Ejemplos de problemas Biolgicos que pueden ser resueltos

Ejemplos de problemas Biológicos que pueden ser resueltos mediante un enfoque Bioinformático

Conceptos básicos 1. Homología y otras relaciones evolutivas (paralógos, ortólogos, xenólogos) 2. Uso preferencial de codones, CAI y expresividad 3. Microarreglos y aproximaciones estadísticas para su análisis

Descripción de programas existentes • BLAST (Comparación apareada de secuencias) • MEME/MAST (Identificación de motivos sobrerepresentados)

Planteamiento de problemas para resolver 1. Grupo mínimo de genes para la vida 2. Predicción de operones bacterianos 3. Expresividad en unidades transcripcionales 4. Conservación de expresividad entre organismos 5. Identificación de genes transferidos horizontalmente H. pylori 6. Regulación por glucosa en E. coli y B. subtilis

Conceptos básicos: Homología y otras relaciones evolutivas Actualmente se han secuenciado más de 600 genomas

Conceptos básicos: Homología y otras relaciones evolutivas Se tienen genomas de los tres reinos, bacterias, arqueas y eucarias

Conceptos básicos: Homología y otras relaciones evolutivas Incluyendo la secuencia del genoma humano

Conceptos básicos: Homología y otras relaciones evolutivas ¿Cuál es el interés de secuenciar tantos genomas? ¿Que clase de información podemos obtener de la comparación de secuencias?

Conceptos básicos: Homología y otras relaciones evolutivas

Conceptos básicos: Homología y otras relaciones evolutivas Identificar elementos del genoma (genes) Inferir sus posibles funciones bioquímicas

Glass, John I. et al. (2006) Proc. Natl. Acad. Sci. USA 103, 425 -430

Conceptos básicos: Homología y otras relaciones evolutivas ¿Cuál es la base de dichos supuestos? Evolución

2, 000, 000 years Conceptos básicos: Homología y otras relaciones evolutivas Las proteínas homólogas comparten un ancestro común

Conceptos básicos: Homología y otras relaciones evolutivas Las secuencias polipeptídicas cambian en el tiempo

Conceptos básicos: Homología y otras relaciones evolutivas Supuestos básicos Dos proteínas tienen la misma función si sus secuencias son idénticas Dos proteínas tienen funciones equivalentes si sus secuencias son similares Pero… ? Que tan similares? y ? Que tan equivalentes pueden ser sus funciones?

Conceptos básicos: Homología y otras relaciones evolutivas Se puede predecir homología a partir de la similitud de sus secuencias

Conceptos básicos: Homología y otras relaciones evolutivas Las proteínas homólogas tiene un mismo plegamiento tridimensional Bovine chymotrypsin (1 chg) E()<10 -32 42% 233/245 S. griseus protease A (1 sgc) E()<66 23% 197/297 S. griseus trypsin (1 sgt) E()10 -19 34% 228/259 Endochitinase (2 baa) E()<4. 2 26% 134/372

Conceptos básicos: Homología y otras relaciones evolutivas Organismos Tiempo Gene ancestral Ortólogos Especiación Parálogos Duplicación Xenólogo Transferencia horizontal Xenologs Ortólogs–homólogos relacionados por especiación Parálogos–homólogos relacionados por duplicación Xenólogos–homólogos relacionados por transferencia horizontal

Conceptos básicos: Homología y otras relaciones evolutivas

Conceptos básicos: Homología y otras relaciones evolutivas Las existencia de proteínas parálogas dificulta la asignación de funciones

Conceptos básicos: Homología y otras relaciones evolutivas Para establecer el parecido de dos proteínas se requiere alinearlas Sec-1 Sec-2 AEGKIVTAGGIDTHIHW-ICPQQAEEALVSGVTTMVGGGTGPAAGTHATTCTPGPWYISR -------MHLFDTHCHLDALPYESDHEDVQAVFRQAGVKKALVVG----TNLP-----E: *** * * : : : . *. *. . * * *. Sec-1 Sec-2 MLQAADSLPVNIGLLGKGNVSQPDALREQVAAGVIGLKIHEDWGATPAAIDCALTVADEM -SQQAQELAR-----EYPDLY---AAIGVHPLDVQEDSEDAEALLEQA---ADPK * *: . **. * ** *. : : ** : : * ** Sec-1 Sec-2 DSQAMGRVGEVILRTWQVAHRMKVQRGALAEETGDNDNFRVKRYIAKYTINPALTHGIAH KNAEKLRE---ALRQIPLERLLVETDSPYLAPVP----FRGKRNEPEYVR--HVAEAIAE. . * ** : : : . . . ** **. : : . . **. Sec-1 Sec-2 EVGSIEVGKLADLVVWS-PAFFGVKPATVIKGGMIAIAPMGDINASIPTPQPVHYRPMFG LKG-VPLEEIAQATTENAKRLFRI------------------* : : *: . . . : * : • Alinear secuencias consiste en juiciosamente introducirles espacios para destacar su parecido.

