Gonzalo Claros

1. PLATAFORMA
ANDALUZA DE
BIOINFORMÁTICA
La Plataforma Andaluza de
Bioinformática: cómo utilizar la
bioinformática sin morir en el intento
M. Gonzalo Claros
Departamento de Biología Molecular y Bioquímica

2. Vamos a situarnos...
Centro de Supercomputación y
Bioinformática (UMA) Plataforma de Genómica,
Proteómica y Biocomputación
Plataforma Andaluza
Genómica y Proteómica
de Bioinformática
(SCAI, UCO)
Mare Nostrum
HP SuperDome
Investigación
Soporte a los
Red Española Plataforma
usuarios (formación)
de Super- Computacional
Acceso a recursos
computación de la UMA
bioinformáticos

3. Objetivos
• Poner a disposición del entorno Ciencia-Tecnología-
Empresa andaluz la infraestructura, tecnología, y personal
altamente cualificado para el acceso eficiente a las nuevas
tecnologías denominadas «ómicas»
• Potenciar a los grupos de investigación y unidades I+D+I
al poner a su disposición las herramientas necesarias para
incrementar su competitividad y proyección
internacional, así como fomentar la transferencia de
tecnología.
BOE 172 del 20-7-2005, 25926-33

4. Funcionamiento
Supercomputador
SuperDome HP
• Acceso a los programas sin necesidad de instalarlos.
• Programas comerciales (garantizado por 5 años).
• Espacio para almacenar datos, con backup.
• Acceso a bases de datos comerciales.
• Computación de altas prestaciones

5. Acceso: www.scbi.uma.es

6. Acceso: www.scbi.uma.es
Identificación

7. Lo que se puede ver

8. Recursos bioinformáticos

9. Lo que se puede usar
GCG Accelrys
Bioconductor (R)
EMBOSS
ArrayHub
SeqTrim
ArrayUnlock
Full-Lengther
LitheMiner
AlignMiner
SpotFire Decisionsite
Seq2ContigWF
SYBYL
Cap3
AMPAC
MIRA2
Amber
HyperChem
Discovery Studio
GE DeCyder
Ingenuity Pathway (IPA) SpotFire Decisionsite
Protein Loounge
MatLab:
• Simulink
• Bioinformatics ToolBox
• Simbiology

10. Herramientas públicas (propias)

11. ¿Quiénes lo usan?
!
1 usuario
3 usuarios
3 usuarios
1 usuario
19 usuarios 2 usuarios
19 usuarios

12. Frecuencia de uso
Resumen anual
10 usuarios (25%)
Último mes

13. Se usa desde la zona privada

14. Las máquinas virtuales

15. Descarga de la máquina virtual

16. Uso de la máquina virtual

17. PLATAFORMA
ANDALUZA DE
BIOINFORMÁTICA
Las herramientas propias

18. SeqTrim
www.scbi.uma.es/seqtrim Falgueras et al, 2007

19. SeqTrim is modular... and something more
Several input formats
Sequences (fasta) Seqs + Quals (fasta) chromatograms (abi, scf...)
ZIP
Phred
Removing cloning vector
Removing low quality seqs
Trimming Vector Trimming Ns
Trimming Low Qual
Four modular functions
Removing specialized features Removing contaminant seqs
Trimming Adaptors
Trimming Contaminants
Trimming polyA | T
Removing Additional artifacts
Terminal tranferase
Ending As, Ts, Ns, Xs
Two sequential,
optional functions
Repeat Masker
Maskering Repeats
Dust
Output formats for pipelining
Sequences
Info
Qualities
Falgueras et al, 2007

20. SeqTrim
Falgueras et al, 2007

21. Browsing window
Falgueras et al, 2007

22. Browsing window
Falgueras et al, 2007

23. Browsing window
Falgueras et al, 2007

24. Browsing window
Falgueras et al, 2007

25. Browsing window
Falgueras et al, 2007

26. Browsing window
Falgueras et al, 2007

27. Browsing window
Falgueras et al, 2007

28. Browsing window
Falgueras et al, 2007

29. Utilizaciones de SeqTrim
Porcentaje de nucleótidos recortados Porcentaje de lecturas afectadas
100
nt Reads
100
75 75
% Nucleótidos
% Lecturas
50 50 99,65
• EST 85,63
70,68
25 25
• GEMINI 25,48 18,62
• PIN 5,34 0
0
Vector
Adaptadores
Baja calidad
Indeterminaciones
Contaminantes
Vector
Adaptadores
Baja calidad
Indeterminaciones
Contaminantes
• SSH
• Compresión/lateral
• Juvenil/madura
• Secuenciación de ADNg
• BAC de Pinus pinaster

