1. +
Bioinformática
Prof. Dr. Gabriel da Rocha Fernandes
Universidade Católica de Brasília

2. +
Bioinformática
Prof. Dr. Gabriel da Rocha Fernandes
Universidade Católica de Brasília

3. +
Pré História
nMendel identifica caracteres hereditários.
nLinus Pauling descreve o DNA como uma hélice simples.
nWatson e Crick descrevem a dupla hélice do DNA.
nDogma central da biologia molecular.
2
DNA$
mRNA$
Proteínas$
Variação$Normal$ou$Patológica$

4. +
A era genômica
n1977 - Sanger sequencia um bacteriófago.
nAnos 90 - Automatização do processo através de
sequenciadores capilares.
n1995 - Primeiro genoma completo (Haemophilus influenzae)
nComeça o projeto genoma humano.
3

5. +
A evolução
4

6. +
A evolução
5

7. +
A evolução
6

8. +
Novas tecnologias e a era pós-
genômica
7

9. +
A explosão de sequências
8

10. +
Análise dos dados
9

11. +
Dogma Central
10
Croma&na(
mRNA( ncRNA(
Proteínas(
Variação(Normal(ou(Patológica(Ambiente(
Variação(em(seqüência( Variação(estrutural( Variação(química(na(croma&na(
Epigenômica(
Genômica(
Transcritômica(
Proteômica(

12. +
Hardware
nComponentes do computador:
n Processadores
n Memória
n Discos
nDesempenha as funções da máquina.
11

13. +
Software
nParte lógica do computador.
nConjunto de instruções processados pelos hardwares.
nInteração entre usuário e máquina.
nTorna o computador útil.
12

14. +
Sistemas operacionais
nÉ um conjunto de programas que fazem a inteface do usuário e
seus programas com o Hardware.
13
Programas HardwareSistema Operacional
Linux, Windows, Mac

15. +
Windows
nMicrosoft
nUser friendly.
nPopular.
nServiço de licenças
nLimitado.
14

16. +
MacOS
nApple
nVem de brinde nos Mac.
nSistema Unix.
nAmbiente gráfico => Windows.
nDesenvolvimento => Linux.
15

17. +
Porque usamos o Linux?
nÉ livre;
nÉ gratuito;
nNâo é vulnerável a vírus;
nRecebe apoio de grades empresas como IBM, HP, Sun etc;
nMultitarefa e Multiusuário;
nModularização, somente é carregado para memória o que
usado durante o processamento;
nNão há necessidade de reinicar o sistemas após cada
modificação;
16

18. +
Distribuições do Linux
17

19. +
Porque usamos o Linux?
nÉ livre;
nÉ gratuito;
nNâo é vulnerável a vírus;
nRecebe apoio de grades empresas como IBM, HP, Sun etc;
nMultitarefa e Multiusuário;
nModularização, somente é carregado para memória o que
usado durante o processamento;
nNão há necessidade de reinicar o sistemas após cada
modificação;
18

20. +
NCBI
nwww.ncbi.nlm.nih.gov
19

21. +
NCBI
20
National Institute
of Health
National Library
of Medicine

22. +
A análise bioinformática
21

23. +
Análise Genômica
nInterdependência entre as diversas etapas de análises.
nNovas metodologias e melhorias constantes.
22

24. +
Como fazer um genoma
nA abordagem shotgun
nParte-se o DNA em pedacinhos
nCorre-se um gel
nEscolhe-se o tamanho dos fragmentos a trabalhar
nPedacinhos são clonados em vetores (montagem da biblioteca
genômica)
nSequenciamento com primers do vetor
nMonta-se a sequência por sobreposição
23

