Genomas de Ensembl

Ensembl Genomes permite comparar y visualizar datos de usuario mientras se exploran cariotipos y genes. La mayoría de las vistas de Ensembl Genomes incluyen un botón "Agregar sus datos" o "Administrar sus datos" que permitirá al usuario cargar nuevas pistas que contengan lecturas o secuencias a Ensembl Genomes o modificar datos que se hayan cargado previamente. ^{[ 11 ]} Los datos cargados se pueden visualizar en vistas de región o en todo el cariotipo. Los datos cargados se pueden localizar utilizando coordenadas de cromosoma o coordenadas de clon BAC. ^{[ 12 ]} Se pueden utilizar los siguientes métodos para cargar un archivo de datos a cualquier página de Ensembl Genomes: ^{[ 13 ]}

1. Los archivos de menos de 5 MB se pueden subir directamente desde cualquier ordenador o desde una ubicación web (URL) a los servidores de Ensembl.
2. Los archivos de mayor tamaño solo se pueden subir desde ubicaciones web (URL).
3. Los archivos BAM solo se pueden cargar mediante el método basado en URL. El archivo de índice (.bam.bai) debe estar ubicado en el mismo servidor web.
4. Se puede adjuntar una fuente del Sistema de Anotación Distribuida desde ubicaciones web.

Ensembl Genomes admite los siguientes tipos de archivos: ^{[ 14 ]}

• CAMA
• BedGraph
• Genérico
• GFF/GTF
• PSL
• PELUCA
• BAM
• Cama grande
• Pez gordo
• VCF

Los datos se cargan temporalmente en los servidores. Los usuarios registrados pueden iniciar sesión y guardar sus datos para futuras consultas. Es posible compartir y acceder a los datos cargados mediante una URL asignada. ^{[ 15 ]} Los usuarios también pueden eliminar sus pistas personalizadas de Ensembl Genomes.

BioMart es un motor de búsqueda sin programación incorporado en Ensembl y Ensembl Genomes (excepto Ensembl Bacteria) con el propósito de extraer datos genómicos de las bases de datos de Ensembl en formatos de tabla como HTML, TSV, CSV o XLS. ^{[ 16 ]} La versión 45 (2019) de Ensembl Genomes tiene los siguientes datos disponibles en BioMart:

• Ensembl Protists BioMart: incluye 33 especies y variaciones de Phytophthora infestans y Phaeodactylum tricornutum ^{[ 17 ]}
• Ensembl Fungi BioMart: incluye 56 especies y variaciones de Fusarium graminearum , Fusarium oxysporum , Schizosaccharomyces pombe , Puccinia graminis , Verticillium dahliae , Zymoseptoria tritici y Saccharomyces cerevisiae ^{[ 18 ]}
• Ensembl Metazoa BioMart: incluye 78 especies y variaciones de Aedes aegypti , Anopheles gambiae e Ixodes scapularis ^{[ 19 ]}
• Conjunto de plantas: incluye 67 especies y variaciones de Arabidopsis thaliana , Brachypodium distachyon , Hordeum vulgare , Oryza glaberrima , Oryza glumipatula , Oryoza sativa indica , Oryza sativa japonica , Solanum lycopersicum , Sorghum bicolor , Triticum aestivum , Vitis vinifera y Zea. mayo ^{[ 20 ]}

El propósito de los BioMarts en Ensembl Genomes es permitir al usuario extraer y descargar tablas que contengan todos los genes de una sola especie, genes en una región específica de un cromosoma o genes en una región de un cromosoma asociada a un dominio InterPro. ^{[ 21 ]} Los BioMarts también incluyen filtros para refinar los datos que se extraerán y el usuario puede seleccionar los atributos (ID de variante, nombre del cromosoma, ID de Ensembl, ubicación, etc.) que aparecerán en el archivo de tabla final.

Se puede acceder a los BioMarts en línea en cada dominio correspondiente de Ensembl Genomes o se puede instalar el código fuente en un entorno UNIX desde el repositorio git de BioMart ^{[ 22 ].}

Se proporciona una interfaz BLAST que permite a los usuarios buscar secuencias de ADN o proteínas en los genomas de Ensembl. Se puede acceder a ella mediante el encabezado, ubicado en la parte superior de todas las páginas de genomas de Ensembl, titulado BLAST. La búsqueda BLAST se puede configurar para buscar en especies individuales o colecciones de especies (un máximo de 25). Existe un navegador taxonómico que permite seleccionar especies relacionadas taxonómicamente. ^{[ 23 ]}

Ensembl Genomes proporciona una segunda herramienta de búsqueda de secuencias que utiliza un algoritmo basado en Exonerate, proporcionado por el Archivo Europeo de Nucleótidos . ^{[ 23 ]} Se puede acceder a esta herramienta desde el encabezado, ubicado en la parte superior de todas las páginas de Ensembl Genome, titulado Búsqueda de secuencias. Los usuarios pueden entonces elegir si desean que Exonerate busque en todas las especies de la división Ensembl Genomes o en todas las especies de Ensembl Genomes. También pueden elegir el "Valor E máximo", que limitará los resultados mostrados a aquellos con valores E inferiores al máximo. Finalmente, los usuarios pueden optar por utilizar un modo de búsqueda alternativo seleccionando "Usar consulta empalmada".

