Quelle Gen: GK-120F

Transkript

1 1 Einführung Keine Übungen 2 Python - Zeichenketten - "Strings" (1. Tag) 2.1 AT Gehalt berechnen Berechne aus der folgenden DNA Sequenz den AT-Gehalt. GAGATTTCTTTATTACAATCACTGTGTTTGTTAAAATACCTGCNTCACTTGGTTGTTCTTCAATAACACCAACTTA ACGAAATCATGAGACAGACTATAAAATTTGAAGAGTCTGTAGAACGACTA Quelle Gen: GK-120F Schreibe ein Programm, das den AT Gehalt diese DNA Sequenz berechnet. Hinweis: A-Gehalt plus T-Gehalt bezogen auf die gesamte Sequenz. 2.2 Komplement schreiben - Complementing DNA Hier ein kurzes Gen: ATTCATCATGGCTGATAGTTGTTGTATCAG (Gen MASC e ) Schreibe ein Programm, das das Komplement zu dieser Sequenz ausgibt. 2.3 Fragment Längen nach Verdau Hier ein kurzer Ausschnitt aus einer DNA-Sequenz: AGTTCCACCCACAACACAGCCCGAGAGATATCCAAATTACGCAACAGGAAACGAGAGCTTTCCT (GK-132G Ausschnitt, Die Sequenz enthält eine Schnittstelle für das Restriktionsenzym EcoRV. Das Enzym schneidet bei GAT^ATC. Das Symbol^ zeigt die Schnittstelle. Schreibe ein Programm, das die Länge der 2 Fragmente berechnet, wenn die DNA mit EcoRV verdaut wird. Hinweis: Mit dem kostenlosen Programm Ape kann das Ergebnis kontrolliert werden. Dieter Steinmetz, ZMBP WS 18/19 1

2 2.4 Splicing Introns, Teil 1 Hier ist die Sequenz des Gens AT1G Das Gen wurde im Zusammenhang von alternativem Splicing untersucht. GTCACCTGCTAGATCCATTTCCCCGCGTTCACGGCCCCTTAGTCGTTCTCGCTCGCTATAC AGCTCTGTCTCAAGATCTGGCTCACTGCTACGAGCTGGGGATTGGATCTAGATGGGTCAT CTAGATGGATTCTTGGACTGGATTTACAAAGCTGGATTAGCATGAACTTGAACTTCTGTTT TTACGGTCTGGTCTGGTCTGGTACTCCGCGCGTATCAGCTGTAGGATCTGATCGCAAAGTT TTGGACTATGATTACTCTGATTCCTCAATATATTTATCTTTTTGACAATAGTGGATTCTGTG TTGAGTTCTTTTCTAGGACAGCATTTAAGCTCCCGGGACTAGATGGGAGATGGTCAGTAA ATTTCTTTGTTATGCCACACTTACATGGGGTTTTTGGTCTTGCTGCAGGTCCCAATCAAGA TCAAAATCAAGATCAAGATCAAGATCGAATTCTCCAGTTTCACCTGTGATATCTGGTTGA AAATGAAAACTGGCCACTGGCTGTACCCGAATCGTCTCAAGCTTCTCAGGC Gen AT1G Hartmann L et al., Plant Cell Nov;28(11): Epub 2016 Nov 1. LSBR1_Supplemental_Data.pdf Das Gen besteht aus 2 Exons und 1 Intron. Das erste Exon ist von 1. bis zur 75.Base (je einschließlich). Das zweite Exon von 414 bis an das Ende. Schreibe ein Programm, das nur die codierende Sequenz (Exons!) ausdruckt. Für Nichtbiologen Video zu Splicing; Splicing Introns, Teil 2 Benutze die Daten von Teil 1. Schreibe ein Programm, das den Prozentsatz der codierenden DNA-Sequenz berechnet. 2.6 Splicing Introns, Teil 3 Benutze die Daten von Teil 1. Schreibe ein Programm, das die ursprüngliche DNA ausgibt, aber die codierenden Sequenz in Großbuchstaben und die nicht-codierenden Sequenz in Kleinbuchstaben. Dieter Steinmetz, ZMBP WS 18/19 2