25. +
Estratégia de sequenciamento
24

26. +
Genômica
25

27. +
Sequenciadores
26

28. +
Base calling
27

29. +
Base calling
28

30. +
Base calling - PHRED
nLê os arquivos – compatível com os principais formatos de
arquivos: SCF (standard chrmoatogram format), ABI
(373/377/3700), ESD (MegaBACE) e LI-COR.
nChama as bases – atribui uma base para cada pico identificado
com um taxa de erros menor do que os programas de base
calling padrões.
nAssina um valor de qualidade às bases – um “valor de Phred”
baseado na estimativa da taxa de erros é calculado para cada
base.
nCria arquivos de saída – as bases chamadas e os valores de
qualidade são escritos em arquivos de saída.
29

31. +
Região de boa qualidade
30

32. +
Região de média qualidade
31

33. +
Região de baixa qualidade
32

34. +
Fórmula do valor de PHRED
nq = - 10 x log10 (p)
n q - Valor de qualidade
n p - Probabilidade estimada de erro na base
nq = 20 significa p = 10-2 (1 erro em 100 bases)
nq = 40 significa p = 10-4 (1 erro em 10,000 bases)
33

35. +
Montagem
34

36. +
Montagem do genoma
nAlinhamento das sequencias para geração de um consenso.
nIdentificação e eliminação dos gaps.
35

37. +
O que sequenciar?
nQuebrar o DNA original em fragmentos aleatórios e selecionar
os fragmentos de determinado tamanho (Ex: 2Kbp)
36
singlet
gap
DNA original

38. +
A montagem ab initio
nReconstruir a sequência do genoma, dados vários
(potencialmente milhões) fragmentos curtos de sequência (os
reads)
nOs reads têm tamanho entre 35-800 bp
nOs reads podem conter erros de sequenciamento (mismatches
ou indels)
nA orientação (5`3` ou 3`5`) de cada read é desconhecida
37

39. +
Terminologia
nRead: fragmento sequenciado
nContig: Pedaço contíguo de sequência formado a partir da
sobreposição dos reads
nSinglet: read sem sobreposição com nenhum outro
nGap: região do genoma não capturada por nenhum read
nCobertura:Total de bases sequenciadas dividido pelo tamanho
do genoma
38

40. +
Contigs e cobertura
39
nTenho um álbum de figurinhas, com 24 figurinhas em uma
página.

41. +
Contigs e cobertura
40
nCompro 5 pacotes, totalizando 25 figurinhas.

42. +
Contigs e cobertura
41
nContigs e singlets.
Contig 1 Contig 2
Contig 3

43. +
Contigs e cobertura
42
nCompro mais 5 pacotes, totalizando 50 figurinhas.

44. +
Contigs e cobertura
43
nCompro mais 20 pacotes, totalizando 150 figurinhas. E ainda
assim faltou uma.

45. +
Contigs e cobertura
44
nPrimer walking é ligar na Panini e comprar as figurinhas que
faltam.

46. +
Estratégias
45

47. +
Problemas
nSequências repetitivas.
nTamanho dos reads.
nSequencias Alu.
46

48. +
Sequencias repetitivas.
De onde veio o meu read?
47

49. +
Tamanho do read
48

50. +
Montando um “genoma”
49

51. +
Uso dos paired-ends
50
nDecisão sobre
repetições.
nMontagem de
scaffolds.

52. +
Predição de genes
nIdentificação de genes codificadores de proteínas.
nCombinam métodos não comparativos e comparativos.
nPredição ab initio usa informações de ORFs, uso de códons, e
sequências consenso de sítios de splicing.
nGeneMark, SNAP, GENSCAN...
51

53. +
Predição de genes
52

54. +
Arquivo GFF
nGeneral Feature Format
nIndica as posições no contig de cada item identificado.
53

55. +
No GenBank file
54

56. +
No EMBL
55

57. +
Visualização
nArtemis - Sanger Institute
56

58. +
Análise Funcional
nAssocia uma função aos genes preditos.
nBaseada na homologia entre sequências.
nUtiliza bases de dados de sequências conhecidas e programas
de alinhamento.
57

59. +
Análise funcional
58
27
0!
!
Predição dos genes!
27
0!
!
BLAST! Base de dados!

