Treinamento em Bioinformática 2008

---

PSI-BLAST para busca com matriz específica e RPS-BLAST para domínios

---

Primeira parte - revisão:

• Bases pré-formatadas: vamos mover para /home/treinamento/db as bases que descarregamos e descompactá-las.
• formatdb: a sintaxe é $formatdb –i sequencias –p F ou T –o T mas estas bases já estão formatadas.
• permissões: $chmod –R ugo+rwx diretrio. Onde u=user; g=grupo treinamento e o=other (todo mundo)
• BLAST: $blastall –p programa –i sequencias –d base –e 1e10 –F F –b 1 –a 4 –m 8 –o saida_m8 &
• p=programa: tblastn, etc.
• i=entrada: query
• d=database: tem que estar formatada
• e=E-value: o número de alinhamentos iguais ou melhores que pode ser obtido sem homologia
• F: low complexity filter,
• b: o número de alinhamentos reportados para cada query
• a: número de processadores, use –a 4
• m: é o tipo de saída, teste –m 8 e –m 9. –m 0 é a saída web
• o: é o nome que vc quer para a saída
• &: manda o job para o background
• Quando acabar de colocar pra rodar de um “top” para acompanhar.
• Quem será que tem estrutura resolvida?
• hsa.pdb: Conte o número de seqüências com $cat hsa.pdb | grep “>” -c
• Formate: $formatdb –i hsa.pdb –p T –o T
• Rode: $blastall –p blastp –i glicolise.hsa –d hsa.pdb –e 1e10 –F F –b 1 –a 4 –m 9 –o saída_m9 &
• Contando hits: awk. $cat saida | awk ‘$3>=96{print $1}’ | sort | uniq –c.
• $megablast –i glicolise.hsa –d hsa.ORESTES –m 8 –e 1e-10 –F F –b 1000000000 –a 4 –o mega.hsa
• Mudamos –b para um número grande (1 bilhão), pois o default é 250 hits, podemos ver quem é o mais expresso.
• MegaBLAST tem flags que permitem “não escrever” saídas com menos de 96% de identidade, olhe lá e use! Tb podemos evitar mais de 1 HSP.

Segunda parte – RPS-BLAST:

• Renomeie com vi a glicólise bacteriana usando nomes em português, nada de acentos e espaços, nada de números identificadores.
• Vamos verificar domínios nessas proteínas:
• More linha_rps

Terceira parte – PSI-BLAST:

• More linha_psi: $/usr/local/BLAST/blast-2.2.17/bin/blastpgp -i fosfogliceromutase_Ecoli -d hsa.pdb -e 1 -h 1e-10 -j 10 -a 4 -o saida.glicoecoli.pdb -m 9 &
• Onde –h controla o E-value para participar da próxima iteração, -j o número de iterações

---

CONTEUDO DE treinamento@maracatu:

[treinamento@maracatu ~]$ ls

aldolase.cds db h10b.glicolise hsa.ORESTES.nin hsa.ORESTES.nsi hsa.pdb.pin hsa.pdb.psi linha_rps

CDD error.log h10b.proteome hsa.ORESTES.nnd hsa.ORESTES.nsq hsa.pdb.pnd hsa.pdb.psq linhas_formatrpsdb

cdd.tar.gz fosfogliceromutase_Ecoli hsa.ORESTES hsa.ORESTES.nni hsa.pdb hsa.pdb.pni linha_awk saida.glicoecoli.pdb

close_gates.exe glicolise.hsa hsa.ORESTES.nhr hsa.ORESTES.nsd hsa.pdb.phr hsa.pdb.psd linha_blastall saida.glicohsa.pdb

---

E-mail Miguel