PODSTAWY BIOINFORMATYKI WYKŁAD 4 ANALIZA DANYCH NGS

Transkrypt

1 PODSTAWY BIOINFORMATYKI WYKŁAD 4 ANALIZA DANYCH NGS

2 SEKWENCJONOWANIE GENOMÓW NEXT GENERATION METODA NOWEJ GENERACJI Sekwencjonowanie bardzo krótkich fragmentów bp DNA unieruchomione na płytce Szybkie Tanie Platformy: Ilumina, 454 technology, SOLiD Copyright 2017, J. Szyda & M. Mielczarek

3 SEKWENCJONOWANIE GENOMÓW NEXT GENERATION PORÓWNANIE METOD STRATEGY ADVANTAGE DISADVANTAGE SANGER SEQ Separate reaction for the sequencing of all exons of a single gene / any piece of the genome High reliability Expensive (0.1$ / 1000 bp) Time consuming due to limited automation and necessity of many different reactions NEXT GENERATION SEQ One single reaction for the simultaneus analysis of different genes / whole genomes! Cost-effective and efficient by simultaneus and fast analysis Relatively cheap (0.001$ / 1000 bp) Interpretation of the abundance of data challenging High coverage needed for accuracy Maga Mielczarek 3

4 SEKWENCJONOWANIE GENOMÓW NEXT GENERATION KOSZT/CZAS ZSEKWENCJONOWANIA CAŁEGO GENOMU CZŁOWIEKA Projekt poznania genomu człowieka ~ 13 lat ~ $ Technologia NGS ~ kilka dni ~ $ Copyright 2017, Copyright J. Szyda 2014, & Joanna M. Mielczarek Szyda

5 NEXT GENERATION SEQUENCING - PLATFORMY 1. Roche (454) bp; pirosekwencjonowanie; fluorescencja 2. Illumina (Solexa) bp; sekwencjonowanie przez syntezę; fluorescencja 3. Pacific Biosciences (PacBio) > bp; sekwencjonowanie przez syntezę; fluorescencja 4. i inne Sekwencjonowanie i co dalej?

6 NGS PIPELINE - przykład Surowe Dane Kontrola jakości Przyrównanie do genomu referencyjnego Detekcja polimorfizmów DNA/RNA Pipeline = łańcuch przetwarzania danych Uproszczony schemat Jedne z podstawowych zagadnień w analizie danych NGS przyrównanie do genomu referencyjnego oraz detekcja mutacji/polimorfizmów Sens biologiczny

7 SUROWE DANE FORMAT FASTQ Surowe Dane Kontrola jakości Read 1:N:0:ACAGTG AGAAATGCCAGGCTAGATGAGTTACAATCTAGTATCAAGATAGGC ( ) Przyrównanie do genomu referencyjnego Detekcja polimorfizmów DNA/RNA Sens biologiczny Read 1 AGAAATG Single-end

8 SUROWE DANE FORMAT FASTQ Surowe Dane Kontrola jakości Przyrównanie do genomu referencyjnego Detekcja polimorfizmów DNA/RNA Read 1:N:0:ACAGTG AGAAATGCCAGGCTAGATGAGTTACAATCTAGTATCAAGATAGGC ( ) Read 2:N:0:ACAGTG TTAAATGCCAGGCTAGATGAGTTACAATCTAGTATCAAGATAGGCT + DD@FF@@FGHGHH01DDGHHHDDDDHIIIJJJDIIIGDDJGDDGDD ( ) Paired-end Read 1 Read 2 AGAAATG... GGCTGAA Sens biologiczny

9 KONTROLA JAKOŚĆI SUROWYCH DANYCH Surowe Dane Kontrola 1:N:0:ACAGTG AGAAATGCCAGGCTAGATGAGTTACAATCTAGTATCAAGATAGGC ( ) Przyrównanie do genomu referencyjnego Detekcja polimorfizmów DNA Sens biologiczny

10 KONTROLA JAKOŚĆI SUROWYCH DANYCH Surowe Dane Kontrola jakości Przyrównanie do genomu referencyjnego Detekcja polimorfizmów DNA/RNA Sens biologiczny

11 KONTROLA JAKOŚCI FASTQC Kontrola jakości danych Graficzne przedstawienie sekwencji Tworzenie raportu Brak możliwości filtracji danych Magda Mielczarek 11