60. +
Objetivos
59
nIdentificar as funções dos genes.
nCaracterizar os processos celulares.
nMapear em vias metabólicas.
nElucidar o funcionamento do organismo.

61. +
Ferramentas
nFerramenta de alinhamento:
n BLAST
n HMMER
nBase de dados:
n COG
n KEGG Orthology
n PFam
n Gene Ontology
60

62. +
Dicas
nProcurar por Hits que tenham descrição clara.
n Evitar: hypothetical protein, putative..
nBuscar em várias bases de dados.
n Aumentar a quantidade de entradas anotadas.
n Hits não identificados em uma base podem ser anotados por outra.
nObservar a cobertura do alinhamento.
n BLAST faz alinhamento local.
n Não classificar uma proteína como um todo baseado apenas em
alinhamento a um unico domínio.
61

63. +
Blast2GO
62

64. +
KEGG Mapper
63

65. +
iPath
npathways.embl.de
64

66. +
Pfam
65

67. +
Arquivo de sequência - FASTA
66
>gi|197101743|ref|NP_001125556.1| myoglobin
[Pongo abelii]
MGLSDGEWQLVLNVWGKVEADIPSHGQEVLIRLFKGHPETLEKFDK
FKHLKSEDEMKASEDLKKHGATVLTALGGILKKKGHHEAEIKPLAQ
SHATKHKIPVKYLEFISESIIQVLQSKHPGDFGADAQGAMNKALEL
FRKDMASNYKELGFQG
>gi|386872|gb|AAA59595.1| myoglobin [Homo
sapiens]
MGLSDGEWQLVLNVWGKVEADIPGHGQEVLIRLFKGHPETLEKFDK
FKHLKSEDEMKASEDLKKHGATVLTALGGILKKKGHHEAEIKPLAQ
SHATKHKIPVKYLEFISECIIQVLQSKHPGDFGADAEGAMNKALEL
FRKDMASNYKELGFQG

68. +
Alinhamentos
nSimples X Múltiplo
n Local X Global
n Heurístico X Ótimo
67
Score = 276 bits (139), Expect = 3e-78
Identities = 139/139 (100%)
Strand = Plus / Plus
Query: 326 aggtgtaaaaccgtttgaatgcacttattgttataaaggattcactcgaaattctgatct 385
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Sbjct: 560 aggtgtaaaaccgtttgaatgcacttattgttataaaggattcactcgaaattctgatct 619
Query: 386 tcataagcacatcgacgctgttcacaaaggtctcaagcctttcggatgtgaagtatgcca 445
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Sbjct: 620 tcataagcacatcgacgctgttcacaaaggtctcaagcctttcggatgtgaagtatgcca 679
Query: 446 gcgaaacttctctcagaaa 464
|||||||||||||||||||
Sbjct: 680 gcgaaacttctctcagaaa 698

69. +
Alinhamento simples
n Aquele realizado entre seqüências de DNA ou proteínas,
desde que duas a duas
68
Score = 652 bits (329), Expect = 0.0
Identities = 240/240 (100%)
Strand = Plus / Plus
Query: 1 ctttcaagatgaacgaaccaactggtgtcgggccaacatttgctgatgcatgcgatgatg 60
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Sbjct: 136 ctttcaagatgaacgaaccaactggtgtcgggccaacatttgctgatgcatgcgatgatg 195
Query: 61 gcgaacttatcagcatttgttgtctttgtggtaaaacgttttcaagtcagagtcttctac 120
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Sbjct: 196 gcgaacttatcagcatttgttgtctttgtggtaaaacgttttcaagtcagagtcttctac 255
Query: 121 acaaacattttgaattgatgcatgaaggtacggaaatagatactgaacagtatgatctaa 180
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Sbjct: 256 acaaacattttgaattgatgcatgaaggtacggaaatagatactgaacagtatgatctaa 315
Query: 181 gtggatttgccgctatggggaatgaacaaggtcgtaaaagtaatggtgaagaagatgcaa 240
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Sbjct: 316 gtggatttgccgctatggggaatgaacaaggtcgtaaaagtaatggtgaagaagatgcaa 375