30. Full-Lengther
www.scbi.uma.es/full-lengther Lara et al, 2007

31. Análisis de los resultados
N. Fernández-Pozo, 2008

32. AlignMiner
www.scbi.uma.es/alignminer

33. Trabajar con AlignMiner

34. Visualización de los resultados

35. InGeBiol: modelo general en Ruby

36. Nuestro uso de CAP3web
PIN GEMINI
Iniciales Limpias Únicas
Iniciales Limpias Únicas
Porcentaje de Lecturas o Nucleótidos
120 120
Porcentaje de Lecturas o Nucleótidos
100 100 100 100
100 100
73,93
80 80
67,18
60 60
50,99 48,93
36,37 37,36
36,03
40
40
23,15
20 20
0
0
Lecturas Nucleótidos
Lecturas Nucleótidos
N. Fernández-Pozo, 2008

37. Interfaz simplificada para MIRA2

38. El «gran proyecto»

39. PLATAFORMA
ANDALUZA DE
BIOINFORMÁTICA
Colaboración en investigación
Spike 4
Spike 6
AS
GEM-093-A05
Spike 4
GEM-085-C12
GEM-093-C02
GEM-078-C04
ASPG
Spike 2
Spike 6
Spike 2
Genes candidatos
GEM-026-H10
GEM-094-G04
PIN-5-F01
GEM-088-A07
GEM-105-C03
GEM-077-C08
PIN-9-A08
GEM-097-H03
GEM-002-F10
GEM-003-B08
gDNA pinaster
GEM-100-H11
GEM-051-B04
CK16 1 B05
GEM-058-D04
CK16 2 F10
GEM-103-E10
GEM-020-C11
GEM-032-C07
GEM-108-C01
GEM-009-H07
NC/-N-C_a
NC/-N-C_z
-N-C/NC_a
-N-C/NC_z
Condiciones experimentales

40. Investigación
• Úselo usted mismo
• Colaboración científica
• Analizar resultados e interpretarlos
• Diseño de bases de datos, portales y algoritmos a medida
• Desarrollo de flujos de trabajo estándares para la investigación
• Socio bionformático para proyectos ómicos.
• Ejemplos:
• Proyecto piloto nacional para la secuenciación de Pinus
pinaster (UMA. IP: Francisco M. Cánovas)
• European Animal Disease Genomics Network of Excellence for
animal health and food safety (UCO. IP: Juan José Garrido)

41. Base de datos en Ruby

42. Base de datos en Ruby

43. Análisis de micromatrices 2C
•Datos normalizados
•Genes con expresión
Datos
diferencial
(GenePix,
•Visualización de los
QScan)
resultados
Script propio
•Calidad de los datos

44. Visualización de los datos 2C
Datos orginales Datos normalizados

45. Los genes candidatos
Calidad datos
Genes con expresión diferencial

46. Interpretación funcional
Spike 4
Spike 4
Spike 6
Spike 6
AS
AS
myo-inositol oxygenase
GEM-093-A05
GEM-093-A05
Spike 4
Spike 4
general substrate transporter
GEM-085-C12
GEM-085-C12
stem-specific proteinexpressed
GEM-093-C02
GEM-093-C02
seed imbibition protein
GEM-078-C04
GEM-078-C04
ASPG
ASPG
Spike 2
Spike 2
Spike 6
Spike 6
Spike 2
Spike 2
Genes candidatos
Genes candidatos
---NA---
GEM-026-H10
GEM-026-H10
aldose 1-epimerase
GEM-094-G04
GEM-094-G04
PIN-5-F01
PIN-5-F01
stem-specific proteinexpressed
GEM-088-A07
GEM-088-A07
---NA---
GEM-105-C03
GEM-105-C03
stem-specific proteinexpressed
GEM-077-C08
GEM-077-C08
catalase
PIN-9-A08
PIN-9-A08
transaldolase
GEM-097-H03
GEM-097-H03
glyoxalase bleomycin resistance protein dioxygenase
GEM-002-F10
GEM-002-F10
---NA---
GEM-003-B08
GEM-003-B08
gDNA pinaster
gDNA pinaster
---NA---
GEM-100-H11
GEM-100-H11
---NA---
GEM-051-B04
GEM-051-B04
CK16 1 B05
CK16 1 B05
---NA---
GEM-058-D04
GEM-058-D04
CK16 2 F10
CK16 2 F10
acid phosphatase
GEM-103-E10
GEM-103-E10
metallothionein-like protein
GEM-020-C11
GEM-020-C11
---NA---
GEM-032-C07
GEM-032-C07
GEM-108-C01
GEM-108-C01
---NA---
GEM-009-H07
GEM-009-H07
NC/-N-C_a
NC/-N-C_z
NC/-N-C_a
-N-C/NC_a
NC/-N-C_z
-N-C/NC_a
-N-C/NC_z
-N-C/NC_z
NC/-N-C_z
-N-C/NC_a
-N-C/NC_z
Condiciones experimentales
iciones experimentales