3 3 Dateien lesen und schreiben (1. Tag) 3.1 DNA Sequenz aufspalten und in Dateien schreiben In Skript unter Übungsaufgaben befindet sich ein Link zu der Datei genomic_dna.txt. Die Datei enthält die gleiche Sequenz wie in Aufgabe 2.4. Schreibe ein Programm, das die codierende (Exons) in eine Datei schreibt und die nicht-codierende DNA in eine andere Datei schreibt. 3.2 Eine FASTA-Datei schreiben Das FASTA-Dateiformat wird allgemein für DNA- und Proteinsequenzen benutzt. Eine einzelne DNA- Sequenz sieht folgendermaßen aus: >sequence_name ATCGACTGATCGATCGTACGAT Der Kopfteil ( Header ) beginnt mit dem Symbol > und beschreibt die nachfolgende Sequenz. Eine FASTA-Datei kann auch mehrere Sequenzen enthalten: >sequence_one ATCGATCGATCGATCGAT >sequence_two ACTAGCTAGCTAGCATCG >sequence_three ACTGCATCGATCGTACCT Schreibe ein Programm, das eine FASTA-Datei erstellt, die alle folgende 3 Sequenzen enthält. Stelle sicher, dass die Sequenzen in Großbuchstaben geschrieben werden und nur A, T, G und C enthalten. Sequenz Kopfteil AT1G29910 JYDS NM_ DNA Sequenz GTGGGCTATGCTCCGAGCCCTACGCTGCGTCTT ttatattatattatattatattatattatgacaatagtatttctgttctgtaat CGGAAGTGCT-GGTTGC-GCGTGAC---TTTGAGCT 3.3 Mehrere FASTA-Dateien schreiben Daten wie in Aufgabe 3.2. Statt eine FASTA-Datei, schreibe für jede Sequenz eine eigene Datei. Der Name der Datei soll den Namen der Sequenz erhalten (Kopfteil) Dieter Steinmetz, ZMBP WS 18/19 3

4 4 Listen und Schleifen (2. Tag) Alle nötigen Dateien sind auf der Webseite unter Übungsaufgaben zu finden DNA verarbeiten Die Datei input.txt enthält DNA Sequenzen. In jeder Zeile ist eine Sequenz enthalten. Jede Datei fängt mit den gleichen 14 Basen an, eine Sequenzfolge, die entfern werden sollte. Schreibe ein Programm, das 1. diese erste 14 Basen abschneidet und die Reste in eine neue einzelne Datei schreibt. Dabei wird jede neue Sequenz in eine Zeile geschrieben. 2. Gleichzeitig soll die Anzahl der Basen der restlichen Sequenz auf den Bildschirm ausgegeben werden. 4.2 Exon Datei für Splicing Die Datei genomic_dna.txt enthält die DNA Sequenz des Gens NM_ Die Datei exons.txt enthält in jeder Zeile die Start und Stopp-Positionen der Exons (zur Übung ausgedachte Werte!). Trennzeichen ist ein Komma. Schreibe ein Programm, dass die Exons aus der Genom-DNA ausschneidet und in einer neuen Datei zusammenfügt. Dieter Steinmetz, ZMBP WS 18/19 4

