O documento apresenta informações sobre um curso de introdução à bioinformática ministrado por Renato Puga, incluindo formatos de dados comuns em sequenciamento de nova geração, como FASTQ, BAM, VCF e BED. Também discute ferramentas de análise de dados genômicos como GATK e Variant Effect Predictor.

1. Ensino Einstein

2. BAG2019 SP Turma II
Introdução à Bioinformática e hands on
Olá Ambiente de Bioinformática, Primeiros Comandos, NGS
Formatos e Métricas de Qualidade de Sequenciamento.
Renato Puga
renatopuga@gmail.com

3. Short Bio
DLE - NTO SP
Hospital Israelita Albert Einstein
AC Camargo Cancer Center
MBA Blockchain Dev - FIAP
Mestre em Ciências Biológicas - USP
Analista de Sistemas - UNAERP
Google Acadêmico
goo.gl/r5ko8T
Linkedin
linkedin.com/in/renato-puga-24885524/
renatopuga@gmail.com
Bioinformatician Consultant
Renato Puga

5. https://github.com/ https://www.biostars.org/
http://google.com Amigos

7. NextSeq - Corrida

8. HiSeq - Corrida

9. NovaSeq 6000

11. NovaSeq 6000 - Data output ~

12. Era dos Milhões de Genomas
12
Participantes Escala
1.000 Grande
10.000 Mega
100.000 Ultra
1.000.000 Jedi

13. 1.000.000
100.000
10.000
10.000.000
1.000
100
10
NúmerodeParticipantes
Alguns Projetos de Genômas
AstraZeneca
Genome Asia 100k
Million Veteran Program
PMI Cohort
100k Genomes UK
The Cancer Genome Atlas (TCGA)
1k Genomes Project ABraOM - Brazilian genomic variants

14. Demanda
SP

15. What is MyCode?
https://www.geisinger.org/mycode

16. Comparação de tipos Sequenciamento
WGS / WES / Panel
Whole Genome
Sequence
(WGS)
Whole Exome
Sequence
(WES)
Painel
1% do
WGS

17. Ferramentas de
Bioinformática
play tools

18. https://www.explainxkcd.com/wiki/index.php/927:_Standards

20. Genome Analysis Toolkit GATK - Pipeline
Variant Discovery in High-Throughput Sequencing Data
20
https://software.broadinstitute.org/gatk/

21. 29
Bioinformática 3.0 - targeted analysis pipelines and tools powered by the cloud

23. Tipos de Dados
Next Generation Sequences (NGS)
23
FASTQ BAM VCFBED
FASTA + Quality
arquivo texto com
sequências de
nucleotídeos e
qualidade por base.
Binary Alignment
Map
arquivo binário de
sequências
alinhadas em uma
referência.
Variant Call Format
arquivo texto com as
variantes encontradas
em relação a
referência.
Browser Extensible
Data
arquivo texto com
regiões genéticas
alvos de interesse

24. FASTQ
FASTA + Quality
arquivo texto com
sequências de nucleotídeos
e qualidade por base.

25. Tipos de Dados: FASTQ
Next Generation Sequences (NGS)
25

26. Tipos de Dados: Phred Score
Next Generation Sequences (NGS)
26
http://www.illumina.com/documents/products/technotes/technote_Q-Scores.pdf

27. Plot do FastQC: FASTQ - Phred Score
Next Generation Sequences (NGS)
27
Phred
Score
Pares de bases (pb)

28. Tipos de Dados: FASTQ (in) BAM (out)
Next Generation Sequences (NGS)
28
https://software.broadinstitute.org/gatk/events/slides/1503/GATKwh6-BP-0A-Intro_to_HTS.pdf
FASTQ
(dados brutos)
BAM
(alinhados)
Referência
(genoma)

30. 30
BWT
Armazene o genoma de referência inteiro
• Alinhar a base tag pela base do final.
• Quando a tag é percorrida, todos os locais
ativos são relatados.
• Se nenhuma correspondência for
encontrada, faça um backup e tente uma
substituição.

