Altklausur SS23

• common format for data exchange between tools

• extension of the fasta format:

  • ability to store a numeric quality score for a nucleotide

• minimal representation of a sequencing read

• different variations: PHRED, Illumina, Sanger…

• positiver oder negativer strand

• gibt an ob normal oder reverse transkribiert werden muss

• auf welcher seite der Doppelhelix das Gen liegt

SNPs:

• Ka, Zahl der nicht synonymen Mutationen

• Ks, Zahl der synonymen Mutationen

• Ratio höher mit niedriger Konservierung

• Ratio < 1: negativer Selektionsdruck

• Ratio > 1: positiver Selektionsdruck

• nicht funktionale Gene

• aus funktionalen Genen hervorgegangen

• besitzen degenerative eigenschaften die Expression verhindern

Hauptklassen:

• conventional

• processed

• Content based: ORFs

• Site based: splice sides

• comparative: Protein sequence similarity

• manuell annotierte Datenbank mit Wiederholungsfamilien

• Verwendet vorkompilierte repräsentative Sequenzbibliotheken zum Auffinden homologe Kopien von bekannten Wiederholungsfamilien

• Für neue Genome müssen neue Wiederholungsbibliotheken zunächst manuell kompiliert werden

Verwendung:

• Repeats finden

  • simple repeats

  • Lines

  • Sines

  • Alus

  • masks repetitive DNA in fasta

• Eukaryoten:

  • mehrere Transkriptionsfaktoren pro Gen

  • kürzere Motife

  • long range effects

• inexactly repeating patterns

• wissen das Motif nicht

• Kein Wissen wo relativ zum Sequenz Start

• Wie unterscheiden von random Motiven?

• constitutive:

  • immer mehr als ein Produkt wird aus dem Gen hergestellt

• regulated:

  • Produkt ist abhängig von: zeit, kondition, zelltyp

N50:

• Kürzeste contig Länge die benötigt wird um 50% des Genoms abzudecken

• alle contigs dieser länge und länger ergeben 50% des genoms

L50:

• Die niedrigste Anzahl der contigs die benötigt wird um die hälfte des Genoms abzudecken

• ab N50 wert bis oben Anzahl

AAS = non-synonymous SNP

disesase causing:

• conserved positions

• structural difference

not:

• no significant change in protein function

1. Sequenzen werden durchsucht nach überrepräsentierten String bestimmter Länge

   • mismatches können hilfreich sein

2. Challenge: Richtige Länge k für String und Anzahl mismatches bestimmen

   
   

1. Fragment DNA and Sequence

2. Find overlaps between reads

3. Assemble overlaps into contigs

4. Assemble contigs into scaffolds

base pair maximation:

• Paar i,j gibt +1, sont keine Score erhöhung

• 4 Fälle die unterschieden werden müssen

• rekursiv -> dynamic programming

energy minimization:

• Thermodynamic Stability

  • Estimated using experimental techniques

  • Theory : Most Stable is the Most likely

• No Pseudknots due to algorithm limitations

• Uses Dynamic Programming alignment technique

• Attempts to maximize the score taking into account thermodynamics

• MFOLD and ViennaRNA

covariance model:

• Describes both the secondary structure and the primary sequence consensus of an RNA

• Can be applied to several RNA analysis problems

  • consensus secondary structure prediction

  • multiple sequence alignment

  • database similarity searching

• Covariance models are constructed automatically

  • from existing RNA sequence alignments

  • even from initially unaligned example sequences

• Iterative training procedure

• Optimal algorithm for RNA secondary structure prediction based on pairwise covariations in multiple alignments

• Zwei Hauptquellen für systematische Variabilität, die eine Normalisierung erfordern

  • Die RNA-Fragmentierung während des Aufbaus der Bibliothek führt dazu, dass längere Transkripte mehr Reads erzeugen als kürzere Transkripte, die in der gleichen Häufigkeit in der Probe vorhanden sind

  • die Variabilität in der Anzahl der für jeden Lauf produzierten Reads führt zu Schwankungen in der Anzahl der Fragmente, die über die Proben hinweg abgebildet werden

Übersetzt mit DeepL.com (kostenlose Version)

Lösungen:

• RKPM

  • normalize reads by length and total numbert of mapped reads

• FKPM

  • for paired-end reads

• TPM

  • first length, then sequencing depth compared to RPKM

(Übung weil nichts in Vorlesung gefunden)

1. spezies auswählen

2. Gen oder Transkript angeben

3. Auswahl

   • miRNA Familie

   • MirBase annotation

   • miRNA name

• Combination of multiple genomes into one

• better captures complexity of the variants