Dans ce module, nous continuerons à explorer les incroyables ressources disponibles au NCBI, le Centre national d'information biotechnologique. Nous effectuerons plusieurs types de recherches Blast : BlastP, PSI-Blast et Translated Blast. Nous pouvons utiliser les séquences similaires identifiées par ces méthodes pour déduire l'homologie, qui est le principal indicateur de la fonction des gènes ou des protéines. Nous comparerons également des parties de génomes de deux espèces différentes, afin de déterminer leur degré de similitude.

Dans ce module, nous ferons des alignements de séquences multiples avec Clustal et MUSCLE (tels qu'implémentés dans MEGA), et MAFFT. Les alignements de séquences multiples peuvent vous indiquer où se trouvent dans une séquence les régions conservées et variables, ce qui est important pour comprendre la biologie des séquences étudiées. Ils ont également des applications pratiques, comme la possibilité de concevoir des amorces PCR qui amplifieront des séquences provenant d'un certain nombre d'espèces différentes, par exemple.

Dans ce module, nous utiliserons les alignements de séquences multiples que nous avons générés au dernier laboratoire pour effectuer des analyses phylogénétiques à l'aide des méthodes de jointure de voisinage et de maximum de vraisemblance. La structure arborescente générée par de telles analyses nous indique à quel point les séquences sont liées les unes aux autres et suggère à quel moment de l'évolution un événement de spéciation ou de duplication de gènes s'est produit.

Dans ce module, nous prendrons un ensemble de séquences orthologues de bactéries et utiliserons DataMonkey pour les analyser afin de déterminer la présence de certains sites soumis à une sélection positive, négative ou neutre. Une telle analyse peut aider à comprendre la biologie d'un ensemble de séquences codant pour des protéines en identifiant les résidus qui pourraient être importants pour la fonction biologique (les résidus soumis à une sélection négative) ou ceux qui pourraient être impliqués dans la réponse à des influences externes, telles que des médicaments, des agents pathogènes ou d'autres facteurs (les résidus soumis à une sélection positive).

Dans ce module, nous explorerons certaines des données générées grâce à la baisse rapide du coût du séquençage de l'ADN. Nous étudierons quelques ensembles de données RNA-Seq qui peuvent nous indiquer où un gène donné est exprimé et comment ce gène peut être épissé alternativement. Nous examinerons également quelques ensembles de données métagénomiques qui peuvent nous renseigner sur les types d'espèces (en particulier les espèces microbiennes qui pourraient être difficiles à cultiver) qui se trouvent dans une niche environnementale donnée.