Conceptos básicos: Homología y otras relaciones evolutivas Secuencia Cadena lineal finita y ordenada de símbolos pertenecientes a un alfabeto. El número de símbolos de la cadena representa su longitud. Alfabeto Conjunto de símbolos diferentes para representar secuencias. ADN A={a, c, g, t} Proteínas A={a, c, d, e, f, g, h, i, k, l, m, n, p, q, r, s, t, v, w, y}

Conceptos básicos: Homología y otras relaciones evolutivas Mecanismos de puntuación • • matriz de puntuación asume que la tasa de mutación para proteínas muy relacionadas se puede extrapolar a otras menos relacionadas. Matrices PAM. Dayhoff (1972) Matrices BLOSUM. Altschul (1991)

Conceptos básicos: Homología y otras relaciones evolutivas Mecanismos de puntuación A R N D C Q E G H I L K M F P S T W Y V B Z X * A 4 -1 -2 -2 0 -1 -1 0 -2 -1 -1 -2 -1 1 0 -3 -2 0 -2 -1 0 -4 R -1 5 0 -2 -3 1 0 -2 0 -3 -2 2 -1 -3 -2 -1 -1 -3 -2 -3 -1 0 -1 -4 N -2 0 6 1 -3 0 0 0 1 -3 -3 0 -2 -3 -2 1 0 -4 -2 -3 3 0 -1 -4 D -2 -2 1 6 -3 0 2 -1 -1 -3 -4 -1 -3 -3 -1 0 -1 -4 -3 -3 4 1 -1 -4 C 0 -3 -3 -3 9 -3 -4 -3 -3 -1 -1 -3 -1 -2 -3 -1 -1 -2 -2 -1 -3 -3 -2 -4 Q -1 1 0 0 -3 5 2 -2 0 -3 -2 1 0 -3 -1 0 -1 -2 0 3 -1 -4 E -1 0 0 2 -4 2 5 -2 0 -3 -3 1 -2 -3 -1 0 -1 -3 -2 -2 1 4 -1 -4 G 0 -2 0 -1 -3 -2 -2 6 -2 -4 -4 -2 -3 -3 -2 0 -2 -2 -3 -3 -1 -2 -1 -4 H -2 0 1 -1 -3 0 0 -2 8 -3 -3 -1 -2 -2 2 -3 0 0 -1 -4 I -1 -3 -3 -3 -1 -3 -3 -4 -3 4 2 -3 1 0 -3 -2 -1 -3 -1 3 -3 -3 -1 -4 L -1 -2 -3 -4 -3 2 4 -2 2 0 -3 -2 -1 1 -4 -3 -1 -4 K -1 2 0 -1 -3 1 1 -2 -1 -3 -2 5 -1 -3 -1 0 -1 -3 -2 -2 0 1 -1 -4 M -1 -1 -2 -3 -1 0 -2 -3 -2 1 2 -1 5 0 -2 -1 -1 1 -3 -1 -1 -4 F -2 -3 -3 -3 -1 0 0 -3 0 6 -4 -2 -2 1 3 -1 -3 -3 -1 -4 P -1 -2 -2 -1 -3 -1 -1 -2 -2 -3 -3 -1 -2 -4 7 -1 -1 -4 -3 -2 -2 -1 -2 -4 S 1 -1 1 0 -1 0 0 0 -1 -2 -2 0 -1 -2 -1 4 1 -3 -2 -2 0 0 0 -4 T 0 -1 -1 -2 -2 -1 -1 -2 -1 1 5 -2 -2 0 -1 -1 0 -4 W -3 -3 -4 -4 -2 -2 -3 -1 1 -4 -3 -2 11 2 -3 -4 -3 -2 -4 Y -2 -2 -2 -3 -2 -1 -2 -3 2 -1 -1 -2 -1 3 -3 -2 -2 2 7 -1 -3 -2 -1 -4 V 0 -3 -3 -3 -1 -2 -2 -3 -3 3 1 -2 1 -1 -2 -2 0 -3 -1 4 -3 -2 -1 -4 B -2 -1 3 4 -3 0 1 -1 0 -3 -4 0 -3 -3 -2 0 -1 -4 -3 -3 4 1 -1 -4 Z -1 0 0 1 -3 3 4 -2 0 -3 -3 1 -1 -3 -1 0 -1 -3 -2 -2 1 4 -1 -4 X 0 -1 -1 -1 -2 -1 -1 -1 -2 0 0 -2 -1 -1 -1 -4 * -4 -4 -4 -4 -4 -4 1

