Браузеры генома

Не последнюю роль в биоинформатике занимает визуализация. Учёные в этой области работают с огромными объёмами информации, которую хорошо бы как-то охватить взглядом и представить в голове. Ярким примером средства визуализации являются браузеры геномов (genome browser), о которых я и хочу рассказать.
^[1]

Как многие помнят из школьного курса биологии, геном состоит из набора хромосом, а хромосома — это две цепочки, свёрнутые в спираль. Каждая из цепочек содержит последовательность нуклеотидов с четырьмя типами азотистых оснований — аденин (A), гуанин (G), цитозин (C) и тимин (T). По одной цепочке легко определить вторую, если помнить, что аденин соединяется в пару с тимином (Антошка-Тимошка), а гуанин с цитозином (гусь-цыплёнок). Некоторые участки ДНК называются генами, с них считывается РНК, по которой потом кодируются белки. Белки состоят из аминокислот 20 видов ^[2] (плюс пара экзотических), каждая из которых кодируется по трём нуклеотидам.

Браузер генома — это такая одномерная карта, которая отображает какую-нибудь нуклеотидную последовательность (скажем, хромосому или отдельный ген) с сопутствующей информацией. Информация обычно структурируется в блоки, называемые треками (tracks). К примеру, может быть трек с генами или с отдельными нуклеотидами. Отдельные сущности на треках часто называют фичами (features).

Бывают браузеры геномов, заточенные под маленькие бактериальные геномы, но универсальному браузеру необходимо показывать и длинные хромосомы позвоночных целиком, и отдельные нуклеотиды. Самая длинная хромосома человека (первая ^[3]) содержит около 250 миллионов пар оснований, то есть масштаб должен меняться примерно в миллион раз. Конечно, в разном масштабе информация отображается по-разному. Например, на картинке выше есть трек с генами UCSC Genes, куда попал ген SOD1 целиком и фрагменты соседних генов. В таком масштабе отображается экзон-интронная структура гена. Экзоны ^[4] (те части, которые останутся в РНК после сплайсинга ^[5] и в перспективе закодируют белок) обозначены закрашенными прямоугольниками, а интроны ^[6] (промежутки между экзонами) — стрелочками, которые показывают направление считывания гена (в данном случае ген SOD1 расположен на прямой нити ДНК, а BC041449 — на обратной). А вот как кусок гена SOD1 выглядит при увеличении:

Здесь масштаб позволяет вывести аминокислотную последовательность тех фрагментов гена, которые потом закодируют белок. Каждой аминокислоте соответствует определённая буква латинского алфавита.

Что ещё можно увидеть на браузере генома? В самом детальном масштабе можно увидеть отдельные нуклеотиды, как на прямой, так и на обратной спирали ДНК:
^[7]
Каждому нуклеотиду соответствует стандартный цвет, поэтому можно весело раскрашивать, даже если сами буквы уже не влезают:

Если ещё немного откатиться, то о нуклеотидном составе можно судить по специальному треку GC content:

Здесь красный цвет означает, что нуклеотидов G и C в данном месте меньше 50%, а синий цвет — больше. Можно подумать, что A, C, G, T — это просто четыре равноправные состояния двухбитовой ячейки, кодирующей генетическую информацию, и доля G и C ни о чём интересном не говорит. Однако пары оснований G-C образуют три водородные связи, а A-T только две. То есть G-C крепче, их труднее разорвать и обогащённость G-C или A-T связями влияет на химические процессы в данном регионе ДНК.

Что ещё интересного можно посмотреть? Обычно имеются треки с геномными вариациями, которые, например, отличают различных людей друг от друга. Часто вариации выражаются в виде точечных мутаций, однонуклеотидных замен (Single-nucleotide polymorphism, SNP ^[8]). Многие из этих мутаций найдены при сравнении результатов секвенирования геномов разных людей и помещены в специальные базы данных (например, dbSNP):

На приведённом фрагменте не так уж и мало SNP (19 на 356 нуклеотидов — больше 5%). Впрочем, многие из них синонимичны. Так как из 4³=64 вариантов трёх нуклеотидов кодируется 20 вариантов белков, некоторые замены не влияют на результирующий белок. Часть замен попадает в некодирующие регионы (например, в интроны), поэтому могут тоже не влиять на результат (но могут и влиять).

