Mikrobiyotada 16S rRNA ve Basit Biyoinformatik Analizler

Öz

İnsan genomunun keşfinden sonra yeni bir çağa giren biyoloji bilimi, barsak florasında ki bakterileri çok önceden bildiği halde floranın önemini henüz anlamlandırmaya başlamıştır. Barsak florasının genom yükü, insan genomundan kat ve kat fazladır. Bu flora günümüzde mikrobiyota olarak tanımlanır. Geleneksel kültür metotları ile analizinin neredeyse imkansız olduğu mikrobiyota, 16S rRNA genlerinin yüksek oranda değişken bölgelerinin dizilenmesi ve dizileme sonuçlarının biyoinformatik analizi ile rahat bir şekilde çalışılabilir hal almıştır. Ancak hala dizi boyları değişkenliği, yüksek oranda değişken bölgelerin başlangıç ve bitiş sahaları, dizileme sonucu elde edilen markerlar ile mikroorganizmaların eşleştirilmesi gibi çözüm bekleyen önemli bazı biyoinformatik sorunlar mevcuttur. Bu çalışmada, belirtilen sorunlara çözüm sunabilme amacıyla açık kaynak kodlu bir python çatısı geliştirilmiş ve bu çatının çıktılarının yorumlanması üzerinde durulmuştur. Geliştirilen yazılımı için gerekli olan 16S rRNA gen dizilerine Greengenes veritabanı kullanılarak erişim sağlanmıştır. Cins bazında tiplendirmenin oldukça zor olduğu Clostridium’lar hedeflenmiş ve geliştirilen python çatısı ile basit biyoinformatik analizler yapılmış, korunmuş diziler ortaya konarak olası primer aday bölgeleri saptanmaya çalışılmıştır. İlave olarak, araştırmacılara hedefledikleri mikroorganizmalar için genel primerler yerine çalışmaya özel primerleri geliştirebilmek için bir araç sunularak bu konuda geliştirilecek biyoinformatik araçlara öncülük etmek amaçlanmıştır. Genel olarak, bu çalışmanın mikrobiyota konusunda çalışmaya yeni başlayan araştırma gruplarına klavuzluk yapacak nitelikte olabilmesi amaçlanmıştır.

Anahtar Kelimeler

• Mikrobiyota,Biyoinformatik,RNA,16S rRNA,Çoklu dizi hizalama,Korunmuş dizi analiz

Kaynakça

1. 1. Fukuda, K., et al., Molecular Approaches to Studying Microbial Communities: Targeting the 16S Ribosomal RNA Gene. J UOEH, 2016. 38(3): p. 223-32.
2. 2. Rajendhran, J. and P. Gunasekaran, Microbial phylogeny and diversity: small subunit ribosomal RNA sequence analysis and beyond. Microbiol Res, 2011. 166(2): p. 99-110.
3. 3. Woese, C.R., O. Kandler, and M.L. Wheelis, Towards a natural system of organisms: proposal for the domains Archaea, Bacteria, and Eucarya. Proc Natl Acad Sci U S A, 1990. 87(12): p. 4576-9.
4. 4. Lane, D.J., et al., Rapid determination of 16S ribosomal RNA sequences for phylogenetic analyses. Proc Natl Acad Sci U S A, 1985. 82(20): p. 6955-9.
5. 5. Yang, B., Y. Wang, and P.Y. Qian, Sensitivity and correlation of hypervariable regions in 16S rRNA genes in phylogenetic analysis. BMC Bioinformatics, 2016. 17: p. 135.
6. 6. Chakravorty, S., et al., A detailed analysis of 16S ribosomal RNA gene segments for the diagnosis of pathogenic bacteria. J Microbiol Methods, 2007. 69(2): p. 330-9.
7. 7. Galperin, M.Y., X.M. Fernandez-Suarez, and D.J. Rigden, The 24th annual Nucleic Acids Research database issue: a look back and upcoming changes. Nucleic Acids Res, 2017. 45(D1): p. D1-D11.
8. 8. Zou, D., et al., Biological databases for human research. Genomics Proteomics Bioinformatics, 2015. 13(1): p. 55-63.

9. 9. Benson, D.A., et al., GenBank. Nucleic Acids Res, 2013. 41(Database issue): p. D36-42.
10. 10. Quast, C., et al., The SILVA ribosomal RNA gene database project: improved data processing and web-based tools. Nucleic Acids Res, 2013. 41(Database issue): p. D590-6.
11. 11. Xu, R. and D. Wunsch, 2nd, Survey of clustering algorithms. IEEE Trans Neural Netw, 2005. 16(3): p. 645-78.
12. 12. Elen A., T.M.K., Genetik algoritmalar ve çoklu dizi hizalama probleminin çözümü, in XIII Tıbbi Biyoloji ve Genetik Kongresi. 2013: Kuşadası.
13. 13. Arslan S., T.T., Karcı A., , Çoklu-dizi hizalama problemi için genetik algoritma, in ELECO-2004: Elektrik–Elektronik-Bilgisayar Mühendisliği Sempozyumu. 2004. p. 353-356.
14. 14. Woo, P.C., et al., Clostridium bacteraemia characterised by 16S ribosomal RNA gene sequencing. J Clin Pathol, 2005. 58(3): p. 301-7.