Computational Identification and Characterization of Novel Genes from Legumes

1
Computational Identification and
Characterizationof Novel Genes from Legumes

• Michelle A. Graham, Kevin A.T. Silverstein,
  Steven B. Cannon, and Kathryn A. VandenBosch
• Julho, 2004

Camilla Moreira Prof. Paulo Andrade
2
Introdução

• Importância das Leguminosas (Fabaceae)
• Disponibilidade de seqüências
• ESTs
• TCs tentativas consenso
• Seqüências específicas

3
Objetivo

• Utilizar seqüências disponíveis no banco de dados
  para identificar de forma rápida e eficiente
  seqüências de M. truncatula, L. japonicus e soja,
  que não têm homólogos em outros grupos de
  não-legumes, além de sugerir funções às
  seqüências-específicas encontradas

4
Materiais e Métodos

• Identificação das seqüências-específicas
• BLAST
• Caracterização
• BlastX
• InterProScan

5
Identificação

• Foram usados algoritmos BLAST para comparar os
  unigenes (TCs) de Medicago truncatula, Lotus
  japonicus e Glycine soja e max, contra conjuntos
  de unigenes NR e EST do GenBank, e sequências
  genômicas de arroz e Arabidopsis, além de
  seqüências nucleotídicas do TIGR

6
BLAST

• Filtro nas seqüências (repetições, cauda poliA)
• 1º Round
• Medicago
• TCs Lotus
• Glycine

TIGR
Milho Tomate Arroz Arabidopsis
BlastN e TBlastX
10-4
? Próxima fase
E-value gt 10-4
7
BLAST

• 2º Round
• Medicago
• TCs Lotus
• Glycine

BlastX
Banco NR
Espera-se que sejam específicas
10-4
E-value lt 10-4
8
BLAST

• 3º Round

Algodão Alface Batata Centeio Cevada Girassol Pinu
s Trigo Sorgo
TBlastX (TIGR)
10-4
E-value gt 10-4
9
BLAST

• 4º Round

Genoma de Arroz e Arabidopsis
TBlastX
E-value gt 10-4
10
BLAST

• 5º Round

EST_Others
TBlastX
Seqüências específicas de Leguminosas
E-value gt 10-4
11
Identificação Computacional de Genes
Legume-específicos
ltlt
12
InterProScan

• Banco de dados de proteínas, domínios e locais
  funcionais, no qual características
  identificáveis encontradas em proteínas
  conhecidas podem ser aplicadas à seqüências
  protéicas desconhecidas
• Busca por motivos protéicos

13
Caracterização

• Seq Específicas x GenBank (NR)
• 20 com homologia
• 1ª Análise por Motivos Conservados de outras
  proteínas
• 46 TCs contendo 55 motivos conservados
• 41 ricos em aa específicos
• 14 F-Box, inibidores de pectinesterase, zinc
  finger e nodulinas

14
Caracterização

• 2ª Mineração de grupos de genes
  legume-específicos com domínios comuns não
  caracterizados (geração de único domínio)
• Domínio gerado ? procurar entre proteínas para
  atribuir função
• 2.525 TCs 50, 672 e 688 homólogos single
• 665 grupos de potenciais famílias gênicas
• F-Box, Ricos em prolina e ricos em cisteína (CCPs)

15
Similaridade entre os Motivos de F-Box
16
Análise dos Motivos dos Grupos CCP
17
BAC Mth2-34P9
pb
pb
A. Regiões com similaridade (elt-10) a sequências
do GenBank 1. retroelemento de Arabidopsis 2.
Proteína gag de pêra 3, poliproteína Pol de
Nicotiana tabacum 4, Proteína de membrana
associada a vesícula de Arabidopsis 5.
Poliproteína de N. tabacum 6. Albumin 1 de
Medicago truncatula 7, Proteína T31J12.4 de
Arabidopsis 8. Transposase Mariner de G. max 9.
Proteína expressa de Arabidopsis 10. Fator de
transcrição de Arabidopsis 11. Elemento de
transposição Tnp2 de Antirrhinum majus
MR mini-repeats CCP genes para proteínas
ricas em cisteína R1, R2 e R3 Setas verdes
início da tradução da CCP Cores nos MR
similaridade entre si
18
Correlação filogenética entre os vários
mini-repeats e quadro que mostra a provável
composição de MR3-1 a partir de MR1-1 e MR1-2
19
Dot plot (esquema)
Dot plot (resultado real)
MYTEADDRA
MYTEADDRAMYT
20
Conclusões

• Origem de não-legumes
• Similaridade com motivos bem representados em
  diversas categorias
• Esses genes podem ser exemplos de rápida evolução
  (Blast não pode identificar)
• Genes novos falha na detecção por domínios (ou
  não detectados, ou sem similaridade com proteínas
  conhecidas)

21
Conclusões

• Identificação de famílias gênicas tecido
  específica
• 10 raiz e nódulos
• 8 sementes
• 4 folhas e flores
• 7 situações de estresse e patógenos
• Genes candidatos à transformação ou silenciamento
  gênico em análise futuras de função gênica

22
Obrigada