https://github.com/ecastron/RSG-ISCB-Santiago/blob/master/README.md

RSG-ISCB-Santiago - Taller sobre ensamblaje y anotación de genomas bacterianos

Autor: Eduardo Castro
Fecha: 27 de agosto de 2016
Lugar: Sala zócalo 2 (o ZO5), Facultad de Ciencias Biológicas, Pontificia Universidad Católica de Chile. Portugal 49

Introducción

En este taller vamos a presentar y discutir los aspectos básicos del ensamblaje de genomas bacterianos y la anotación de genes. Vamos a utilizar datos reales de Illumina para prácticar directamente en la línea de comandos.

En resumen, vamos a movernos a través de los pasos canónicos desde que recibimos los archivos desde el secuenciador hasta que comenzamos a examinar los resultados de lo que llamamos un genoma ensamblado y anotado.

Control de calidad y procesamiento de datos genómicos (PrinSeq, PEAR)
Ensamblaje de genomas con múltiples parámetros (SPAdes, A5-pipeline, QUAST)
Anotación automática de genes ab initio y por homología (Prokka, EggNOG-Mapper)
Exploración de resultados en exploradores de genomas ([Artemis Comparison Tool] (http://www.sanger.ac.uk/science/tools/artemis-comparison-tool-act), Geneious Basic)

Por motivos de tiempo, estamos dejando un paso muy importante afuera que tiene relación con el control de calidad de los fragmentos de DNA secuenciados, i.e., revisar si lo que nos entrega el secuenciador está libre de secuencias contaminantes, e.g., secuencias de humanos, otras bacterias, virus, etc. Revisa los siguientes manuscritos si estás interesado en aprender más sobre contaminación --> PMID: 21408061; [PMID: 25412476] (http://www.ncbi.nlm.nih.gov/pubmed/25412476)

Otro paso muy importante que vamos a dejar afuera tiene que ver con orientar los fragmentos de DNA contiguos producto del ensamblaje, i.e., orientar los contigs. Esto es comúnmente llamado Scaffolding y en general se utilizan uno o más genomas de referencia y las reads originales para guiar la orientación de los contigs. Para los interesados, revisar: Ragout ([PMID: 24931998] (http://www.ncbi.nlm.nih.gov/pubmed/24931998))

Hoy vamos a trabajar con dos genomas bacterianos, Escherichia coli y Pseudomonas fluorescens. El aislado de E. coli fue obtenido de una muestra de carne de pollo que se compró en un supermercado en Washington, DC. El aislado de P. fluorescens fue obtenido de una muestra de suelo antártico.

Descargar Pseudomonas fluorescens
Descargar Escherichia coli
Clase introducción

Si tienes Mac, necesitarás instalar el programa Xcode y luego de eso las "command line tools". Xcode se puede instalar desde el App Store y las "command line tools" se instalan desde la terminal usando el comando xcode-select --install