Conceptos básicos: Homología y otras relaciones evolutivas Las comparaciones de secuencias pueden ser locales o globales Global. Incluye toda la proteína Local. Solamente la zona de mayor similitud entre las secuencias es considerada

Descripción de programas existentes: BLAST (Basic Local Alignment Search Tools) es programa rápido y eficiente para buscar homólogos en una base de datos secuencias • • • BLAST busca la mejor similitud local entre dos secuencias. Se puede utilizar desde utilizando su sitio web en NCBI http: //www. ncbi. nlm. nih. gov/BLAS T/

Descripción de programas existentes: BLAST Altschul SF, Gish W, Miller W, Myers EW, Lipman DJ (1990) “Basic local alignment search tool. ” J. Mol. Biol. 215: 403 -410. Altschul SF, Madden TL, Schaeffer AA, Zhang J, Zhang Z, Miller W, Lipman DJ (1997) “Gapped BLAST and PSI-BLAST: a new generation of protein database search programs. ” NAR 25: 3389 -3402.

Descripción de programas existentes: BLAST Neighborhood Words Query Word (W = 3) Query: GSQSLAALLNKCKTPQGQRLVNQWIKQPLMDKNRIEERLNLVEAFVED Neighborhood Words PQG PEG PRG PKG PNG PDG PHG PMG PSG PQA PQN etc. 18 15 14 14 13 13 13 12 12 Neighborhood Score Threshold (T = 13)

Descripción de programas existentes: BLAST High-Scoring Segment Pairs PQG PEG PRG PKG PNG PDG PHG PMG PSG PQA PQN etc. Query: 325 Sbjct: 290 18 15 14 14 13 13 13 12 12 SLAALLNKCKTPQGQRLVNQWIKQPLMDKNRIEERLNLVEA +LA++L TP G R++ +W+ P+ D + ER + A TLASVLDCTVTPMGSRMLKRWLHMPVRDTRVLLERQQTIGA 365 330

Conceptos básicos: Homología y otras relaciones evolutivas Algunas proteínas pueden estar formadas por más de un dominio COG 0784: FOG: Che. Y-like receiver COG 2202: FOG: PAS/PAC domain COG 0642: Signal transduction histidine kinase

Descripción de programas existentes: BLAST

Descripción de programas existentes: BLAST Se puede utilizar desde utilizando su sitio web en NCBI http: //www. ncbi. nlm. nih. gov/ BLAST/

Descripción de programas existentes: BLAST [blastall] Realiza búsquedas tipo BLAST utilizando alguno de los cinco programas BLAST programs: blastp, blastn, blastx, tblastn, or tblastx [blastpgp] Realiza búsquedas reiterativas utilizando PSI-BLAST o PHI-BLAST [bl 2 seq] Realiza el alineamiento local entre dos secuencias [formatdb] Convierte secuencias en formato FASTA en una base indexada tipo BLAST

Descripción de programas existentes: BLAST blastp Query: Secuencia de Proteína Base de datos: Sequencia de Proteína blastn Query: Secuencia nucleotídica Base de datos: Secuancia nucleotídica Diferentes versiones del programa BLASTALL blastx Query: Secuencia nucleotídica traducida en todas sus seis fases de lectura Base de datos: Secuencia de Proteína tblastn Query: Secuencia de Proteína Base de datos: Secuencia nucleotídica dinámicamente traducida en todas sus seis fases de lectura tblastx Query: Secuencia nucleotídica traducida en todas sus seis fases de lectura Base de datos: Secuencia nucleotídica dinámicamente traducida en todas sus seis fases de lectura

Descripción de programas existentes: BLAST Program query blastn DNA blastp protein blastx DNA tblastn protein tblastx DNA 1 1 6 6 36 Database DNA protein DNA

