Vergleich des neuen Rindergenoms

Seit 2014 war das UMD-3.1-Genom der Standard für Genomstudien beim Rind, z. B. hier zum Herunterladen:

Vor ein paar Tagen ist aber eine neue Assemblierung erschienen, ARS_UCD1.2. Sie lässt sich hier herunterladen:

ftp://ftp.ncbi.nlm.nih.gov/genomes/all/GCA/002/263/795/GCA_002263795.2_ARS-UCD1.2/

Um mir einen schnellen Eindruck zu verschaffen, habe ich beide Assemblierungen mit LAST http://last.cbrc.jp/ verglichen und auf Ähnlichkeit geprüft.

Zuerst habe ich eine LAST-Datenbank angelegt, etwa so

lastdb -P0 -uNEAR -R01 $FOLDER/UMD31/UMD31-NEAR $FOLDER/UMD31/UMD3.1_chromosomes.fa

Dann habe ich die Substitutions- und Lückenhäufigkeiten bestimmt

last-train -P0 --revsym --matsym --gapsym -E0.05 -C2 $FOLDER/UMD31/UMD31-NEAR $FOLDER/ARS/ARS_UCD12.fna > $FOLDER/UMD-ARS.mat

Nach dem Training lief das Blasten (hier der parallele Teil des Slurm-Skripts)

FOLDER="/wrk/daniel/References/";
chr=($(ls $FOLDER/ARS/chr*));

lastal -m50 -E0.05 -C2 -p $FOLDER/UMD-ARS.mat $FOLDER/UMD31/UMD31-NEAR ${chr[$SLURM_ARRAY_TASK_ID]} | last-split -m1 > UMD-ARS-$SLURM_ARRAY_TASK_ID.maf

Da ich das Blasten für jedes Chromosom parallel laufen ließ, mussten die Kopfzeilen der Dateien entfernt werden

cat *.maf > all.maf
sed '/^#/ d' < all.maf > temp.maf
head -n 22 all.maf > headerLines
cat headerLines temp.maf > alignments.maf

Zum Schluss wurden die zusammengeführten Simple-Sequence-Alignments verworfen, die Alignments ins Tabellenformat umgewandelt und Alignments mit einer Fehlerwahrscheinlichkeit > 10^-5 verworfen:

last-postmask alignments.maf |
maf-convert -n tab |
awk -F'=' '$2 <= 1e-5' > alignments.tab

Und aus dieser Tab-Datei wurde dann der Dotplot erstellt

last-dotplot -x 4000 -y 4000 alignment.tab alignment.png

So sieht der Dotplot aus: Es scheint im Großen und Ganzen dasselbe Genom zu sein, in manchen Bereichen hat es sich aber deutlich verändert! (Öffnen und an die Diagonale heranzoomen, um die Unterschiede zu sehen)