El Predictor de Efecto de Variantes es una de las herramientas más utilizadas en Ensembl y Ensembl Genomes. Permite explorar y analizar el efecto que las variantes (SNP, CNV, indels o variaciones estructurales) tienen sobre un gen, secuencia, proteína, transcrito o factor de transcripción en particular. ^{[ 24 ]} Para usar VEP, los usuarios deben ingresar la ubicación de sus variantes y las variaciones de nucleótidos para generar los siguientes resultados: ^{[ 25 ]}

• Genes y transcripciones afectados por la variante
• Ubicación de las variantes
• Cómo afecta la variante a la síntesis de proteínas (por ejemplo, generando un codón de parada).
• Comparación con otras bases de datos para encontrar variantes conocidas equivalentes.

Existen dos formas en que los usuarios pueden acceder al VEP. La primera forma es en línea. En esta página, el usuario genera una entrada seleccionando los siguientes parámetros: ^{[ 26 ]}

1. Especies a comparar. La base de datos predeterminada para la comparación es Ensembl Transcripts, pero para algunas especies se pueden seleccionar otras fuentes.
2. Nombre para los datos cargados (esto es opcional, pero facilitará la identificación de los datos si se han realizado muchos trabajos VEP).
3. Selección del formato de entrada para los datos. Si se selecciona un formato de archivo incorrecto, VEP generará un error durante la ejecución.
4. Campos para la carga de datos. Los usuarios pueden cargar datos desde sus ordenadores, desde una ubicación basada en URL o copiando directamente su contenido en un cuadro de texto.

La carga de datos a VEP admite notaciones VCF, pileup, HGVS y un formato predeterminado. ^{[ 27 ]} El formato predeterminado es un archivo separado por espacios en blanco que contiene los datos en columnas. Las primeras cinco columnas indican el cromosoma, la ubicación de inicio, la ubicación final, el alelo (par de alelos separados por una '/', con el alelo de referencia primero) y la hebra (+ para directo o – para inverso). ^{[ 28 ]} La sexta columna es un identificador de variación y es opcional. Si se deja en blanco, VEP asignará un identificador en el archivo de salida.

VEP también proporciona opciones de identificación adicionales a los usuarios, opciones extra para complementar la salida y el filtrado. ^{[ 29 ]} Las opciones de filtrado permiten características como la eliminación de variantes conocidas de los resultados, la devolución de variantes solo en exones y la restricción de resultados a consecuencias específicas de las variantes. ^{[ 30 ]}

Los usuarios de VEP también tienen la posibilidad de ver y manipular todos los trabajos asociados a su sesión consultando la pestaña "Tickets recientes". En esta pestaña, los usuarios pueden ver el estado de su búsqueda (correcta, en cola, en ejecución o fallida) y guardar, eliminar o reenviar trabajos. ^{[ 31 ]}

La segunda opción para usar VEP es descargar el código fuente para su uso en entornos UNIX. ^{[ 32 ]} Todas las características son iguales entre las versiones en línea y de script. VEP también se puede usar con instancias en línea como Galaxy.

Cuando se completa un trabajo VEP, la salida es un archivo tabular que contiene las siguientes columnas: ^{[ 33 ]}

1. Variación cargada - como alelos_de_inicio_del_cromosoma
2. Ubicación: en formato de coordenadas estándar (chr:inicio o chr:inicio-fin)
3. Alelo: el alelo variante utilizado para calcular la consecuencia.
4. Gen - Identificador estable de Ensembl del gen afectado
5. Característica: ID estable de Ensembl de la característica
6. Tipo de característica: tipo de característica. Actualmente, una de las siguientes: Transcript, RegulatoryFeature, MotifFeature.
7. Consecuencia - tipo de consecuencia de esta variación
8. Posición en el ADNc: posición relativa del par de bases en la secuencia de ADNc.
9. Posición en CDS: posición relativa del par de bases en la secuencia codificante.
10. Posición en la proteína: posición relativa del aminoácido en la proteína.
11. Cambio de aminoácido: solo se indica si la variación afecta la secuencia codificante de proteínas.
12. Cambio de codón: los codones alternativos con la base variante en mayúscula
13. Variación coubicada: identificador conocido de una variación existente.
14. Información adicional: esta columna contiene información adicional en pares clave=valor separados por ";". Muestra identificadores adicionales.

Otros formatos de salida comunes para VEP incluyen los formatos JSON y VDF. ^{[ 34 ]}

La interfaz [REST] de Ensembl Genomes permite acceder a los datos utilizando su lenguaje de programación favorito.

También puedes acceder a los datos mediante la API de Perl y Biomart.