70. +
Alinhamento multiplo
nAquele realizado entre MAIS DE DUAS seqüências de DNA ou
proteínas
69
Seq1 ------------------------------------------------------------
Seq4 -GCACGAGGACTGTGA-----ACCGAATCGGTTCAGTAAAATGTTCAATTGTGCGCTGGA
Seq2 ------------------------------GTTCAGTAAAATGTTCAATTGTGCGCTGGA
Seq3 GGCACGAGGGCTACGACTGTGAACGAATCGGTTCAGTAAAATGTTCAATTGTGCGCTGGA
Seq1 ------------------------------------------------------------
Seq4 ATCTATTGTGTAGACTATTAACTATGGAATTTTACTTCACATTGACTAAAAAGCTGAGCA
Seq2 ATCTATTGTGTAGACT-TTAACTATGGAATTTTACTTCACATTGACTAAAAAGCTGAGCA
Seq3 ATCTATTGTGTAGACTATTAACTATGGAATTTTACTTCACATT-ACTAAAAAGCTGAGCA
Seq1 ---------------------CTTTCAAGATGAACGAACCAACTGGTGTCGGGCCAACAT
Seq4 AATATACCTGGAGCGTTCAGACTTTCAAGATGAACGAACCAACTGGTGTCGGGCCAACAT
Seq2 AATATACCTGGAGCGTTCAGACTTTCAAGATGAACGAACCAACTGGTGTCGGGCCAACAT
Seq3 AATATACCTGGAGCGTTCAGACTTTCAAGATGAACGAACCAACTGGTGTCGGGCCAACAT
***************************************

71. +
Alinhamento global e local
nGlobal: as seqs são alinhadas de ponta a ponta
nLocal: pedaços das seqs é que são comparados
70

72. +
Alinhamentos ótimos e heurísticos
nheurística -- do dicionário Houaiss
nmétodo de investigação baseado na aproximação progressiva
de um dado problema
nAlinhamento ótimo: produz o melhor resultado
computacionalmente possível
nAlinhamento heurístico: produz um resultado o mais próximo
possível do resultado ótimo, mas, principalmente, produz um
resultado de maneira muito veloz
71

73. +
Ferramentas de alinhamento
72

74. +
Elementos do alinhamento
73

75. +
Matrizes de substituição
74
A C G T
A 1 -2 -2 -2
C -2 1 -2 -2
G -2 -2 1 -2
T -2 -2 -2 1
A C G T
A 1 -2 -1 -2
C -2 1 -2 -1
G -1 -2 1 -2
T -2 -1 -2 1

76. +
Matrizes de substituição
75

77. +
BLAST
nBasic Local Alignment Search Tool
nFerramenta de alinhamento mais utilizada no mundo
nTodo pesquisador em biologia molecular já usou alguma vez
(ou centenas de vezes)
nDiz-se que o trabalho original onde a ferramenta foi publicada
é o mais citado da história das ciências biológicas
nÉ um algoritmo de alinhamento simples, heurístico e local
nAlinha um seqüência de entrada contra uma base de dados
desejada
76

78. +
Programas do BLAST
77
Formato da
Seqüência de
Entrada
Banco de
dados
Formato da
seqüência que
é comparado
Programa
BLAST
adequado
Nucleotídeos Nucleotídeos Nucleotídeos BLASTn
Proteínas Proteínas Proteínas BLASTp
Nucleotídeos Proteínas Proteínas BLASTx
Proteínas Nucleotídeos Proteínas TBLASTn
Nucleotídeos Nucleotídeos Proteínas TBLASTtx