Ещё одна интересная штука — это сравнение человеческого генома с геномами других видов. Для этого нетривиальными алгоритмами делают множественное выравнивание геномов и тоже его показывают. На самой верхней картинке поста показано схематично выравнивание человека с макакой-резусом ^[9], мышью, собакой, слоном, опоссумом, курицей, лягушкой (Xenopus tropicalis) и рыбкой данио-рерио ^[10] (zebrafish). Тёмным показаны совпадающие фрагменты. Заметьте, что самые тёмные участки приходятся на кодирующие области генов. На той же картинке есть график консервативности участков среди млекопитающих (Mammal cons), который тоже коррелирует. А вот множественное выравнивание в увеличенном виде:

Минус означает, что нуклеотид есть у человека, но отсутствует у другого вида. Оранжевая вертикальная черта (например, в строчке с собакой между двумя тиминами) — наоборот. Сверху указано количество пропавших нуклеотидов (сами они не приведены). Кодирующий регион приведён в аминокислотном виде, поэтому синонимичных замен не видно. Курица и рыбка, видимо, вообще не имеют похожего региона. Можно убедиться, насколько макака похожа на человека.

На самом дальнем масштабе становится виден кариотип ^[11] хромосомы:

По кариотипу можно сориентироваться, если помнить, например, в какой полосе находится ваш любимый ген, который вы изучаете. Перекрещивание посередине — это центромера ^[12].

Бывает и множество других предопределённых треков. Некоторые браузеры позволяют подгружать треки с веб по специальному DAS-протоколу ^[13]. Ну и, конечно, геном-браузеры позволяют учёным добавлять свои (для этого есть специальные форматы файлов). Пользовательские треки могут, скажем, показывать области связывания ДНК с конкретным белком (например, с фактором транскрипции ^[14]), как предсказанные, так и полученные в эксперименте (к примеру, ChIP-Seq ^[15]). Если вы, к примеру, секвенировали собственный геном, можно загрузить результат и сравнить с референсным и с известными SNP.

Браузеров генома великое множество. Только в Википедии перечислено ^[16] штук тридцать, а это точно не все. Многие из них специализированы: заточены под определённый организм или определённый тип данных. Из популярных десктопных браузеров можно отметить Integrated Genome Browser ^[17] и Integrative Genomic Viewer ^[18] (как видите, с названиями не заморачивались). И тот и другой — Java-приложения, имеется Java Web Start.
^[19]

Конечно, часто удобнее пользоваться браузером генома на веб. Большинство картинок выше сделаны в UCSC Genome Browser ^[20] и Ensembl Genome Browser ^[21]. Оба этих браузера генерируют картинки на сервере. Есть и более современные в техническом плане решения. AnnoJ ^[22], например, рендерит картинки на клиенте в canvas, получая от сервера данные в JSON (демонстрация для любимой травки биологов — арабидопсиса). Есть ещё JBrowse ^[23]. В своём роде он уникален, так как не содержит серверного кода. Данные о треках и последовательностях заранее подготавливаются на сервере в виде статических файлов, которые браузер подгружает по AJAX. Пользовательские файлы обрабатываются через File API ^[24].

Идеального браузера геномов не существует. На мой взгляд, основная проблема — это скорость работы. Особенно это заметно на веб, хотя и в десктопных бывают задержки. Некоторые треки при определённых масштабах либо генерируются очень медленно, либо вообще отключаются. Для визуализации приходится перемалывать много информации, которая, возможно, не всегда представлена в оптимальном виде. Поэтому если у кого-то найдётся желание этим заняться, есть все шансы побороть конкурентов.

Автор: lany

Источник ^[25]