Descripción de programas existentes: BLAST blastall --help -p Program Name [String] -d Database [String] default = nr Argumentos del programa blastall -i Query File [File In] default = stdin -e Expectation value (E) [Real] default = 10. 0 -m alignment view options: 0 = pairwise, 1 = query-anchored showing identities, 2 = query-anchored no identities, 3 = flat query-anchored, show identities, 4 = flat query-anchored, no identities, 5 = query-anchored no identities and blunt ends, 6 = flat query-anchored, no identities and blunt ends, 7 = XML Blast output, 8 = tabular, 9 tabular with comment lines

Descripción de programas existentes: BLAST blastall -p blastp -d E_coli_prot -i mi_secuencia. faa -e. 0000001 -F F -a 2 –m 8 –o salida -o BLAST report Output File [File Out] Optional default = stdout -F Filter query sequence (DUST with blastn, SEG with others) [String] default = T -G Cost to open a gap (zero invokes default behavior) [Integer] default = 0 -E Cost to extend a gap (zero invokes default behavior) [Integer] default = 0 -X X dropoff value for gapped alignment (in bits) (zero invokes default behavior) blastn 30, megablast 20, tblastx 0, all others 15 [Integer] default = 0 -I Show GI's in deflines [T/F] default = F -q Penalty for a nucleotide mismatch (blastn only) [Integer] default = -3 -r Reward for a nucleotide match (blastn only) [Integer] default = 1 -v Number of database sequences to show one-line descriptions for (V) [Integer] default = 500 -b Number of database sequence to show alignments for (B) [Integer] default = 250 -f Threshold for extending hits, default if zero blastp 11, blastn 0, blastx 12, tblastn 13 tblastx 13, megablast 0 [Integer] default = 0 -g Perform gapped alignment (not available with tblastx) [T/F] default = T -Q Query Genetic code to use [Integer] default = 1 -D DB Genetic code (for tblast[nx] only) [Integer] default = 1 -a Number of processors to use [Integer] default = 1 -O Seq. Align file [File Out] Optional -J Believe the query defline [T/F] default = F -M Matrix [String] default = BLOSUM 62 -W Word size, default if zero (blastn 11, megablast 28, all others 3) [Integer] default = 0 -z Effective length of the database (use zero for the real size) [Real] default = 0 -K Number of best hits from a region to keep (off by default, if used a value of 100 is recommended) [Integer] default = 0 -P 0 for multiple hit, 1 for single hit (does not apply to blastn) [Integer] default = 0 -Y Effective length of the search space (use zero for the real size) [Real] default = 0 -S Query strands to search against database (for blast[nx], and tblastx) 3 is both, 1 is top, 2 is bottom [Integer] default = 3 -T Produce HTML output [T/F] default = F -l Restrict search of database to list of GI's [String] Optional -U Use lower case filtering of FASTA sequence [T/F] Optional -y X dropoff value for ungapped extensions in bits (0. 0 invokes default behavior) blastn 20, megablast 10, all others 7 [Real] default = 0. 0 -Z X dropoff value for final gapped alignment in bits (0. 0 invokes default behavior) blastn/megablast 50, tblastx 0, all others 25 [Integer] default = 0 -R PSI-TBLASTN checkpoint file [File In] Optional -n Mega. Blast search [T/F] default = F -L Location on query sequence [String] Optional -A Multiple Hits window size, default if zero (blastn/megablast 0, all others 40 [Integer] default = 0 -w Frame shift penalty (OOF algorithm for blastx) [Integer] default = 0 -t Length of the largest intron allowed in a translated nucleotide sequence when linking multiple distinct alignments. [Integer] default = 0 -B Number of concatenated queries, for blastn and tblastn [Integer] Optional default = 0 Argumentos del programa blastall

Descripción de programas existentes: BLAST formatdb -i ecoli. faa -p T -o F formatdb 2. 2. 10 arguments: -t Title for database file [String] Optional -i Input file(s) formatting [File In] Optional -l Logfile name: [File Out] Optional default = formatdb. log -p Type of file T - protein F - nucleotide [T/F] Optional default = T -o Parse options T - True: Parse Seq. Id and create indexes. F - False: Do not parse Seq. Id. Do not create indexes [T/F] Optional default = F -a Input file is database in ASN. 1 format (otherwise FASTA is expected) T - True, F - False. [T/F] Optional default = F -b ASN. 1 database in binary mode T - binary, F - text mode. default = F -e Input is a Seq-entry [T/F] Optional default = F -n Base name for BLAST files [String] Optional -v Database volume size in millions of letters [Integer] Optional default = 0 range from 0 to <NULL> -s Create indexes limited only to accessions - sparse [T/F] Optional default = F -V Verbose: check for non-unique string ids in the database [T/F] Optional default = F -L Create an alias file with this name use the gifile arg (below) if set to calculate db size use the BLAST db specified with -i (above) [File Out] Optional -F Gifile (file containing list of gi's) [File In] Optional -B Binary Gifile produced from the Gifile specified above [File Out] Optional