79. +
Alinhamento multiplo
78
conservation profile
conserved residues
secondary structure

80. +
Filogenia a partir do alinhamento
nMatriz de distância entre as proteínas alinhadas
nClustal: 1 - (resíduos idênticos/resíduos alinhados)
79
-
.17 -
.59 .60 -
.59 .59 .13 -
.77 .77 .75 .75 -
.81 .82 .73 .74 .80 -
.87 .86 .86 .88 .93 .90 -
Hbb_human
Hbb_horse
Hba_human
Hba_horse
Myg_phyca
Glb5_petma
Lgb2_lupla
1
2
3
4
5
6
7
1 2 3 4 5 6 7

81. +
Árvore filogenética
nMétodo fenético
nNão considera a evolução de cada caráter (coluna no
alinhamento)
nProduz uma árvore a partir de uma matriz de distância gerada
ao considerar todo o conjunto de dados
nVizinhos mais-próximos
nNeighbor-joining
nAverage neighbor
nNearest neighbor
nFarthest neighbor
80

82. +
Transcritoma
81
nConjunto de todas as moléculas de RNA encontradas em uma
população celular:
n mRNA
n tRNA
n rRNA
n miRNA
nTotal de transcritos encontrados em um organismo, tipo
celular, condição...
nReflete os genes que estão sendo expressos em um
determinado momento.
nSnapshot da função celular.

83. +
Métodos de estudo
nExpressed Sequence Tags.
nSequenciado por método de Sanger.
nClonagem dos fragmentos usando
vetores.
nNão funciona em procariotos.
nLow throughput.
82

84. +
Métodos de estudo
83
nMicroarray.
nArranjos com os genes em locais
determinados.
nComparação de amostras par a par.
nHibridização.

85. +
Next Generation Sequencing
84

86. +
Custo do sequenciamento
85

87. +
RNA-seq
nUltra larga escala.
nNão necessita de clonagem.
nBaixo custo.
nValores absolutos.
nAnálise multi amostras.
nGrande cobertura.
86

88. +
Protocolo
nProtocolo para montagem da biblioteca pode variar de acordo
com a tecnologia e com o objetivo:
nRemoção de rRNA.
nAmplificação por PCR.
nConversão a cDNA.
nSingle read ou pair end.
87

89. +
Genoma referência vs. Montagem
de novo
nMapeamento dos reads a um genoma referência.
n Quantificação da expressão.
n Identificação de variantes de splicing.
nMontagem de novo do transcritoma.
n Caracterização dos genes expressos.
n Identificação de isoformas.
n Ausência de genoma referência.
88

90. +
O que sai do sequenciador?
nFormato padrão para análises é o FastQ.
n @SEQ_ID
GATTTGGGGTTCAAAGCAGTATCGATCAAATAGTAAATCCATTTGTTCAACTCAC
+
!”*((((***+))%%%++)(%%%%).1***-+*”))**55CCF»»»CCCCCCC65
nPrimeira linha: identificador da sequência.
n Nome da sequência.
n Informação sobre filtros.
nTerceira linha: qualidade da chamada da base (em código).
89

91. +
Montagem
90

92. +
Mapeamento e quantificação
nAs sequências produzidas são mapeadas a um genôma
referência.
nAlinhou em apenas uma região = ótimo.
nAlinhou em mais que uma região = dilema.
nO uso de replicatas é FUNDAMENTAL!
91
Repl. 1 Repl. 2 Repl. 3
Gene A 5 3 12
Gene B 16 25 35
Gene C 10 15 3
Gene D 750 500 500
Gene E 1504 1005 1030

93. +
Interpretando a contagem dos
genes
nNo exemplo da tabela, o Gene E tem duas vezes mais reads
que o Gene D:
92

94. +
Interpretando a contagem dos
genes
nNo exemplo da tabela, o Gene E tem duas vezes mais reads
que o Gene D:
n Gene E é expresso duas vezes mais que o Gene D.
92

