И начнем с «глиммер».
Вам его надо будет установить самим.
Я надеюсь, что к этому времени, у вас уже значительно больше опыта, хотя,
понимаю, что зачастую это может быть очень трудно,
разбираться с установкой всех этих программ.
Но будьте готовы, что зачастую, эти самые большие трудности в
работе могут быть связаны с тем, что просто не удается поставить или понять,
по какой причине оно вообще не работает.
«Глиммер» в этом смысле, программа достаточно простая.
Одна трудность, кроме самого «глиммера», нужно поставить будет другую программу,
которая называется ELF – это часть «глиммера», отвечающая за анализ мотивов.
Вот, но в чем прелесть «глиммера» в том, что у него внутри уже есть некоторый набор
скриптов, которые позволяют автоматизировать процесс аннотации.
В том числе, есть скрипт,
который называется «джитрирейтед» который практически сделает все сам.
Давайте, проверим, что он работает, да.
Он работает, правда, ругается, потому что, я ему ничего больше не дал.
А от нас он хочет, смотрите что.
Он от нас хочет геном и тег.
То есть, то, как будут называться файлы, которые он произведет.
Смотрим, папка у нас пока пустая.
И давайте, запускаем.
То есть, у нас в директории выше лежит бактериальный геном и мы это назовем,
и мы это назовем, давайте, «глиммерджинс».
И поехали.
Как вы видите, он начал работать.
Будет это он это делать не так долго, так что,
давайте просто подождем, когда он закончит.
Да, он может начать выдавать ошибки, с которыми придется разбираться отдельно,
но обычно помогает чтение различных форумов.
Даже если вы еще не сталкивались,
отлично помогает «биостарс» «секансерс» и например, «старковерфол».
Если у вас какие-то проблемы с компиляцией или еще чем-то.
Количество проблем, на самом деле, может быть достаточно большим и по разной
причине, так что, все их предугадать и ответить, может быть достаточно сложно, но
если вы используете «Линукс», то наверное, у вас большей части проблем будет меньше.
Если вы будете пытаться это устанавливать и компилировать на «МАК», то могут быть
некоторые трудности, но как видите, ничего непреодолимого быть не должно.
Так что, просто ждем окончания.
Как видите, это не заняло много времени.
Давайте посмотрим, что у нас получилось.
Как всегда, мы используем ту же самую команду «олас».
О, огромное количество файлов самых разных, но нам интересней всего,
на самом деле, думаю, что будут файлы с координатами генов и вы можете догадаться,
что они называются «глиммер», «джинс», «кордс».
Вот, и смотрите, он в этот файл складывает открытые рамки считывания,
которые он нашел и которые он предполагает, что гены.
Также, он им считает...
различный скоринг вводит для оценки того, что он сделал.
В общем-то получилось все неплохо.
Давайте посмотрим, сколько всего он смог найти таких файлов,
ой, не файлов конечно, генов.
Всего, он нашел 3, 200 с небольшим генов.
Отлично.
Собственно, на самом деле, смотрите, у нас уже фактически, то есть,
один вариант аннотации есть.
Хорошо, переходим к другой
программе «джинмарк с».
Устанавливать его даже проще,
чем «глиммер», там просто меньше всего делать надо.
И он уже полностью готов к работе.
Смотрите, он опять же отозвался на мою команду и несмотря на обилие
параметров, ему нужно не так много для работы.
Ему нужно только «сиквенс» файл и все, в «фаста» формате.
Прекрасно.
На самом деле, именно это мы ему можем дать очень легко.
И как обычно, запускаем.
Программа закончила работать.
Давайте посмотрим, что нам выдало «джинмарк».
Файлов еще больше.
Вот, но смотреть в этот раз стоит на бактерия «дженом фаста ист».
Давайте заглянем внутрь.
О, и еще один замечательный файл,
в котором у нас есть координаты того, что нашлось.
Собственно, у нас есть просто порядковый номер,
у нас указан стренд, есть левый и правый, ну, собственно край, то есть начало...
