Anotação do genoma da bactéria Clostridium botulinum com pyrodigal e prokka

Projeto Final do WBDS LA CAMP

Elaborado para WBDSLA, por Rafaella Pontes Marques

To the extent possible under law, Rafaella Pontes Marques has waived all copyright and related or neighboring rights to Projeto Final WBDS LA CAMP - Anotação do genoma da bactéria Clostridium botulinum com pyrodigal e prokka . This work is published from: Brasil.

O objetivo deste projeto é treinar a anotação do genoma da bactéria Clostridium botulinum utilizando pyrodigal e Prokka. Adicionalmente, pretende-se realizar uma busca nominal simples com intuito de encontrar genes que codifiquem para algum dos subtipos da toxina botulínica.

• Instalação- As seguintes bibliotecas, algoritmos e banco de dados serão necessários para as análise:

  • credentials.py: arquivo para armazenar chaves de acesso para a API NCBI;
  • pandas: para manipulação de dataframes;
  • pyrodigal: para a predição de genes codificadores;
  • requests: para interagir com a API NCBI;
  • BioPython: para manipulação de sequência;
  • Galaxy: uma plataforma online para análise de sequências biológicas que integra diversos algoritmos, dentre eles o Prokka e o JBrowse:
    • O Prokka é um algoritmo de anotação de genomas procariótos;
    • O JBrowse é um genome browser (visualizador de genoma) online.
  • UniProt: é um banco de dados de anotação de proteínas.

• Execução:

  • O arquivo contendo as comandos utilizados na análise, "anotacao_cb_script.ipynb", encontra-se no diretório script. Recomenda-se que este seja visualizado utilizando o Google Colaboratory;

  • O modelo para preenchimento das informações referentes a chave API do NCBI, "credentials.py", encontra-se no diretório input. Você deve preencher com seu email e a chave API gerada na conta NCBI. Informações sobre chave API

  • Os arquivos necessários para a análise e os gerados após a execução deste projeto podem ser encontrados nos diretórios input e output, respectivamente.

  • Arquivos do diretório input:

    • credential.py;
    • GCF_000827935.1_ASM82793v1_genomic.fna: sequência genômica de Clostridium botulinum. Também pode ser obtido acessando a página do assembly ASM82793v1 no site NCBI-Genome.

  • Arquivos do diretório output:

    • Arquivos gerados pelo algoritmo prodigal:

      • CP010520.1.faa: arquivo contendo as traduções das sequências preditas;
      • CP010520.1.gff: arquivo contendo a anotação das sequências preditas;

    • Arquivos gerados pelo algoritmo Prokka do Galaxy:

      • Prokka on data 1: log: arquivo contendo os parâmetros e comandos usados na análise;
      • Prokka on data 1: txt: arquivo contendo um resumo dos resultados;
      • Prokka on data 1: err: arquivo contendo os erros fatais;
      • Prokka on data 1: tsv e Prokka on data 1: tbl: arquivos semelhantes em formato tabular que apresentam o locus genômico, tamanho da sequência, gene e produto gerado;
      • Prokka on data 1: fsa: arquivo contendo a sequência dos contigs;
      • Prokka on data 1: sqn: arquivo contendo as informações da análise e que pode ser submetido ao GenBank;
      • Prokka on data 1: ffn: arquivo contendo as sequências de cDNA das proteínas identificadas;
      • Prokka on data 1: faa: arquivo contendo as sequências de aminoácidos das proteínas identificadas;
      • Prokka on data 1: fna: arquivo contendo a sequência input;
      • Prokka on data 1: gbk: arquivo GenBank contendo as sequências e anotações;
      • Prokka on data 1: gff: arquivo gff contendo as sequências e anotações.

    • Arquivos gerados pelo algoritmo JBrowse do Galaxy:

      • JBrowse on data 2 and data 4 - minimal: um visualizador do genoma

Sobre mim

Meu nome é Rafaella Pontes Marques, sou Graduanda em Biomedicina na Universidade Federal de São Paulo. Contato: rafaella.marques@unifesp.br