Montagem do draft do genoma da bactéria Herbaspirillum Huttiense subsp. putei

Abstract

Resumo: O gênero Herbaspirillum foi descrito em 1986 e hoje é composto por 11 espécies, dentre elas a bactéria Herbaspirillum huttiense subsp. putei, isolada no Japão a partir de amostras de água de poço. Neste projeto obtemos uma seqüência parcial do genoma desta bactéria, com base em leituras curtas de dois seqüenciamentos SOLID, que juntos somam cerca de 205 milhões de leituras seqüenciadas. Como resultado da montagem de novo do primeiro conjunto de dados, obtivemos um total de 447 scaffolds e 2316 contigs que foram ordenados utilizando o programa jContigsort e representados num gráfico de dot plot. Os genomas de Herbaspirillum seropedicae e Herbaspirillum rubrisubalbicans foram usados como referência para os alinhamentos e ordenações. O fechamento de gaps foi inicialmente manual, baseado nessa atividade foram desenvolvidas funções em MATLAB para automatizar e facilitar esse processo. Os dados utilizados para o fechamento dos gaps foram obtidos através da montagem do segundo conjunto de dados gerados pelo sequenciamento SOLID e das montagens de suas duas tags separadamente. Depois das análises realizadas chegamos a um conjunto final com 37 scaffolds, que podem ser reduzidos a 33 se forem considerados os indícios de ligação presentes nas seqüências. O genoma da bactéria ficou com tamanho de aproximado a 5,7 Mb com conteúdo G+C de 62,3%. A partir do draft do genoma gerado, foi feita uma préanotação automática encontrando 5547 orfs utilizando o programa RAST e 6084 utilizando o HGF.

Abstract: The genus Herbaspirillum was described in 1966 and nowadays it is composed by 11 species, among them the bacteria Herbaspirillum huttiense subsp. putei, isolated in Japan from well water. This project has obtained a partial genome sequence of this bacteria, based on short reads from two SOLID runs, that resulted on 205 millions of sequenced reads. As a result of the de_novo assembling, we obtained an amount of 447 scaffolds and 2316 contigs, sorted using the JContigsort application and represented in a dot plot graph. The genomes of Herbaspirillum seropedicae and Herbaspirillum rubrisubalbicans were used as reference to alignments and sortings. The gap closing was initially manual and then, based on that activity some MATLAB functions were developed to automate and turn the process easier. The data used to close the gaps were obtained from the assembling of a second dataset, generated by SOLID sequencing and the assembling of its tags separately. After the analyzes, we reach a final dataset that contains 37 scaffolds, that might be reduced to 33 scaffolds considering the linkage between sequences. The final size of the bacteria’s genome is nearly 5.7 Mb with G+C content of 62,3%. Based on the genome draft, we made an automatic pre-annotation where we can find 5547 orfs using software RAST and 6084 orfs using HGF.