In diesem Modul werden wir die unglaublichen Ressourcen des NCBI, des National Centre for Biotechnology Information, weiter erforschen. Wir werden mehrere verschiedene Arten von Blast-Suchen durchführen: BlastP, PSI-Blast und Translated Blast. Anhand ähnlicher Sequenzen, die mit diesen Methoden identifiziert werden, können wir auf die Homologie schließen, die der wichtigste Prädiktor für die Funktion eines Gens oder Proteins ist. Wir werden auch Teile der Genome einiger verschiedener Arten vergleichen, um zu sehen, wie ähnlich sie sich sind.

In diesem Modul werden wir multiple Sequenzalignments mit Clustal und MUSCLE (wie in MEGA implementiert) und MAFFT durchführen. Multiple Sequenzalignments können Ihnen sagen, wo in einer Sequenz die konservierten und variablen Regionen liegen, was für das Verständnis der Biologie der untersuchten Sequenzen wichtig ist. Es gibt auch praktische Anwendungen, wie z.B. die Möglichkeit, PCR-Primer zu entwerfen, die Sequenzen aus einer Reihe verschiedener Arten amplifizieren können.

In diesem Modul werden wir die multiplen Sequenzalignments verwenden, die wir im letzten Labor erstellt haben, um einige phylogenetische Analysen mit Nachbarschafts- und Maximum-Likelihood-Methoden durchzuführen. Die baumartige Struktur, die durch solche Analysen erzeugt wird, gibt Aufschluss darüber, wie eng die Sequenzen miteinander verwandt sind und wann im Laufe der Evolution eine Artbildung oder Genduplikation stattgefunden hat.

In diesem Modul nehmen wir einen Satz orthologer Sequenzen von Bakterien und verwenden DataMonkey, um sie auf das Vorhandensein bestimmter Stellen unter positiver, negativer oder neutraler Selektion zu analysieren. Eine solche Analyse kann dazu beitragen, die Biologie eines Satzes von proteinkodierenden Sequenzen zu verstehen, indem Reste identifiziert werden, die für die biologische Funktion wichtig sein könnten (die Reste, die unter negativer Selektion stehen) oder solche, die an der Reaktion auf äußere Einflüsse wie Medikamente, Krankheitserreger oder andere Faktoren beteiligt sein könnten (Reste, die unter positiver Selektion stehen).

In diesem Modul werden wir einige der Daten untersuchen, die aufgrund der rapide gesunkenen Kosten für die Sequenzierung von DNA gewonnen wurden. Wir werden einige RNA-Seq-Datensätze untersuchen, die uns sagen können, wo ein bestimmtes Gen exprimiert wird und wie dieses Gen alternativ gespleißt sein könnte. Wir werden uns auch einige Metagenom-Datensätze ansehen, die uns Aufschluss über die Arten von Spezies geben können (insbesondere mikrobielle Spezies, die sonst schwer zu kultivieren wären), die in einer bestimmten Umweltnische vorkommen.