12 FASTQC BASIC STATISTICS Magda Mielczarek 12

13 FASTQC PER BASE SEQUENCE QUALITY Magda Mielczarek 13

14 FASTQC PER SEQUENCE QUALITY SCORES Magda Mielczarek 14

15 FASTQC PER BASE N CONTENT Magda Mielczarek 15

16 FASTQC SEQUENCE LENGTH DISTRIBUTION Magda Mielczarek 16

17 FASTQC SEQUENCE DUPLICATION LEVELS Magda Mielczarek 17

18 FASTQC OVERREPRESENTED SEQUENCES No overrepresented sequences Magda Mielczarek 18

19 NISKA JAKOŚĆ I FILTORWANIE 1:N:0:ACAGTG AGAAATGCCAGGCTAGATGAGTTACAATCNAGTATCAAGATAGGC /01234 ( ) Magda Mielczarek 19

20 NISKA JAKOŚĆ I FILTORWANIE DANYCH - 1:N:0:ACAGTG GTTAGCGCGCGGCTAGATGAGTTACAATCNAGTATCAAGATAGGAAAAAA / ( ) Oryginalny odczyt = 51 bp 1. Homopolimery? TTAGCGCGCGGCTAGATGAGTTACAATCNAGTATCAAGATAGGAAAAAA 2. Nieznane zasady? TTAGCGCGCGGCTAGATGAGTTACAATCNAGTATCAAGATAGGAAAAAA 3. Jakość poniżej 20? TTAGCGCGCGGCTAGATGAGTTACAATCNAGTATCAAGATAGGAAAAAA Odczyt po czyszczeniu = 26 bp Magda Mielczarek 20

21 PRZYRÓWNANIE DO GENOMU REFERENCYJNEGO Surowe Dane Kontrola jakości Przyrównanie do genomu referencyjnego Detekcja polimorfizmów DNA/RNA Sens biologiczny

22 PRZYRÓWNANIE DO GENOMU REFERENCYJNEGO A A G G

23 DETEKCJA POLIMORFIZMÓW Surowe Dane Kontrola jakości Przyrównanie do genomu referencyjnego Detekcja polimorfizmów DNA/RNA Sens biologiczny

24 DETEKCJA SNP osobnik 1 osobnik 2 gen. ref.

25 DETEKCJA SNP

26 DETEKCJA WARIANTÓW GENETYCZNYCH A A G

27 DETEKCJA WARIANTÓW GENETYCZNYCH 1. Single Nucleotide PolymorphismsSNP 2. Insertions/Deletions INDEL 3. Copy Number Variations CNV 4. Inversions INV 5. Translocations TRANS Copyright 2013, Joanna Szyda

28 LICZBA SNP (MILIONY) DETEKCJA POLIMORFIZMÓW liczba SNP u Bos taurus min: % genomu max: % genomu sd: Numer zwierzęcia

29 NGS PIPELINE PO CO? Surowe Dane Kontrola jakości Przyrównanie do genomu referencyjnego Detekcja polimorfizmów DNA/RNA Sens biologiczny

30 VARIANT EFFECT PREDICTOR Surowe Dane Kontrola jakości Przyrównanie do genomu referencyjnego Detekcja polimorfizmów DNA Sens biologiczny

31 PRZYKŁAD LITERATURY powiązanie SNP z chorobami WES / WGS Sens biologiczny Copyright 2016 Joanna Szyda

32 ANALIZA DANYCH NGS - PERSONALIZED MEDICINE WES Sens biologiczny

33 ANALIZA DANYCH NGS - PERSONALIZED MEDICINE WES Sens biologiczny

34 ANALIZA DANYCH NGS PHARMACOGENOMICS WES / WGS Sens biologiczny Identified pharmacogenes in ADHD and asthma

35 ANALIZA DANYCH NGS PHARMACOGENOMICS Sens biologiczny

36 ANALIZA DANYCH NGS PHARMACOGENOMICS Applying SNP profiles to drug choices Astma gen ADRB2 Albuterol łagodzi objawy astmy tylko u niektórych chorych Polimorfizmy punktowe a odpowiedź na leczenie albuterolem 13

37 ANALIZA DANYCH NGS PHARMACOGENOMICS

38 ANALIZA DANYCH NGS PRACOWNIA BIOSTATYSTYKI WGS theta.edu.pl/publications/ ACTGGGGGTGA ACTGGGGGGGA The Genetic Background of Clinical Mastitis in Holstein- Friesian cattle Szyda J., Mielczarek M., Frąszczak M., Minozzi G., Giannico R., Williams JL., Wojdak-Maksymiec K. Sens biologiczny

39 PIPELINE PRACOWNIA BIOSTATYSTYKI PIPELINE PRZYKŁADY

40 GALAXY