Genomikai blog

A múlt héten volt szerencsém részt venni Olaszországban az EMBnet és EMBRACE szervezésében tartott „Next Generation Sequencing II” workshop-on. Az alábbiakban az előadásokról és a gyakorlati bemutatókról szeretnék írni néhány érdekességet:

1. Peter Rice: Next EMBOSS release and NGS
Peter elmondta, hogy az EMBOSS szokásos következő kibocsátása július 15-én lesz, és hogy természetesen az EMBOSS fejlesztői közössége is felismerte, hogy szükséges lenne az NGS szekvenciákkal kapcsolatos eszközök, programok implementálására. Már az előző EMBOSS is ismerte a fastq formátumot (kipróbáltam, használtam, tényleg működik), ezt most továbbfejlesztik. 2009-ben nyertek egy három éves grantot, amelyben 100 új programot ígértek az EMBOSS-ba, de úgy látom, hogy ezek inkább majd csak jövőre kerülnek be. A fejlesztők mindazonáltal várják az ötleteket.

2. Stefan Marklund: Epigenetic analysis using NGS
Stefan először ismertette a tyúk kísérleteiket, amelynek során egy gyorsan és egy lassan növő fajtát vizsgálnak. A különböző vonalakat keresztezik és a hosszadalmas térképezés helyett megszekvenálják az utódokat, úgy keresik a jellegért felelős, vagy ahhoz kapcsolt markereket. Ezután részletesen beszélt arról, hogy lehet a DNS metilációt vizsgálni NGS módszerekkel.

3. Bastien Chevreux: MIRA3 – Computer assisted editing of genomic sequences
Bastien egy világcégnek dolgozik, amely, mint mondta, az egyik legnagyobb a legkevésbé ismert cégek közül (vitaminokat, ételfestékeket, táplálék kiegészítőket gyárt). A cég nagyon sokat fermentál, és rájöttek, hogy a használt baktérium és gombatörzsek megszekvenálása nagyon fontos, mivel kiderült, hogy az esetek többségében nem minden úgy van DNS szinten, mint ahogyan azt a törzseket fejlesztő biológusok hiszik. A baktériumszekvenálásokról annyit mondott, hogy az ismétlődő szekvenciák miatt csak akkor van esély a genom de novo összerakására, ha párhuzamosan csinálnak 454 és short read szekvenálást. Bastien az előző munkahelyén, a heidelbergi DKFZ-ben kifejlesztett egy de novo assembler-t, és miután a DKFZ-től engedélyt kapott, hogy a programot szabad felhasználásúvá tegye, „szabadidejében” fejleszti tovább. Természetesen kaptunk egy rövid áttekintést arról, hogy hogy működnek ezek a programok, és melyiknek mi az erőssége. A lényeg az, hogy emlős méretben a de novo összerakás még nem nagyon működik, főleg nem, ha csak short read-eket használnak. Az egyetlen ilyen példa eddig a panda genom, de azzal kapcsolatban is vannak kételyek. Egyébként a Jingcho, a kínai EMBnet node menedzser megerősítette, hogy a pekingi BGI intézetben valóban meg akarnak szekvenálni 1000 új gerinces és növényi genomot, amihez azért kell majd jó de novo assembler szoftver. A MIRA3 program elég jó, beszéltem egy svéd barátommal, aki rendszeresen használja, és szerinte jól teljesít, igaz egy 128 GB RAM-ot tartalmazó linux PC-t kellett összerakni hozzá.

Alberto Policiti: Enhanced reference guided assembly
Egy újabb de novo assembler, ami állítólag képes használni rokon fajok már kész genomját segítségképp. Sajnos nem volt olyan meggyőző (egyébként korábban már fejlesztettek NGS illesztőt és „sima” de novo assembler-t is). A program tulajdonképpen egy pipeline, ami még nincs igazán összerakva. Demonstrálni se nagyon tudták hogy működik, csak szőlő kloroplaszt genomon mutattak adatokat (az egész fejlesztés a szőlő szekvenálásból indult ki).

Rasko Leinonen: Sequence Read Archive
Korábban már örömmel láttam, hogy az NCBI-os SRA (Short Read Archive) mellett végre elindult az európai testvére is ENA néven, ráadásul egy integrált megoldásban az összes EMBL adatbank rekord archívumával együtt. Azt azért meg kell jegyezni, hogy még nem teljesen tökéletesen működik (próbáltam többször is használni). A lényeg hogy hasonlóan a három elsődleges DNS adatbankhoz, ez is tükrözve lesz Európa, Japán és Amerika között, ezért például nem is használnak szalagos mentést (hová jutottunk!). Érdekesség, hogy jelenleg 22.8 TByte Illumina, 1.5 TByte Solid és 1.4 TByte 454 adat található az adatbázisban.

David Horner: Analysis of smallvRNA deep sequence data
David Horner egy érdekes áttekintést adott a kis RNS-ek NGS szekvenálásával kapcsolatos bioinformatikai feladatokról, módszerekről. Érdekesség, hogy ő is a szőlő szekvenálással kapcsolatos egyik olasz csoportban dolgozik.

Massimilano Gentile Chip-seq data analysis and visualization using Chipster
Az olasz neve ellenére Massimilano Helsinkiben dolgozik a CSC-ben, ami a finn kutatási számítógépes szolgáltató intézmény, és ami ellentétben például a magyar NIIF-fel magas szinten foglalkozik bioinformatikai szolgáltatásokkal, helyt ad a finn EMBnet node-nak és már elkötelezte magát Finnország részéről, hogy csatlakozik az ELIXIR-hez is. A Chipster egy R-en, Bioconductor-on Java-n és egy csomó kiegészítő programon alapuló ingyenes microarray elemző felület. A rövidesen kibocsátandó új verzióban azonban megjelenik két újdonság is, egyrészt elkezdték az NGS alkalmazások implementálását, másrészt csináltak egy iszonyatosan gyors genom browsert, ami külön is elérhető lesz, és kiváló alternatívája lehet az IGV-nek. Az NGS feldolgozásnál először a ChIP-seq analízist valósították meg (a következő az RNA-seq lesz). Ez azt jelenti, hogy a nekünk csak a short read-ek illesztését kell beadni a programnak, a többit (a „peak” keresést és még néhány kiegészítő vizsgálatot, mint az ismert transzkripciós faktor kötőhelyek keresését (a JASPAR alapján) elvégzi a program egy gombnyomásra! A „peak” kereséshez összehasonlították az elérhető programokat, és végül a MACS-ot választották.

A második nap úgynevezett „hack-a-thon” szekció volt, ami során élesben kipróbálhattuk volna a különböző eszközöket (jelesül az NGS szekvencia beküldést, a MIRA és a többi genom aösszerakót). Ez az első NGS workshop-on tavaly novemberben Rómában kitűnően sikerült is, ott ugyanis a CASPUR-ban (Inter-University Consortium for the Application of Super-Computing for Universities and Research) közvetlen szuperszámítógép elérésünk volt. Most azonban a második nap már nem volt internet elérés a szállodában (gondolom nem bírta a hálózat és a rendszergazda az 50 bioinformatikus okozta forgalmat), ezért csak egy-egy bemutatót néztünk meg. Persze azért ez is nagyon tanulságos volt, például most már tudom, hogy kezdjek hozzá egy  ChIP-seq adat beküldéséhez.