Conceptos básicos: Homología y otras relaciones evolutivas Organismos Tiempo Gene ancestral Ortólogos Especiación Parálogos Duplicación Xenólogo Transferencia horizontal Xenologs Ortólogs–homólogos relacionados por especiación Parálogos–homólogos relacionados por duplicación Xenólogos–homólogos relacionados por transferencia horizontal

Planteamiento de problemas para resolver: Grupo mínimo de genes para la vida Identificación de ortólogos mediante el mejor hit bidireccional BDBH Organismo. A dna. N yaa. A yaa. B gyr. B yaa. C gua. B dac. A yaa. D yaa. E. . yaa. K Organismo. B Bsu 0001 Bsu 0002 Bsu 0003 Bsu 0004 Bsu 0005 Bsu 0006 Bsu 0007 Bsu 0008 Bsu 0009 Bsu 0010. . Bsu. NNNN Para evitar que el hit solamente sea entre dominios de las proteínas, se puede introducir un criterio de longitud. Por ejemplo que el hit cubra a más del 50% de la secuencia de menor tamaño.

Planteamiento de problemas para resolver: Grupo mínimo de genes para la vida The ‘minimal gene set for cellular life’ has been constructed using the complete protein lists of the first two fully sequenced bacterial genomes, Haemophilus influenzae and Mycoplasma genitalium

Planteamiento de problemas para resolver: Grupo mínimo de genes para la vida Haemophilus influenzae 1703 coding genes Gram negative Micoplasma genitalium “the smallest among known cellular life forms 468 coding genes Gram positive Minimal set of genes requeridos para la vida

Planteamiento de problemas para resolver: Grupo mínimo de genes para la vida

Planteamiento de problemas para resolver: Grupo mínimo de genes para la vida “It is unlikely that any genes, except those that are indispensable for cell function, could have been conserved through the 1. 5 billion years or more separating H. influenzae and M. genitalium from their last common ancestor, given that the evolution in both lineages has been replete with gene elimination”

Planteamiento de problemas para resolver: Grupo mínimo de genes para la vida

Planteamiento de problemas para resolver: Grupo mínimo de genes para la vida

Planteamiento de problemas para resolver: Grupo mínimo de genes para la vida Encuentre cuales son los genes que existen en común entre los diferentes grupos filogenéticos a) Bacterias Gram-negativa: Escherichia coli y Haemophilus influenzae b) Bacterias Gram-positiva: Mycoplasma genitalium y Bacillus subtilis c) Cianobacteria: Synechocystis sp. d) Arqueobacteria: Methanocous jannaschii e) Eucariota: Saccharomyces cerevisiae

Planteamiento de problemas para resolver: Grupo mínimo de genes para la vida Gramnegativas Escherichia coli Grampositivas Haemophilus influenzae Mycoplasma genitalium Bacillus subtilis Grampositivas Gramnegativas

Planteamiento de problemas para resolver: Grupo mínimo de genes para la vida Solo Bacterias Solo Cianobacteria Bacterias y Cianobacteria Bacterias, Cianobacteria y Arqueobacteria Bacterias y Arqueobacteria Cianobacteria y Arqueobacteria Solo Arqueobacteria

Planteamiento de problemas para resolver: Grupo mínimo de genes para la vida Solo Eucariota Bacterias y Eucariota Solo Cianobacteria y Eucariota Bacterias, Cianobacteria, Arqueobacteria y Eucariota Solo Bacterias y Cianobacteria Bacterias, Cianobacteria y Arqueobacteria Bacterias y Arqueobacteria Cianobacteria y Arqueobacteria Solo Arqueobacteria

Planteamiento de problemas para resolver: Grupo mínimo de genes para la vida 1) Dar formato fasta a bases de E. coli y Haemophilus influenzae formatdb -i E_coli_K 12. faa -p T -o F Base de datos E. coli (formato fasta) E_coli_K 12. faa. phr E_coli_K 12. faa. pin E_coli_K 12. faa. psq Base de datos B. subtilis (formato fasta) formatdb Base de datos E. coli (formato BLAST) Base de datos B. subtilis (formato BLAST)