31. BAM
Binary Alignment Map
arquivo binário de
sequências alinhadas em
uma referência.

32. Tipos de Dados: Binary Alignment Map (BAM)
Next Generation Sequences (NGS)
32
https://software.broadinstitute.org/gatk/events/slides/1503/GATKwh6-BP-0A-Intro_to_HTS.pdf

33. BAM: Cobertura (WES)
Visualização pelo programa IGV Broad Institute
33
https://www.abmgood.com/Enzymes/images/Exome-IGV.png

34. BED
Browser Extensible Data
arquivo texto com regiões
genéticas alvos de interesse

35. Tipos de Dados: Browser Extensible Data (BED)
Next Generation Sequences (NGS)
35
chr11 5246919 5246920 Hb_North_York 2619 Hemoglobin variant
chr11 5255660 5255661 HBD c.1 G>A 2659 delta0 thalassemia
chr11 5247945 5247946 Hb Sheffield 2672 Hemoglobin variant
chr11 5255415 5255416 Hb A2-Lyon 2676 Hemoglobin variant
chr11 5248234 5248235 Hb Aix-les-Bains 2677 Hemoglobin variant
https://genome.ucsc.edu/FAQ/FAQformat.html#format1.7
Chr Start End

36. VCF
Variant Call Format
arquivo texto com as variantes
encontradas em relação a
referência.

37. Tipos de Dados: Variant Call Format (VCF)
Next Generation Sequences (NGS)
37
https://bioinf.comav.upv.es/courses/sequence_analysis/_images/vcf_format.png

38. Chamada de Variantes (WES)
Target sequence (exome)
38
https://software.broadinstitute.org/gatk/events/slides/1503/GATKwh6-BP-0A-Intro_to_HTS.pdf

39. Variant Effect Predictor VEP
Anotação
39
http://www.ensembl.org/info/docs/tools/vep/index.html

40. Variant Effect Predictor VEP
Anotação por regiões
40

41. http://www.sanger.ac.uk/sites/default/files/Jan2016/noncodingdrivers.jpg
Priorização de drivers de câncer não
codificadores candidatos com base em
padrões de seleção.
(1) Filtrar variantes somáticas para
excluir 1000 genomas de
polimorfismos;
(2) Reter variantes em anotações não
codificantes;
(3) Reter em regiões "sensíveis";
(4) Priorizam aqueles que interrompem
um motif de ligação ao factor de
transcrição;
(5) Residem perto do centro de uma
rede biológica;
(6) Priorizam os blocos de anotação
mutados em múltiplas amostras de
câncer

42. Variant Table
Tabela de Variantes
contém as variantes
encontradas e com
anotação gênica

43. ….

44. FASTQ BAM VCFBED
FASTA + Quality
arquivo texto com
sequências de
nucleotídeos e
qualidade por base.
Binary Alignment Map
arquivo binário de
sequências alinhadas
em uma referência.
Variant Allele Frequency
arquivo texto com as
variantes encontradas em
relação a referência.
Browser Extensible Data
arquivo texto com regiões
genéticas alvos de
interesse
https://usegalaxyp.org/

45. http://www.cell.com/cell-systems/abstract/S2405-4712(15)00113-1
Authors Malachi Griffith, Christopher A. Miller, Obi L. Griffith, ...,
Elaine R. Mardis, Timothy J. Ley, Richard K. Wilson

46. 1K
Pediatric Genomes
processados em:
2h25m
Dragen Pipeline

47. Caso de uso
https://towardsdatascience.com/genomic-data-blockchain-and-money-a6e5597ebe3e

48. O assembly GRCh38 é conhecido
por fornecer algumas melhorias
significativas sobre o GRCh37 e outras
versões anteriores:
• Cobertura sequencial de centrômeros
• Atualizações gerais de montagem
• Melhor representação de variação
hg19 vs hg38

49. hands on

50. putty Amazon
github.com/renatopuga/BAG2019
arqsv0PCCOMUMBAG2019Isso é um Zero