evolution projects (SNPs/InDels) Panneau Utilisateur: Display preferences, Gene Carts, My Favourite Organisms, Personal Information A propos: Tutorial Access, Service offer, Collaborative Projects, Professional Trainings,

13 Annotation Experte Annoter les gènes du génome d Intérêt Utiliser les divers outils à disposition pour améliorer si possible l annotation autom

14 Outils de génomique comparative COMPARATIVE GENOMICS 0 RGP finder Pan/core Genome 0 LinePlot Fusion/Fission Synton visualization

15 Exploration du métabolisme Metabolic phyloprofile

16 Analyses de Transcriptomes " RNA-Seq " Gènes Sur/Sous Exprimés

17 Analyses de variants génomiques " Re séquençage de clones Evolution projects Détection des polymorphismes dans les populations bactériennes (SNPs/InDel) Dynamique mutationnelle des populations bactériennes (Suivi temporel)

18 Training courses on MicroScope platform Annotation Syntaxique des Génomes Bactériens Le codon d initiation

19 Carte du Génome d intérêt Repeat Regions CDSs Coding prediction curve obtained with Matrix 1 RNA genes (rrna, trna, misc_rna, ) Moving along the bacterial chromosome (here the E. coli genome)

20 Carte du Annotation Génome d intérêt editor access Cliquez Ici Ou là ;-)

21 L éditeur d annotation Partie de l'éditeur d'annotation permettant à l'expert de compléter / corriger l annotation automatique => La dernière annotation mise à jour est affichée avec le nom de l'annotateur courant (ici Giraud à qui un autre expert peut envoyer un courriel pour discuter de l'annotation actuelle) Partie de l'éditeur d'annotation contenant les résultats de l'annotation automatique. Ces valeurs sont mises à jour chaque fois que de nouveaux calculs doivent être effectués (mise à jour de base de données ou une nouvelle version de la molécule d'adn du génome étant annoté) L'accès aux résultats individuels de chaque outil d'annotation utilisé sur le gène de courant. Ces résultats sont régulièrement mis à jour avec de nouveaux calculs (mise à jour de base de données ou une nouvelle version de la molécule d'adn du génome étant annotées).

22 Les résultats AMIGene % CDS en sens direct (D) Probabilité de codage est meilleure avec la position de ré-ajusté du codon d'initiation par SHOW mais le début réajustement des prodigal est moins important. Probabilité de Codage calculée avec le modèle de gènes 3 (ie Matrix) Begin (leftmost start) AM_Lpcod (Mean coding probability on the length End-Begin+1) AMstart (AMIGene Start) 5 AM_Apcod (the length End-AMstart+1) 3 SHOW begin Prodigal Start End SHOW_proba (Mean coding probability on the length End-SHOW_begin +1) % CDS en sens reverse (R) Probabilité de codage est meilleure avec la position de ré-ajusté du codon de dinititiation (Amstart = SHOW = prodigal) Probabilité de Codage calculée avec le modèle de gènes 1 (ie Matrix) 3 Begin AM_Lpcod AM_Apcod End (leftmost start) 5 AMstart (AMIGene Start) = SHOW end & Prodigal End

23 (Re)annotation du codon d initiation avec Artemis -1- Herminiimonas arsenicoxydans - chromosome HEAR Start codon? Click on this functionality

24 Analyses Loading de variants data from génomiques the analyzed region in the Artemis software! The overall DNA sequence is loaded! The annotation data corresponding to the visualized region in MaGe are loaded. 1 2 Double click on one CDS to see the corresponding annotations in the upper map. 3

25 (Re)annotation du codon d initiation avec Artemis -2- Start codon for CENAR0439 OK (coding prediction curve + Artemis) RBS? RBS? The start codon for CENAR0438 is WRONG (coding prediction curve + alignments + overlap in Artemis)

26 (Re)annotation du codon d initiation avec Artemis select the CDS CENAR press the Y key (=> next start codon), U undo, Q the whole ORF -3- check the new start codon position (looking for the RBS pattern) CENAR0438 is selected New possible start position (two y key) Value of the new start position

27 (Re)annotation du codon d initiation avec Artemis -4- Other possible start position (three y ) Value of the new start position Which one is correct?.. Have a look at the alignments :

28 Mise à jour des annotations -1- Genomic Object Editor: CENAR0438 Herminiimonas arsenicoxydans - chromosome HEAR

29 Mise à jour des annotations -2- Before After correction.

30 Exercices A propos de Burkholderia thailandensis : " Selectionnez B. thailandensis BTH_I. Ouvrez la barre d'outils «MaGe» et regardez la section «Overlapping CDS». Accédez à la région de MaGe correspondant à la BTH_I0001 / 0002 et utiliser Artemis pour trouver la bonne position du codon start pour BTH_I0001. Regardez les résultats Start et alignements de SwissProt dans l'éditeur de gène BTH_I0001 pour vérifier votre conclusion...