Planteamiento de problemas para resolver: Grupo mínimo de genes para la vida 2) Correrrer blast E. coli vs. H. influenzae y vice versa blastall -p blastp -d B_subtilis. faa -i E_coli_K 12. faa -e. 0000001 -F F -a 2 -m 8 -o Ecoli_vs_Bsub blastall -p blastp -d E_coli_K 12. faa -i B_subtilis. faa -e. 0000001 -F F -a 2 -m 8 -o Bsub_vs_Ecoli E. coli GIs gi|16127996|ref|NP_414543. 1| gi|16127997|ref|NP_414544. 1| gi|16127998|ref|NP_414545. 1| gi|16128001|ref|NP_414548. 1| gi|16128002|ref|NP_414549. 1| gi|16128003|ref|NP_414550. 1| gi|16128008|ref|NP_414555. 1| gi|16128009|ref|NP_414556. 1| B. subtilis GIs gi|16079899|ref|NP_390725. 1| gi|16077447|ref|NP_388261. 1| gi|16078739|ref|NP_389558. 1| gi|16080279|ref|NP_391106. 1| gi|16080277|ref|NP_391104. 1| gi|16077114|ref|NP_387927. 1| gi|16080278|ref|NP_391105. 1| gi|16078873|ref|NP_389694. 1| gi|16077311|ref|NP_388124. 1| gi|16079833|ref|NP_390659. 1| gi|16077842|ref|NP_388656. 1| gi|50812299|ref|NP_391592. 2| gi|16079998|ref|NP_390824. 1| gi|16079601|ref|NP_390425. 1| gi|16079855|ref|NP_390681. 1| gi|50812298|ref|NP_391522. 2| gi|16078511|ref|NP_389330. 1| gi|16079600|ref|NP_390424. 1| Longitud % iden Match 31. 66 27. 51 32. 97 23. 91 29. 09 24. 71 25. 82 42. 92 44. 00 40. 42 34. 37 27. 80 29. 90 55. 82 23. 42 23. 14 22. 25 50. 66 338 469 279 368 275 255 275 480 425 475 451 205 97 636 380 389 355 379 218 310 165 225 178 169 171 247 228 249 283 94 66 251 214 208 218 169 Pos. query 8 10 7 13 7 7 9 10 6 8 6 5 1 4 14 16 12 9 122 1 185 464 1 35 102 6 30 1 8 33 46 1 5 5 33 1 456 460 457 820 272 283 369 476 453 455 452 237 140 636 374 377 374 371 Pos. target 69 1 136 2 7 32 54 3 19 1 11 26 52 1 9 6 10 1 396 448 398 325 267 269 302 464 434 461 454 176 148 606 321 319 369 E-val Bits 3 e-40 2 e-38 2 e-30 5 e-18 4 e-24 3 e-08 8 e-12 3 e-104 1 e-98 6 e-92 1 e-68 2 e-12 5 e-08 0. 0 5 e-11 3 e-10 9 e-10 2 e-101 160 154 128 86. 7 105 52. 4 65. 1 372 353 331 254 66. 2 50. 8 677 63. 2 60. 5 58. 9 362

Planteamiento de problemas para resolver: Grupo mínimo de genes para la vida Lectura archivo de proteínas gi <- Lectura de identificador Para cada secuencia longitud{gi} <- tamaño Para cada genoma (E. coli y H. influenzae) Lectura de resultados BLAST ¿Es el primer valor del gi_query? SI best_hit{gi_query} <- gi_database Para cada resultado

Planteamiento de problemas para resolver: Grupo mínimo de genes para la vida longitud{gi} < longitud{best_hit{gi} } SI NO lon_menor{gi} <- longitud{gi} lon_menor{gi} <- longitud{best_hit{gi} } sobrelape{gi} = lon_match{gi} / lon_menor{gi} sobrelape{gi} > 0. 5 SI Para cada gi del arreglo best_hit

Planteamiento de problemas para resolver: Grupo mínimo de genes para la vida SI gi == best_hit {gi} } SI ortologo{gi} <- best_hit{gi} Para cada gi (continúa ciclo)

Planteamiento de problemas para resolver: Grupo mínimo de genes para la vida Lectura archivo de proteínas gi <- Identificador 1 er renglon ¿Es el primer carácter == “>” ? SI proteina{gi} <- secuencia <- “” gi <- Identificador renglon No secuencia <- secuencia. $_ Mientras que exista renglones que leer

http: //ibtunam. mx/biocomputo/

Planteamiento de problemas para resolver: Grupo mínimo de genes para la vida http: //ibtunam. mx/biocomputo/