Discussion :

[picopom]

Bonjour à tous,

Je m'excuse par avance si ma question a déjà été posée ou si la réponse est évidente.

Je cherche à récupérer une séquence complète (pour plusieurs organismes différents) à partir de ses bornes (start et end).
Jusqu'ici, j'ai essayé par Ensembl, mais le fichier de résultat se présente sous la forme de transcrits mis bout à bout, et je me perds dans UCSC.

Auriez vous une solution simple à me proposer, uniquement à partir des bornes de début et de fin de ma séquence ? (pas d'accession ...)

Merci !

[MaliciaR]

Salut,

Je n'ai pas l'impression de comprendre ce que tu veux faire
Ca veut dire quoi pour toi "le début et la fin d'une séquence" ? Tu parles de quelles tailles? Donne plus de détails.

[picopom]

En fait, j'avais besoin de sortir la séquence (pas les contigs, ni les transcrits à la suite) format fasta, pour, par exemple, le chromosome 2 entre la base numéro 45265498 et 78456123 (=start et end).

En fait j'ai trouvé mon bonheur sur Ensembl tout de même, dans "export data", qui prenait les bornes et me donnait le fichier de mes rêves.

Mais je m'étonne de ne pas trouver de méthode dans BioPerl style getsequence(), qui prenne en argument les bornes de début et de fin....

[djibril]

Ah non, je pense que ça existe, je ne me souviens plus, mais j'ai déjà vu pas mal de modules BioPerl où tu peux spécifier les bornes et récupérer la séquence adéquate.

[Jasmine80]

Bio::Seq

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
 Title   : subseq
 Usage   : $substring = $obj->subseq(10,40);
 Function: Returns the subseq from start to end, where the first base
           is 1 and the number is inclusive, ie 1-2 are the first two
           bases of the sequence
 
           Start cannot be larger than end but can be equal
 
 Returns : A string

[picopom]

Merci,

J'avais déjà vu cette fonction, mais elle s'applique à un objet de type séquence, c'est à dire avec une séquence associée.

Ma question était comment peut-on récupérer simplement une séquence dans une base de données à partir des bornes, sachant que ces bornes ne sont pas forcément comprises dans une séquence "connue" (cad pas forcément comprises dans un gène)?

Par exemple, on sait qu'on a une mutation entre la position 2035 et la position 10005 sur le chromosome 3. On veut donc récupérer cette séquence pour la confronter à la référence.
Donc le but est de récupérer toute la séquence, introns, exons, non codante ...

J'espère que c'est un peu plus clair, au moins pour la démarche.

[Jasmine80]

Par exemple, on sait qu'on a une mutation entre la position 2035 et la position 10005 sur le chromosome 3. On veut donc récupérer cette séquence pour la confronter à la référence.
Donc le but est de récupérer toute la séquence, introns, exons, non codante ...

... je ne comprends pas ... dans cet exemple tu as quand même la séquence du chromosome 3 en entier? Qu'as-tu concrètement?



NB : Si tu veux éviter de devoir créer un objet de ta séquence tu peux simplement utiliser un substring

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$portion = substr($string_variable, start number, length);

[picopom]

... je ne comprends pas ... dans cet exemple tu as quand même la séquence du chromosome 3 en entier? Qu'as-tu concrètement?

Non, je n'ai que les bornes et le chromosome ... Aucune séquence.
J'ai cherché ce genre de choses dans biomaRt, mais les requêtes sont du style de celle de l'interface sur le site ... donc ce n'est pas ce qui m'interesse ..

[Jasmine80]

Non, je n'ai que les bornes et le chromosome ... Aucune séquence.
J'ai cherché ce genre de choses dans biomaRt, mais les requêtes sont du style de celle de l'interface sur le site ... donc ce n'est pas ce qui m'interesse ..

NCBI : Eukaryotae Complete Chromosomes

Si tu travailles sur l'humain, pour le chromosomes 5, tu peux utiliser les accessions NC_000005, AC_000048 et AC_000137 ... il y a beaucoup de N dans la séquence, c'est pas le top mais je n'ai pas mieux. Si tu arrives à y repérer le nom du gène contenant la mutation, tu peux rechercher des séquences sur GenBank en l'utilisant comme mot clé.


Utilise le module Bio::DB::GenBank

[Jasmine80]

Paramètre à utiliser pour le programme.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
use Bio::DB::GenBank;
 
 
my $db = 'genome';
my $query_string = 'homo sapiens [organism] chromosome 5';
 
my $query = Bio::DB::Query::GenBank->new(-db=>$db,
                                    -query=>$query_string );
 
 
my $stream = $gb->get_Stream_by_query($query);
 
while ( my $data = $stream->next_seq ){
        my $acc = $data->accession_number();
        my $seq = $data->seq();
}

Nb : si tu dois souvent utiliser ce chromosome, il vaudrait mieux le stocker dans une DB (voire à la limite un fichier texte).

[picopom]

Très bien !!

Effectivement, ça peut aider. Dans mon cas, je jongle avec des locus sur plusieurs chromosomes donc la DB c'est pour plus tard.

J'ajoute juste pour ceux que ça intéresse qu'on peut ajouter d'autres options (telles que les bornes) :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
my $gb = Bio::DB::GenBank->new(-format     => 'Fasta',
                                   -seq_start  => 100,
                                   -seq_stop   => 200,
                                   -strand     => 1,
                                   -complexity => 4);
    my $seqi = $gb->get_Stream_by_query($query);

Merci !

[djibril]

Juste pour ton information, Si tu parses un très gros fichier genbank (comme certains chromosomes, tu pourras avoir des souci de mémoire car si je prend l'exemple du chromosome 1 NC00001, la séquence est très très grande, ainsi, le module a un peu de mal à tout charger en mémoire. Donc il faudra se creuser la tête pour concevoir un algo plus adéquat .