начало и конец, вот.
Плюс к этому опять же у нас есть имя хромосомы,
с которой это все было получено.
Вот...
э-э-э...
давайте посмотрим общее количество того, что получилось.
Поскольку они пронумерованы, нам даже не нужно пересчитывать, мы можем просто,
мы можем просто его взять и показать хвост файла.
О, удивительно.
Получилось, на самом деле,
приблизительно такое же количество с помощью двух разных программ, вот.
Теперь, было бы очень интересно узнать,
а насколько это все соотносится вообще с реальностью.
Для этого, во-первых, на самом деле, вы могли бы взять координаты файла,
аннотация оригинального, то есть, имена хромосомы есть?
Есть Можно вылезти в «ин си би ай» и найти все эти гены.
Или в любом другом месте найти аннотацию.
Но, на самом деле, если посмотреть сколько всего, аннотированного генов в,
в этом фрагменте, я имею в виду даже в официальной аннотации,
то там как раз будет число, близкое к 3 100, там может 3 126.
Вот, что уже очень интересно, то есть,
у нас оба инструмента выдали достаточно точный результат.
По крайней мере, он похож на то, что было найдено до этого.
И теперь, на самом деле, очень интересно посмотреть,
а насколько они вообще сходятся между собой, то есть, у нас нашлись
какие-то фрагменты и интервалы а как проверить, что они нашли что-то похожее.
Может это просто они подобные куски приблизительно в том же самом количестве.
На самом деле, для этого вам нужно использовать будет следующий инструмент,
который называется «интерсектбед», на самом деле,
можете и не использовать этот инструмент.
То есть, здесь крайне простая задача.
Если кто-то умеет программировать, может вполне с этим справиться сам.
То есть, нам нужно посчитать пересечение двух интервалов, то есть, набора
интервалов и выдать какую-то статистику о том, насколько они пересеклись.
Но, вот «интерсектбед» умеет это все делать сам.
Как видите, он установлен и работает.
И работает крайне просто, собственно, вот форматы файлов,
с которыми он может работать -
- «бед», «джфф» и «всф».
«Всф» файл мы уже с вами встречали.
«Джфф» файл – это стандартный файл для работы с генами.
То есть, там есть его координаты, начало, то есть, обычно они там идут, ну еще,
то есть, расписаны зоны.
«Бед» файл тоже бывает разный,
но «бед» файлы наиболее простые из всех этих вариантов.
То есть, «джфф» файл,
он сложнее по структуре, хотя и тоже очень легко читаемый, чем «бед» файл.
«Бед» файл – крайне прост.
У нас есть хромосома, которая может быть не обязательно хромосома,
это может быть «контиг сф», вот, которая просто именует фрагмент, скажем,
мы начинаем дальше, через «таб» у нас должны быть две еще обязательно колонки,
то есть, а потом есть количество необязательных колонок.
Но, опять же, нам это пока неважно, вот.
И у нас есть начало, то есть,
и конец, то есть, у нас должны быть координаты начала и конца в «бед» файле,
точно также можно записать не только гены, можно записать снипы, указав, ну то есть,
у нас начало, конец совпадают любые «инделы».
На самом деле, любую информацию в геноме можно описать интервалами.
То есть, если вы хотите более изощренного какого-то описания, то есть, ну,
на самом деле, все, что угодно.
То есть, «бед» файл можно усложнять и в том числе,
описывать там интронные зоны и все остальное.
Вот, но в самом простом варианте,
он действительно крайне примитивен и его можно сделать хоть руками.
Но, мы этого делать не будем.
А мы попробуем сейчас посмотреть, насколько файлы,
которые у нас получилось сделать использовать «глиммер» и
«джинмарк» подходят под описание «бед» файла.
Итак, еще раз проверяем, что у нас здесь.
Смотрите, то есть у нас есть bacteria_genome.fasta.lst,
давайте мы его скопируем на уровень выше, то есть...
