Proyecto Genoma Humano 2. El paisaje genómico global

Tamaño: px

Comenzar la demostración a partir de la página:

Download "Proyecto Genoma Humano 2. El paisaje genómico global"

Eugenio Olivera Quiroga
hace 6 años
Vistas:

1 Proyecto Genoma Humano 2. El paisaje genómico global 1 Contenido en CG 2 Islas CpG 3 Tasas de recombinación 4 Secuencias repetidas 5 Contenido en genes 6 El Proyecto ENCODE Referencias: Lander et al. 2001, Nature 409: The Encode Project Consortium 2007, Nature 447: Range: 31-65% (20-kb windows) Mean: 41% SD: 5.2% 1

2 Mapa genético humano: microsatélites (Broman et al. 1998) El Centre d Études du Polymorphisme Humaine (CEPH) mantiene una colección de lineas celulares en cultivo de familias numerosas (3 generaciones) 2

3 3

4 DNA repetitivo en el genoma humano i. Repeticiones derivadas de elementos transponibles (repeticiones dispersas) ii. iii. iv. Pseudogenes procesados (copias inactivas de genes celulares producto de retrotranscripción) Microsatélites o repeticiones de secuencia simple como (A)n, (CA)n o (CGG)n Duplicaciones segmentales ( kb) v. Grandes bloques de secuencias altamente repetidas en tándem (centrómeros y telómeros) Elementos transponibles en el genoma humano bp bp 4

5 5

6 Contribución de los elementos transponibles al genoma de diversas especies Elementos H. sapiens D. melanogaster C. elegans A. thaliana LINE/SINE 33.40% 0.70% 0.40% 0.50% LTR 8.10% 1.50% 0.00% 4.80% DNA 2.80% 0.70% 5.30% 5.10% Total 44.40% 3.10% 6.50% 10.50% Mutaciones causadas por la inserción de elementos transponibles En Drosophila, ~50% de las mutaciones morfológicas clásicas (por ejemplo, white) están causadas por la inserción de elementos transponibles. En el raton, 10% de las mutaciones espóntáneas están causadas por transposiciones. En humanos, 1/600 de las mutaciones espontáneas están causadas por la inserción de elementos transponibles. 6

7 Distribución n de los elementos La región con más alta densidad de TEs (89%) es una región de 525 kb en el cromosoma Xp11. Contiene un segmento de 200 kb con una densidad de TEs de 98%. 7

8 8

9 9

10 Genes que cifran RNA no codificante en el genoma humano. Genes de RNA Número esperado Número Observado Genes relacionados (pseudogenes, fragmentos, parálogos) trna S rrna S rrna S rrna S rrna snorna snrna (U1-U12)?? SL RNA Características de los genes humanos que codifican proteínas ( mrnas en la base de datos RefSeq alineados con el borrador del genoma, Lander et al. 2001) Característica Mediana Promedio Tamaño muestra Tamaño exones 122 bp 145 bp Número exones Tamaño intrones bp bp UTR 400 bp 770 bp 689 (crom. 22) 5 UTR (crom. 22) Secuencia codificadora bp bp (CDS) 367 aa 447 aa Extensión genómica 14 kb 27 kb

11 Comparación de los genes humanos con los de Caenorhabditis y Drosophila Correlación entre la densidad génica y el contenido en CG 11

12 Estrategias para la identificación n de genes Programas informáticos diseñados para la predicción ab initio de exones e intrones. Similaridad de la secuencia del DNA o de la proteína con la de otros organismos (por ej. el ratón o la rata). Evidencia directa de transcripción proporcionada por mrnas o ETS. Genes detectados por el Proyecto Genoma Humano (IGI/IPI ver 1) Método Número de genes Longitud promedio (aa) Genes conocidos (RefSeq/SwissProt/TrEMBL) Ensembl (Genscan + similaridad con prot, EST y mrna de cualquier organismo) + Genie Ensembl Total