5 5 Funktionen (Tag 2) 5.1 Aminosäuregehalt, Teil 1 Schreibe eine Funktion, die 2 Argumente nimmt. Erstens eine Proteinsequenz und zweitens eine Aminosäure. Die Funktion gibt den Gehalt der Aminosäure in % zurück. Teste damit die folgenden Vorgaben. assert my_function("msrslllrfllfllllpplp", "M") == 5 assert my_function("msrslllrfllfllllpplp", "r") == 10 assert my_function("msrslllrfllfllllpplp", "L") == 50 assert my_function("msrslllrfllfllllpplp", "Y") == 0 Hinweis: Versuche zuerst die Funktion ohne assert und print() laufen zu lassen. Manchmal wird zusätzlich wegen Rundungsfehlern ein round() benötigt um assert zu erfüllen. 5.2 Aminosäuregehalt, Teil 2 Verändere die Funktion von Teil 1. Diesmal wird nicht eine Aminosäure sondern eine Liste von Aminosäuren genommen. Wenn als Argument keine Aminosäuren angegeben wird, soll standardmäßig eine Liste mit Aminosäuren mit hydrophoben Resten (A, I, L, M, F, W, Y und V) genommen werden. Teste damit die folgenden Vorgaben. assert my_function("msrslllrfllfllllpplp", ["M"]) == 5 assert my_function("msrslllrfllfllllpplp", ['M', 'L']) == 55 assert my_function("msrslllrfllfllllpplp", ['F', 'S', 'L']) == 70 assert my_function("msrslllrfllfllllpplp") == 65 Hinweis: Versuche zuerst die Funktion ohne assert und print() laufen zu lassen. Manchmal wird zusätzlich wegen Rundungsfehlern ein round() benötigt um assert zu erfüllen. Dieter Steinmetz, ZMBP WS 18/19 5

6 6 Verzweigungen (Tag 3) Unter Abschnitt 6 Übungsaufgaben im Kursskript befindet sich die Datei data.csv. In der Datei sind einig Gene aufgelistet. Diese Datei kann als Tabelle gelesen werden. Jede Zeile ist ein Gen. Die Spalten sind durch Kommas getrennt. Daher auch die Bezeichnung.csv ( comma seperated values ). Die Spalten sind: species name sequence gene name expression level Benutze diese Datei für die folgenden Aufgaben: 6.1 Bestimmte Spezies Gebe die gene names aus die zu folgenden Spezies gehören: Drosophila melanogaster or Drosophila simulans. 6.2 Länge der Sequenzen Gebe die gene names aus, die Gene mit 90 bis 110 Basen langen Sequenzen aufweisen. 6.3 AT Gehalt und Expression Gebe die gene names aus, die einen AT-Gehalt weniger als 0,5 und bei denen das expression level größer als 200 ist. 6.4 Bedingung für Gennamen und Artname Gebe die gene names aus, von Genen die mit k oder h beginnen, aber nicht Drosophila melanogaster sind. 6.5 Hoch Mittel - wenig Gebe für jedes Gen auf den Bildschirm eine Nachricht aus, ob der AT-Gehalt hight (größer als 0,65), low (weniger als 0,45) oder medium (dazwischen) ist. Dieter Steinmetz, ZMBP WS 18/19 6

7 7 Regular expressions (Tag 3) 7.1 Nach Bezeichngen fischen Hier ist eine Liste mit Bezeichnungen xkn59438, yhdck2, eihd39d9, chdsye847, hedle3455, xjhd53e, 45da, de37dp Schreibe ein Programm, das nur die Bezeichnungen ausgibt, die die folgenden Kriterien erfüllen (jedes einzeln): 1. Enthält die Nummer Enthält das Zeichen d oder e. 3. Enthält die Zeichen d und e in der Reihenfolge. 4. Enthält die Zeichen d und e in der Reihenfolge und nur mit einem Buchstaben dazwischen. 5. Enthält beide Buchstaben d und e, Reihenfolge egal. 6. Beginnt mit einem x oder y. 7. Beginnt mit einem x oder y und endet mit einem e. 8. Enthält 3 oder mehr Zahlen in einer Reihe. 9. Endet mit d gefolgt von a,r, oder p. 7.2 Double Digest Unter Übungsaufgaben, auf der Seite des Kursskriptes befindet sich eine Datei dna.txt mit der DNA-Sequenz des Gens NM_ (siehe Aufgabe 4.2). Diese DNA soll gleichzeitig mit 2 Restriktionsenzymen verdaut werden. AvaI Erkennungssequenz ist C*YCGRG BsaAI - Erkennungssequenz ist YAC*GTR Das Sternchen bezeichnet die Schnittstelle Schreibe ein Programm das die Länge der geschnittenen Fragmente bestimmt. Zur Kontrolle kannst du das Ergebnis mit dem kostenlosen Programm Ape kontrollieren. Dieter Steinmetz, ZMBP WS 18/19 7