95. +
Interpretando a contagem dos
genes
nNo exemplo da tabela, o Gene E tem duas vezes mais reads
que o Gene D:
n Gene E é expresso duas vezes mais que o Gene D.
n Ambos os genes se expressam na mesma intensidade, mas o Gene E é
duas vezes maior que o Gene D.
92

96. +
Interpretando a contagem dos
genes
nNo exemplo da tabela, o Gene E tem duas vezes mais reads
que o Gene D:
n Gene E é expresso duas vezes mais que o Gene D.
n Ambos os genes se expressam na mesma intensidade, mas o Gene E é
duas vezes maior que o Gene D.
n Ambos os genes tem o mesmo tamanho e se expressam na mesma
intensidade, mas o Gene D tem um parálogo no genoma ao qual metade
dos seus reads foram mapeados.
92

97. +
Interpretando a contagem dos
genes
nNo exemplo da tabela, o Gene E tem duas vezes mais reads
que o Gene D:
n Gene E é expresso duas vezes mais que o Gene D.
n Ambos os genes se expressam na mesma intensidade, mas o Gene E é
duas vezes maior que o Gene D.
n Ambos os genes tem o mesmo tamanho e se expressam na mesma
intensidade, mas o Gene D tem um parálogo no genoma ao qual metade
dos seus reads foram mapeados.
nA causa é os três ao mesmo tempo.
92

98. +
Identificando genes
diferencialmente expressos.
nComparar diferentes condições: controle com testes.
n Célula normal com célula tumoral.
n Planta sem e com estresse hídrico.
n Animal sem e com parasita...
nGenes em duas condições diferentes VÃO apresentar
quantidades de reads diferentes.
nEssa variação pode ser diferença biológica entre as duas
condições, ou ruído experimental.
nAplicação de testes estatísticos.
93

99. +
Identificando genes
diferencialmente expressos.
nPara identificar uma diferença estatisticamente significantes, é
necessário que a diferença de expressão entre as duas
condições seja maior que a imprecisão do nível de expressão
sob uma determinada condição.
94

100. +
Sou pobre, não vou usar replicata.
nLição de vida:
n Um Gene H, em uma célula normal extraída do Zé Moreno, tem 5 reads.
n O mesmo Gene H, em célula tumoral extraída do mesmo Zé Moreno,
tem 10 reads.
n Uoua! O Gene H é duas vezes mais expresso na célula tumoral!
n Ganhei uns trocados e fiz transcritoma da célula normal de mais 2
pacientes. De brinde, ganhei o sequenciamento do Zé moreno de novo.
n O Gene H teve 12 reads na célula do Zé Moreno, 17 reads na Maria Tolé,
e 22 reads na célula do Tião Torresmo.
nMoral da história: quanto mais medições fizer, mais vai ter
certeza dos níveis de expressão dos genes.
95

101. +
Replicata técnica vs. Replicata
biológica
nTécnica: explica a variação
encontrada que pode ter
sido causada por critérios
técnicos: preparação da
biblioteca, qualidade do
sequênciamento, cobertura
do gene...
nBiológica: explica a
variação encontrada que
pode ter sido causada pela
variabilidade de expressão
que não está associada à
mudança nas condições do
experimento.
96

102. +
Fontes de variação
Variância de Poisson
nÉ a incerteza existente em qualquer medição em que algo é
amostrado e contado.
nComo é baseado no valor da contagem em si, não é específico
do experimento.
nEssa variância está relacionada a quantidade total de reads.
nPor exemplo, a diferença na expressão de um gene medido
com 1 read versus 2 reads é inerentemente menos seguro do
que as diferenças na expressão de um gene medido com 100
reads versus 200 reads, apesar de ambas as diferenças serem,
nominalmente, uma mudança 2X.
97

