Bio-informatica
Bash
, Bio-informatica
Les 1:
Part I Databases:
ENTREZ GENE: is een databank die informatie geeft over een gen.
• Te vinden door https://www.ncbi.nlm.nih.gov/gene/ te zoeken
• Vaak is de bovenste optie het gen. De opties die verder nog worden gegeven zijn op basis van textsearch.
• Hier is als voorbeeld het gen Tp53 gebruikt. Let goed op want p53 is het proteïne en Tp53 het gen.
• Onder het kopje ‘Genomic regions, transcripts and products’ staat informatie over de verschillende regio’s van het gen.
• Aan de rechterkant staan links naar Genome Browsers en andere data bases.
UCSC, Ensembl, PubMed, Nucleotide, OMIM.
Potentiële examenvraag:
Hoeveel mRNA vormen bij een bepaald gen? Nu bijvoorbeeld Tp53?
= 15 afschriften.
,• Tp53 is een van de bekendste genen.
• Elke lijn is een isovorm van een transcript door verschillende promotoren en alternatieve splicing.
• Elke lijn heeft een unieke RefSeq indentifier NM_identifier. Deze NM transcripten hebben ook een unieke NP_protein entry.
• Onderaan de Gene pagina staat de NCBI Reference Sequence (RefSeq) met daarin informatie over deze NM/NP’s.
FLATFILE in ‘GeneBank format’
• Entrez Nucleotide bevat alle nucleotiden sequences.
• Opzoeken via NM_
• Na een punt (NM_000564.6) is het versie nummer. Header
REFSEQ: Een secundaire databank. Hier staan meer sequences in dan in GenBank.
• Hierin staat een entry per mRNA.
FLATFILE in ‘GeneBank format’ (.GB)
• Nucleotide ENTREZ
• Je maakt gebruik van een accession number bijvoorbeeld U54469.
• Deze flatfile bestaat uit een header, features en een sequence.
Features
FLATFILE in ‘FASTA FORMAT’ (.FASTA)
• >U54469.1 is de sequence identifier
• Kan in een nucleotide sequence weergegeven worden (>U) en in een
protein sequence (>P).
FLATFILE is een platte database en in wezen een eenvoudige tabel.
Sequence
, Deze FLATFILE’s kan je editten en openen in een text editor. In een text editor kan je ook codes schrijven in programmeertaal.
• In Mac OS: vi, Emacs, TextWrangler / BBEdit
EUROPEAN BD- EMBL/EBI: Ook een databank
• Geeft vaak informatie rondom een ziekte.
• EBI linkt vaak naar Ensembl.
DBFETCH: Hiermee kan je data opzoeken van EMBL/EBI.
EUROPEAN NUCLEOTIDE ARCHIVE (ENA): Ook een database, maar wordt
vaak gebruikt als bijvoorbeeld PubMed niet beschikbaar is. Database van het
Europese continent.
EXERCISE
Find publication in PubMed with PMID 29764999
Explore the Gene and Nucleotide(RefSeq) links in the “Related Information”
• Which gene is it linked to?
• What is the NM indentifier?
Download GenBank formatted flatfile
Download flatfile using DBFetch (use format=default) Open in text editor
• BBEdit for Mac OS X
Uitwerking:
• Zoek naar Gene ENTREZ en verander vervolgens gene naar PubMed.
• Scroll naar beneden en klik op ‘Gene’ onder het kopje ‘Related information’. Hier is te zien dat het gaat om GENE E2F1.
• Scroll naar beneden op deze pagina en onder het kopje ‘NCBI Reference Sequences (RefSeq)’ bij ‘mRNA an Protein’s’ staat de
NM indentifier namelijk: NM_005225.3.
• Om vervolgens de GenBank formaties flatfile te downloaden moet je op deze NM_ indentifier klikken. Deze leidende naar de
nucleotide ENTREZ. Hier kan je de GenBank formatted FLATFILE downloaden in de rechter hoek.
• Laatste stap met DBFetch begrijp ik nog niet helemaal.