8 8 Dictionaries (Tag 4) 8.1 DNA Translation Schreibe ein Programm, das eine DNA-Sequenz in eine Proteinsequenz übersetzt. Das Programm sollten den Standard Genetic Code, der auf der folgenden Webseite zu finden ist. Zur Erleichterung befindet sich unter Übungsaufgaben auf dem Kursskript schon das entsprechende Dictionary in der Datei genecode.py. Aber es macht auch Spaß das einmal selbst zu bauen. Dieter Steinmetz, ZMBP WS 18/19 8

9 9 System, Input, formatierte Ausgabe (Tag 4) Binning Protein Sequences Im Kursskript unter Übungsaufgaben befindet sich eine multiple FASTA Datei multi.fasta die für folgende Übung verwendet wird. Die Vorgeschichte: Für ein Projekt wurde in der EMBL-EBI Datenbank ( nach Proteinen gesucht. Als Resultat wurde eine Liste erstellt ( Suche xlsx und daraus names.csv generiert). Mit einem Pythonskript ( fasta-from-csv.py ) wurde aus der Liste ( names.csv ) eine multiple FASTA-Datei ( multi.fasta ) angelegt. Es wurde dafür in der uniprotkb Datenbank ( gesucht. Die Dateien Suche xlsx, names.csv und fasta-from-csv.py sind für die Aufgabe nicht wichtig und nur beigelegt um das Projekt zu verstehen. Da die Datenbankabfrage etwas länger dauert, wurde zum Ausprobieren die Liste gekürzt und nur die ersten 50 Proteine gewählt ( names-first50.csv ). Ihre Aufgabe besteht darin die multiple FASTA-Datei ( multi.fasta ) auszuwerten. Jedes Gen enthält einen Kopfteil ( header ) mit dem Namen des Organismus, zum Beispiel OS=Homo sapiens. Erstelle ein Programm, dass für jeden Organismus einen Ordner erstellt und darin die Gene als eigene Dateien sammeln, die zu diesem Organismus gehören. Also in dem Ordner Homo sapiens sind alle zugehörigen FASTA-Dateien. Für jedes Gen eine eigene Datei! Und so für alle anderen Organismen. Dieter Steinmetz, ZMBP WS 18/19 9

10 10 Objektorientierte Programmierung OOP 10.1 DNA Translation als OOP Die gleiche Aufgabenstellung wie 8.1. Schreibe das Programm als Objektorientierte Programmierung DNA Translation als Unterklasse Das Programm 10.1 soll in das Programm im Skript als Unterklasse eingebaut werden. Welche Methoden, Unterklassen könnten noch hinzugefügt werden. 11 Webinterface - Bottle Flask Im Übungsteil soll das vorgestellte Programm mit zusätzlichen Funktionen weiterentwickelt werden. Erweitere das Beispiel. Es soll der GC-Gehalt der Sequenz berechnet werden. 12 Grafische Benutzeroberfläche (graphical user interface) - GUI Im Übungsteil soll das vorgestellte Programm "Komplementäre DNA-Sequenz" mit zusätzlichen Funktionen weiterentwickelt werden. Wie kann das Programm "Einstiegsbeispiel Plattenleser" verbessert werden? Dieter Steinmetz, ZMBP WS 18/19 10