103. +
Fontes de variação
Variância de Poisson
98

104. +
Fontes de variação
Variação Técnica Não-Poisson
nAssociado à incapacidade da
técnica não conseguir medir
a expressão perfeitamente.
nVisto em replicatas técnicas.
nCausas:
n Seleção de miRNA.
n Depleção de rRNA.
n Amplificação por PCR.
n Armazenamento.
n RNA-later.
nMoral da história: Manipule
sua amostra o mínimo
possível.
99

105. +
Fontes de variação
Variação Biológica
nOcorre naturalmente nas amostras.
nA expressão naturalmente flutua
em células sob a mesma condição.
nCausas da variações biológicas
podem ser diferenças genéticas,
de maquinaria celular, ou de
resposta a variação do ambiente.
nVariação biológica também sofre a
influência das outras duas
variações vistas.
100

106. +
Filosofando...
nMais replicatas vs. Mais reads.
nComo lidar com batch-effects?
nPreciso validar com RT-PCR?
nEu considero como diferencialmente expresso genes com p-
value < 0.01.
nCalcular FDR (False discovery rate)
nLeia artigos que tenham usado benchmarks.
nConverse com o bioinformata que vai fazer as análises.
101

107. +
Metagenômica
nMetagenoma: material genético recuperado diretamente de
amostras ambientais.
nFornece informações sobre os organismos em seu habitat
natural.

108. +
Metagenômica
nCerca de 99% das bactérias não são cultiváveis.
nPermite o estudo de organismos que não são facilmente
cultivados em laboratório.
nIdentificação de funções em espécies ainda não identificadas.

109. +
Análise do gene do rRNA 16s
nGene altamente conservado em bactérias e archaea.
nRegião hiper variável confere sequências com assinatura
específica.
nFornece um perfil da diversidade na amostra.

110. +
Whole Genome Shotgun e nova
geração de sequenciadores
nPermite uma visão mais global da comunidade.
nAnálise dos níveis da diversidade filogenética e
polimorfismos intraespecíficos.
nEstudo de genes completos e de vias metabólicas da
comunidade.
nReconstrução dos genomas.
nDemanda intensa análise bioinformática.

111. +
Etapas da análise metagenômica
nFatores influentes.
nInterdependências ocultas.

112. +
Métodos de estudo - Funcional
nIsolamento do DNA da amostra.
nClonagem do DNA em um
hospedeiro.
nExpressão do gene e análise
funcional.
nAnálise das sequências.

113. +
Métodos de estudo - Genômico
nDNA isolado pode ser submetido a
um sequenciamento aleatório ou
direcionado.
nPermite montagem de todo
metaboloma.
nAnálise filogenética.
nMetagenômica comparativa.

114. +
Análise filogenética e funcional

115. +
Pipeline de análise

116. +
Assinatura filogenética
nCada read é associado a um organismo (espécie, gênero,
família…)
nUtiliza bases de dados de genômas referência ou base de dados
NT do NCBI.
nFerramenta de alinhamento.
nValores de identidade para definir o nível cladístico assinado.
88% 98% 99%
Bacteroides fragilis
Escherichia coli
70%

117. +
Assinatura filogenética
nComposição geral da amostra
nPrograma: MEGAN
nAgrupa multiplos alinhamentos
em um nível cladístico.

118. +
Análise filogenética
nQual clado prevalece na amostra?
nExiste um perfil filogenético?
nIdentificação de marcadores filogenéticos.
nAssociação da presença de um clado a uma determinada
característica.

119. +
Anotação funcional
nAvaliar o potencial genético da amostra.
nMontagem dos contigs.
nPredição dos genes.
nAlinhamento dos genes preditos a uma base de dados.

120. +
Análise funcional
nQual função está mais presente?
nExiste alguma função do seu interesse?
nMontagem do mapa metabólico do ambiente.
nRastrear a função e identificar o organismo que executa.

121. +

122. +

123. +

124. +

125. +

126. +
Visualização