Práctica de Análisis de Secuencias

Miguel Ángel Gutierrez Medina Osvaldas Vainauskas Javier Ferrer Gómez

Trabajo 3

Enunciado

Implementación de un método de análisis de un grupo de proteínas similares a una dada, usando delta-blast como herramienta para identificación de similitudes. El objetivo es sugerir anotaciones GO y rutas KEGG a partir de las asociadas de proteínas similares. Solo se podrán sugerir resultados soportados por un porcentaje de identidad mínimo y un grado de apoyo mínimo. Ambos valores serán especificados por el usuario en tiempo de ejecución. Un apoyo 10 significa que al menos 10 secuencias deben tener esa anotación GO o la ruta KEGG asociada.

Uso

usage: find_annotations.py [-h] [-f FILE] [protein] min_identity min_support

Find similar proteins using Delta Blast and suggests GO annotations and KEGG
routes associated to them.

positional arguments:
  protein               Protein to analyze
  min_identity          Minimum identity score to consider (Default: 75)
  min_support           Minimum support degree to consider (amount of
                        sequences sharing an annotation (Default: 10)

optional arguments:
  -h, --help            show this help message and exit
  -f FILE, --file FILE  Specify dblast output file with list of similar
                        proteins

Descripción del proceso

1. Realiza un Delta Blast o lee un archivo de resultado de Delta Blast.
2. Busca las IDs en UniProt
3. Extrae los términos GO
4. Extrae las KEGG Ids
5. Busca las Ids KEGG en la base de datos KEGG
6. Recupera los Pathways KEGG
7. Dibuja un diagrama con los términos GO y KEGG

Instalación

Requiere pipenv.

Instalar pipenv

pip install pipenv

Preparar virtual enviroment

Después de clonar el repo, ir al directorio raíz y ejecutar: pipenv install para crear el entorno e instalar todas las dependencias.