universidad de sevilla - dpto. ciencias de la computaci on e … · 2020-04-23 · tarea 2: prote...

Tarea 2: Proteınas transmembranales

Dpto. Ciencias de la Computacion e Inteligencia ArtificialUniversidad de Sevilla

Base de datos UniProt

Incluimos el codigo asignado

Secuenciacion de la proteına

En la pagina con la informacion sobre la proteına asignada

• Localizamos la seccion ’Sequences’

Secuenciacion de la proteına

Descargamos la secuenciacion de la proteına en formato FASTA

Topologıa de la proteına

Volvemos a la pagina con la informacion sobre la proteına asignada

• Localizamos la seccion ’Topology’ (a traves de ’Feature table’)

Anotacion de la proteına

Descargamos la descripcion de la topologıa de la proteına enformato GFF

Se trata de una ’Hoja de calculo’

Si utilizamos ’LibreOffice Calc’ para procesar el fichero

Separadores de los datos

Elegimos como separadores de los datos: ’Tabulador’, ’Punto ycoma’ e ’=’.

Edicion previa del fichero GFF

Si elegimos otra herramienta que no nos permita seleccionar losseparadores de los datos, tipo ’Excel’

• Sera necesario editar el fichero reemplazando cada ’;’ y cada’=’ por un tabulador (copia primero algun tabulador).

Edicion previa del fichero GFF (II)

No olvides incluir el tabulador en ’Reemplazar por:’

Procesado del fichero GFF

Con la ’Hoja de calculo’, eliminamos solo las filas innecesarias...

Procesado del fichero GFF (II)

y eliminamos solo las columnas innecesarias.

Fichero CSV

Guardamos los datos (posicion de inicio y finalizacion de cada tipode region, y el tipo de region) en formato CSV

RStudio

En R, obtenemos la tabla a partir del fichero CSV

Regiones en la proteına

Generamos el etiquetado de la secuenciacion de la proteına con losdistintos tipos de region asociados a cada aminoacido.

Proteınas similares

Volvemos a la pagina con la informacion sobre la proteına asignada

• Localizamos la seccion ’Similar proteins’ (y expandimos latabla de resultados)

Revisadas

Descargamos tambien la informacion de aquellas que estenrevisadas.