Práctica: acceso a GenBank y EMBL a traves de Internet y FTP.

Manuel J. Gómez, CNB

Objetivo: conseguir de las bases de datos GenBank y EMBL-EBI la secuencia del genoma de Mycoplasma pneumoniae (es de los más pequeños), en formatos FASTA, GenBank y EMBL, así como las secuencias de todas las proteínas codificadas en el genoma.

Acceso al servidor del NCBI mediante FTP

Por linea de comandos.

Abrir una consola y ejecutar los siguientes comandos:

ftp
open ftp.ncbi.nih.gov

Como login, usar "anonymous"
Como password, usar vuestra direccion de e-mail
Entraremos en el directorio raiz del servidor FTP del NCBI.
Seguimos ejecutando comandos:

ls (para hacer un listado)
cd genomes
cd Bacteria
ls
get README (para bajarnos un fichero con información sobre el directorio)
cd Mycoplasma_pneumoniae
ls

Debieran aparecer varios ficheros, cuyos nombres contienen el número de acceso del genoma NC_000912.

get NC_000912.gbk (para bajarse la entrada completa en formato GenBank).
get NC_000912.fna (para bajarse la secuencia en formato FASTA).
get NC_000912.ptt (para bajarse una tabla con las coordenadas de todas las ORFs, la Protein Translation Table).
get NC_000912.faa (para bajarse un fichero con la traducción de todas las ORFs, en formato FASTA).

bye (para cerrar la conexion)
Los ficheros que nos hemos bajado debieran estar en nuestro directorio personal y estar en formato texto.

Mediante un Browser.

Abrir Netscape o similar y usar la dirección: ftp://ftp.ncbi.nih.gov/
Se abrirá el directorio raiz del sitio FTP del NCBI.
El browser permite moverse por la jerarquía de directorios, y podríamos hacer lo mismo que lo descrito anteriormente, pero en un entorno gráfico.

Acceso al servidor del NCBI a través de Internet.

Abrir Netscape o similar y conectarse al servidor del NCBI, en la dirección: http://www.ncbi.nlm.nih.gov/
Conectarse a Entrez, el interfaz gráfico del NCBI a sus bases de datos, entre ellas, GenBank.
Seleccionar Protein

Introducir el número de acceso del genoma de Mycoplasma pneumoniae, que es NC_000912, y pulsar GO.
Ooooooops; el codigo corresponde a una secuencia de nucleótidos.

Mejor seleccionar Nucleotide

Introducir el nombre Mycoplasma pneumoniae y pulsar GO.
Ooooops otra vez; aparecen más de 500 entradas en las que la expresión Mycoplasma pneumoniae está contenida. Uno de ellas es el genoma completo. En vez de buscarla, intentémoslo otra vez.
Introducir el número de acceso del genoma de Mycoplasma pneumoniae (NC_000912) y pulsar GO.
Aparecerá en pantalla la entrada correspondiente al genoma de Mycoplasma pneumoniae, en formato Summary (sólo el numero de accesofSeq, y una breve descripción).
Es posible escojer otras formas de visualización (con bastante más información), con el menú de Display.

Informacion taxonómica de Mycoplasma pneumoniae, con Taxonomy Links.
Referencias bibliográficas con PMC Links y PubMed Links.
Secuencia en formato FASTA, con FASTA.
Entrada completa en formato GenBank, con GenBank.

Al pasar a la vista en formato GenBank cambian las opciones de visualización del menú Display.
Ahora es posible visualizar un mapa lineal del genoma, sobre el que se puede hacer zoom, con la predicción de ORFs, seleccionado Graphics.
Sobre el mapa, se puede seleccionar el enlace Protein coding genes, con lo que aparece el fichero con las coordenadas de todas las ORFs (Protein Translation Table).

Lista de entradas de proteínas Mycoplasma pneumoniae de en la base de datos, con ProteinLinks.

Al pasar a la vista en formato Protein Links también cambian las opciones de visualización.
Ahora es posible seleccionar el formato FASTA, para visualizar todas las secuencias de aminoacidos de los peptidos predichos.

Una vez en pantalla cualquiera de los formatos de visualización, es posible salvarlo localmente con las opciones:

File-Save as-Text o File-Save as-Source, del browser.
Send to - File, de la página de Entrez.
Send to - Text, de la página de Entrez, seguido de File-Save as-Text o File-Save as-Source, del browser.

Ahora seleccionar Genome

Introducir el nombre Mycoplasma pneumoniae y pulsar GO.

Aparecen 13 entradas que contienen la expresión Mycoplasma pneumoniae. Una de ellas es el genoma que buscamos.
Picar con el cursor sobre el número de acceso (NC_000912).
Entramos en la página de Mycoplasma pneumoniae de la sección de genomas de GenBank, en la que encontramos información sobre:

Números de acceso alternativos
Sitio FTP para bajarse ficheros de secuencia
Tablas con las coordenadas de todas las ORFs y los genes de RNAs estructurales (tRNAs y rRNAs)
Enlaces a familias de genes homólogos.
Listas de proteinas similares a otras con estructura conocida

Otra posibilidad: seleccionar el enlace Microbial, en la columna de la derecha, donde dice Related resources.

Aparece una tabla con un sumario de los genomas bacterianos disponibles desde esta base de datos, y una colección de enlaces para acceder a:

entradas en formato GenBank
Protein translation tables
Secuencia en formato fasta
Familias de genes homologos.

Acceso al servidor de bases de datos del EMBL a través de Internet.

Abrir Netscape o similar y conectarse al servidor del EMBL, en la dirección: http://www.ebi.ac.uk/Databases/index.html
Pulsar en el enlace de Nucleotide Databases; despues en el de Genomes server.
Seleccionar el enlace a Bacterias.

Aparece una tabla con un sumario de los genomas bacterianos disponibles desde esta base de datos.
Buscar Mycoplasma pneumoniae.

Seleccionando el enlace sobre el número de acceso U00089 nos traemos la entrada completa del genoma, en formato EMBL.
Seleccionando sobre el enlace de la última columna, nos traemos todas las proteínas en formato FASTA.

Acceso al servidor de bases de datos del EMBL mediante FTP

Abrir Netscape o similar y conectarse al servidor del EMBL, en la dirección: http://www.ebi.ac.uk/Databases/index.html

Pulsar en el enlace de la pestaña Downloads; despues en el de Databases.

El browser permite moverse por la jerarquía de directorios, y se puede seguir la pista: genomes/bacteria/mpneumoniae/U00089.embl