47. Experimentos en serie
Análisis ANOVA
Enriquecimiento biológico (análisis asociativo)

48. Un ejemplo de resultado
Cytosol
Mitochondria
!quot;#$quot;$% !quot;quot;#$
Plastid
D.P. Villalobos 2008

49. Mejor normalización (Affymetrix)
El mejor El 2.º mejor
Datos brutos
Variability
Sólo la normalización no basta
Normalizar disminuye variabilidad
VSN se basa en disminuir variabilidad
Pérez-Florido et al 2009

50. Mejor normalización (Affymetrix)
El mejor El 2.º mejor
Datos brutos
Variability
Sólo la normalización no basta
Normalizar disminuye variabilidad
VSN se basa en disminuir variabilidad
Pérez-Florido et al 2009

51. Mejor normalización (Affymetrix)
El mejor El 2.º mejor
Datos brutos
Los datos brutos tienen poca correlación
Los otros métodos son parecidos
RMA y GCRMA se basan en mejorar la
correlación de los datos
Variability
Sólo la normalización no basta
Normalizar disminuye variabilidad
VSN se basa en disminuir variabilidad
Pérez-Florido et al 2009

52. Mejor normalización (Affymetrix)
El mejor El 2.º mejor
Datos brutos
correlation
Spearman
RMA es el que mejor se comporta
VSN es una buena alternativa
Los datos brutos tienen poca correlación
Los otros métodos son parecidos
RMA y GCRMA se basan en mejorar la
correlación de los datos
Variability
Sólo la normalización no basta
Normalizar disminuye variabilidad
VSN se basa en disminuir variabilidad
Pérez-Florido et al 2009

53. Mejor normalización (Affymetrix)
El mejor El 2.º mejor
Datos brutos
correlation
Spearman
RMA es el que mejor se comporta
VSN es una buena alternativa
Los datos brutos tienen poca correlación
Los otros métodos son parecidos
RMA y GCRMA se basan en mejorar la
correlación de los datos
Variability
Sólo la normalización no basta
Normalizar disminuye variabilidad
VSN se basa en disminuir variabilidad
Pérez-Florido et al 2009

54. Ensamblaje de un BAC de pino
Pirosecuenciación
Fragmentación (media: 200 pb)
Ensamblaje
ADN pino
Vector pIndigoBAC536
Genómico E. coli
Allcontig
Filtrado
Largecontig ( > 500 pb)

55. Estrategias de ensamblaje
Secuencias
Otros
ensambladores
probados
Newbler® SeqTrim SeqTrim
PCAP
Contig Cap3
MIRA2 Newbler®
Contig
Large
EULER-SR
contigs
AmosValidate
Celera
SeqTrim Reliable contigs
Assembler
Estrategia FLX Estrategias

56. ¿Qué contiene 176P12?
Fd-GOGAT
Retroelement pol Ty1-Copia element
polyprotein-like

57. El gen Fd-GOGAT

58. Recursos humanos actuales
• 2 Ldo. en informática
• Darío Guerrero Fernández
• Antonio J. Lara Aparicio
• 2 Dr. en Biología
• Rocío Bautista Moreno
• M. Gonzalo Claros Díaz (supervisión)
• Otros colaboradores
• Guillermo Pérez Trabado (supervisión)
• Juan Falgueras (profesor)
• Rafael Larrosa (gestor del sistema)
• Noé Fernández Pozo (doctorando)

59. PLATAFORMA
SCBI ANDALUZA DE
BIOINFORMÁTICA