13 Evaluación de IGI/IPI IGI contains 19/31 (61%) novel genes in the human genome. 81% of mouse cdnas showed similarity to the human genome seq whereas only 69% showed similarity to IGI suggesting a sensitivity 69/81=85%. 477 IGI gene predictions were compared to 539 confirmed genes and 133 pseudogenes on chr (9%) hit 34 pseudogenes (fragmentation rate=1.2). 63 (13%) did not overlap any current annotation. Assuming a rate of overprediction of 20% and a rate of fragmentation of 1.4, the IGI would be estimated to contain actual human genes. Assuming that the gene predictions contains only 60% of previously unknown human genes, the total number of genes in the human genome would be Estimas del número n de genes existentes en el genoma humano (2001) Método Estima Autores Cinética de reasociación Lewin 1980 Tamaño del genoma/tamaño del gen W. Gilbert (Lewin 1990) Número de islas CpG Antequera and Bird Número de EST Ewing and Green 2000; Liang et al Asociación de EST e islas CpG Dickson 1999 Comparación del genoma humano Roest Crollius et al con el de Tetraodon nigroviridis Extrapolación de los cromosomas Dunham 2000 y Análisis inicial del genoma humano Lander et al Análisis inicial del genoma humano Venter et al

14 La paradoja del valor N Puede la complejidad del proteoma humano explicar la complejidad fenotípica de los vertebrados? Jean Michael Claverie (Science, 2001) ha definido la complejidad de un organismo como el número de transcriptomas distintos que teóricamente es capaz de generar. Si cada gen puede tener dos estados (ON y OFF), un genoma con N genes puede dar lugar a 2 N diferentes transcriptomas. Por lo tanto el aumento de complejidad que se puede conseguir al pasar de a genes es igual a / = = una cantidad astronómica (mayor que el número de átomos en el universo). Genoma Humano (versión 21-Oct-2004) Se han conseguido secuenciar Mb (99% de la eucromatina). La tasa de error es 1/ bases (Q = 50). Se ha reducido el número de gaps (huecos) de ~ a sólo 341. De ellos, 33 (total ~198 Mb) en la heterocromatina y 308 (total ~28 Mb) en la eucromatina. Tamaño total: = Mb. Número de genes: ( genes conocidos predicciones). Pseudogenes: ~

El proyecto ENCODE El proyecto ENCODE (Encyclopedia od DNA elements) pretende identificar TODOS los elementos funcionales de la secuencia del genoma humano. Fase piloto.

15 El proyecto ENCODE El proyecto ENCODE (Encyclopedia od DNA elements) pretende identificar TODOS los elementos funcionales de la secuencia del genoma humano. Fase piloto. Análisis detallado de 44 regiones discretas repartidas por todo el genoma que suman ~30 Mb (~1%). Fase de desarrollo tecnológico. Fase de producción. Aplicación de las técnicas desarrolladas en la fase anterior al restante 99% del genoma. 15

16 El proyecto ENCODE Resultados iniciales del proyecto ENCODE (Junio 2007) La mayor parte del genoma humano se transcribe. Se han identificado muchos transcritos nuevos que no codifican proteínas. Se han identificado numerosos sitios de inicio de la transcripción nuevos. Se estimado que ~ 5% de las bases están evolutivamente constreñidas en los mamíferos. Una tercera parte de ellas codifican proteínas. Un 40% no están anotadas. Hay una correlación general entre regiones bajo constreñimiento evolutivo y regiones funcionales (experimentalmente determinadas) pero no muy alta. Algunos elementos funcionales parecen no estar constreñidos. 16

17 GENCODE = Integrated annotation of existinf cdna and protein resources to define transcrips. TxFrag = Fragment of a transcript; a genomic region found to be present in a transcript by an unbiased tiling-array essay. CODE and PET tags = short sequences from the 5 end or containing both the 5 and 3 ends of a transcript. 17

18 18

19 19

20 20

Documentos relacionados

The human genome. El proyecto genoma humano

The human genome. El proyecto genoma humano The human genome El proyecto genoma humano El proyecto genoma humano El Proyecto Genoma Humano 1. Consorcio de 20 laboratorios públicos pertenecientes a 6 países. Liderado por F.S.Collins y E. Lander.