31 Training courses on MicroScope platform Annotation Fonctionnelle des Génomes Bactériens Utilisation des alignements

32 UniProt TrEMBL >90,000,000 entries, >99 % SwissProt >500,000 entries, <1 % Literature extracted information Manually curated functional annotations Automatic translation of EMBL CDSs Complete and incomplete genomes ( Whole Genome Shotgun ) Functional annotations are very often coming from automatic procedure only Mais TrEMBL contient tout de même quelques protéines dont la fonction a été validée EXPERIMENTALEMENT

33 Analyser les résultats d alignements % Les rapports des longueurs d'alignement sont calculés pour chaque comparaison en utilisant le logiciel Blast: Lmatch = length of the match Lprot1 = length of protein 1 Lprot2 = length of protein 2. minlrap = Lmatch/ min(lprot1, Lprot2) maxlrap = Lmatch /max(lprot1, Lprot2) minl=1 minl=1 minl=1 minl<1 minl<1 maxl=1 maxl<1 maxl<1 maxl<1 maxl<1 Protéine modulaire? (domain fusion/fission) Alignement Ou problème fde start? OK! Ou pseudogène? Ou frameshift (erreur de séquençage)? Probable gene Remnant

34 Quelques exemples -1- Alignment OK! Problème de start: Alignment complet Sur le protéine de ref. : maxl<1 minl=1

35 Quelques exemples -2- Alignment is OK! Query plus longue protéine modulaire: maxl<1 Alignment complet Sur le protéine de ref. : minl=1

36 Sélectionner le génome d Acidaminococcus fermentans DSM Partie 1 : Annotation Syntaxique Exercices 1. Centrez la carte du génome d intérêt sur la séquence codante dont le label est Acfer_0931. La probabilité de codage vous semble-t elle bonne? Combien y a t il de modèles de gènes disponibles pour ce génome? 2. Ouvrir la fiche d annotation de l objet génomique en question. a) Avec quel modèle de gène a-t il été prédit? b) Le codon d initiation a t il été réajusté? c) La protéine encodée est-elle plutôt basique? Plutôt acide?

37 Sélectionner le génome d Acidaminococcus fermentans DSM Partie 2 : Annotation Fonctionnelle Exercices 1. Qu indiquent les annotations primaires? 2. Les similitudes sont calculées contre des données de référence issues de bactéries modèles E. coli K12 et B. subtilis 168. Que suggèrent les résultats obtenus contre ces 2 références? 3. Analyses des alignments: a) Section SwissProt Qu indique le premier hit obtenu? Cliquer sur le PBid de ce premier hit. Quelle(s) information(s) importante(s) doit-on retenir quant à l annotation de cette entrée? Qu indiquent les 2 et 3ème hits? b) Section TrEMBL Qu indique le premier hit obtenu? Pourquoi?

38 Sélectionner le génome d Acidaminococcus fermentans DSM Exercices Partie 2 : Annotation Fonctionnelle (Suite) 4. Les activités enzymatiques potentielles sont reportées dans les résultats PRIAM (PRofils pour l Identification Automatique du Métabolisme). Combien d activités sont reportées? Cliquer sur le(s) lien(s) proposés pour obtenir de plus amples informations sur cette/ces activité(s)? Sont-elles toutes pertinentes? 5. L étude des domaines fonctionnels est reportée dans la section InterProScan a) Combien de méthodes différentes détectent des motifs/domaines dans notre séquence d intérêt? Quelles sont celles qui détectent préférentiellment des domaines? b) Parmi celles qui détectent des domaines, proposent-elles toutes les mêmes résultats? Pourquoi (Hint: comparer par exemple les résultats HMMPfam et Gene3D)? 6. Et pour finir l annotation fonctionnelle proprement dite a) Le produit b) La confiance accordée à cette annotation