Bash
, Bio-informatica
Les 1:
Part I Databases:
ENTREZ GENE: is een databank die informatie geeft over een gen.
• Te vinden door https://www.ncbi.nlm.nih.gov/gene/ te zoeken
• Vaak is de bovenste optie het gen. De opties die verder nog worden gegeven zijn op basis van textsearch.
• Hier is als voorbeeld het gen Tp53 gebruikt. Let goed op want p53 is het proteïne en Tp53 het gen.
• Onder het kopje ‘Genomic regions, transcripts and products’ staat informatie over de verschillende regio’s van het gen.
• Aan de rechterkant staan links naar Genome Browsers en andere data bases.
UCSC, Ensembl, PubMed, Nucleotide, OMIM.
Potentiële examenvraag:
Hoeveel mRNA vormen bij een bepaald gen? Nu bijvoorbeeld Tp53?
= 15 afschriften.
,• Tp53 is een van de bekendste genen.
• Elke lijn is een isovorm van een transcript door verschillende promotoren en alternatieve splicing.
• Elke lijn heeft een unieke RefSeq indentifier NM_identifier. Deze NM transcripten hebben ook een unieke NP_protein entry.
• Onderaan de Gene pagina staat de NCBI Reference Sequence (RefSeq) met daarin informatie over deze NM/NP’s.
FLATFILE in ‘GeneBank format’
• Entrez Nucleotide bevat alle nucleotiden sequences.
• Opzoeken via NM_
• Na een punt (NM_000564.6) is het versie nummer. Header
REFSEQ: Een secundaire databank. Hier staan meer sequences in dan in GenBank.
• Hierin staat een entry per mRNA.
FLATFILE in ‘GeneBank format’ (.GB)
• Nucleotide ENTREZ
• Je maakt gebruik van een accession number bijvoorbeeld U54469.
• Deze flatfile bestaat uit een header, features en een sequence.
Features
FLATFILE in ‘FASTA FORMAT’ (.FASTA)
• >U54469.1 is de sequence identifier
• Kan in een nucleotide sequence weergegeven worden (>U) en in een
protein sequence (>P).
FLATFILE is een platte database en in wezen een eenvoudige tabel.
Sequence
, Deze FLATFILE’s kan je editten en openen in een text editor. In een text editor kan je ook codes schrijven in programmeertaal.
• In Mac OS: vi, Emacs, TextWrangler / BBEdit
EUROPEAN BD- EMBL/EBI: Ook een databank
• Geeft vaak informatie rondom een ziekte.
• EBI linkt vaak naar Ensembl.
DBFETCH: Hiermee kan je data opzoeken van EMBL/EBI.
EUROPEAN NUCLEOTIDE ARCHIVE (ENA): Ook een database, maar wordt
vaak gebruikt als bijvoorbeeld PubMed niet beschikbaar is. Database van het
Europese continent.
EXERCISE
Find publication in PubMed with PMID 29764999
Explore the Gene and Nucleotide(RefSeq) links in the “Related Information”
• Which gene is it linked to?
• What is the NM indentifier?
Download GenBank formatted flatfile
Download flatfile using DBFetch (use format=default) Open in text editor
• BBEdit for Mac OS X
Uitwerking:
• Zoek naar Gene ENTREZ en verander vervolgens gene naar PubMed.
• Scroll naar beneden en klik op ‘Gene’ onder het kopje ‘Related information’. Hier is te zien dat het gaat om GENE E2F1.
• Scroll naar beneden op deze pagina en onder het kopje ‘NCBI Reference Sequences (RefSeq)’ bij ‘mRNA an Protein’s’ staat de
NM indentifier namelijk: NM_005225.3.
• Om vervolgens de GenBank formaties flatfile te downloaden moet je op deze NM_ indentifier klikken. Deze leidende naar de
nucleotide ENTREZ. Hier kan je de GenBank formatted FLATFILE downloaden in de rechter hoek.
• Laatste stap met DBFetch begrijp ik nog niet helemaal.
