วันพุธที่ 22 กันยายน พ.ศ. 2553

โปรแกรม GENtle

Bioinformatic
อดุลย์เดช ธรรมเมธากาญจน์
5337669 RACP/M
การใช้งานโปรแกรม GENtle เพื่อใช้ในการหา Restriction site ของ DNA sequence
1.     Download the interesting DNA sequence from NCBI
-         เลือก Nucleotide        Search พิมพ์ HIV         Search

2.       เลือก Sequence ที่ต้องการ และ Download sequence file ในรูปแบบ Fasta
 


3.       Run program GENtle จากนั้น Import file ที่ Download ไว้


4. Program จะแสดงรูปแบบ DNA sequence ที่มี Restriction site และ Restriction enzyme


5. โดยที่เราสามารถเลือก Restriction enzyme ที่เราต้องการได้โดย เลือกที่ Sequence editor


6. เลือกที่ Restriction enzymes แล้วเลือก enzyme ที่เราต้องการจากนั้น add แล้ว OK


7. จะได้ DNA sequence ที่มี Restriction site และ Restriction enzyme ที่เราต้องการ


วันอังคารที่ 21 กันยายน พ.ศ. 2553

Bioinformatic tool (Fast PCR 6.1)

Homework 2: Bioinformatic tool (Fast PCR 6.1)
จัดทำโดย : ..สุธาดา  มากเมือง 5336201
การทำ  PCR Primer Design จากโปรแกรม Fast PCR 6.1
Sequence ที่เลือก เป็น sequence ของ human enterovirus 71 ซึ่งอยู่ในรูปแบบของ .FASTA และเปิดด้วย BioEdit โดย download sequence ที่ต้องการจาก www.ncbi.nlm.nih.gov/















วันจันทร์ที่ 20 กันยายน พ.ศ. 2553

"ClustalX 2.0.11"

Homework 2 : Bioinformatic tool (Clustalx 2.0.11)

การทำ Alignment ของเชื้อ Influenza A virus ที่ได้มาจากผู้ป่วย Hong Kong โดยเปรียบเทียบความเหมือนหรือความแตกต่างของ Sequence ของ NA gene for neuraminidase จาก Specimen ที่ต่างกัน
จัดทำโดย
นางสาวฐานิดา สุวลักษณ์ 5336202 RACP/M
ขั้นตอนการทำ
1. เปิด Website : http://www.ncbi.nlm.nih.gov/
                1.1 เลือก Nucleotide
                1.2 พิมพ์ “Influenza A virus neuraminidase” แล้วกด Search

2. เลือก Sequence ที่ต้องการ จากนั้นกด Send to             File           FASTA format            Create file


3. เปิดโปรแกรม Clustalx 2.0.11



4. เลือก Load Sequence

5. โปรแกรมจะแสดง Sequence ตามที่ต้องการ


6. เลือก Alignment            Do Complete Alignment


7. กด Ok เพื่อ Save file ที่ผ่านการทำ Complete Alignment




8. โปรแกรมจะแสดงผลการทำ Complete Alignment ของ Sequence ทั้ง 3 เส้น ซึ่งพบได้ว่า Sequence ทั้ง 3 เส้นที่ได้มาจาก Specimen ที่ต่างกัน แต่มาจากแหล่งเดียวกัน คือ Hong Kong จะให้ลำดับของ Sequence ที่เหมือนกัน



วันอังคารที่ 14 กันยายน พ.ศ. 2553

Homework II: Bioinformatic tool (MEGA 4.0.2)

การทำ alignment และสร้าง phylogenetic tree ของเชื้อ dengue virus strain 16681 โดยเทียบเคียงกับ reference sequence ของ dengue virus serotype 1-4 ด้วยโปรแกรม MEGA 4.0.2

โดย นพ. ถกล เจริญศิริสุทธิกุล

1. เปิดโปรแกรม MEGA 4.0.2 ไปที่ alignment เลือก Alignment Explorer/CLUSTAL


2. เลือก Retrive sequences from a file เพื่อเลือก sequence ที่ต้องการจะมาทำการ analyze ผล


3. เลือก Alignment ClustalW 


4. เลือก sequence ที่ต้องการทำ alignment หลังจากนั้นโปรแกรมจะทำการ alignment ให้ และ save file ให้อยู่ในรูป MEGA format เพื่อที่จะนำไปใช้ในการสร้าง phylogenetic tree ต่อไป



5. เปิด file MEGA format ที่จะนำมาสร้าง phylogenetic tree




6. เลือก Phylogeny แล้วเลือก Construct Phylogeny เลือก Neighbor-Joining (NJ)


7. โปรแกรมจะแสดงค่าต่างๆนำมาใช้ในการสร้าง phylogenetic tree


8. จะได้ phylogenetic tree ตามที่ต้องการ จะเห็นได้ว่า dengue strain 16681 มีความใกล้เคียงกับ dengue serotype 2 มากที่สุด


โดยสรุปโปรแกรม MEGA 4.0.2 เป็น bioinformatic tool ที่มีประโยชน์หลายอย่าง หนึ่งในนั้น คือ กรทำ multiple alignment ของ sequence ที่เราสนใจศึกษา และยังสามารถนำผลการ alignment มาสร้าง phylogenetic tree ได้อีกด้วย ซึ่งมีประโยชน์อยางมากในการศึกษาวิจัยที่เกี่ยวข้องกับการจัดกลุ่ม และดูความเกี่ยวข้องกันของสิ่งมีชีวิตต่างๆ โดยอาศัยความสันพันธ์ในลำดับเบสของสารพันธุกรรม

วันพฤหัสบดีที่ 9 กันยายน พ.ศ. 2553

RACP53-3 member


นส. อัจฉรีย์ คงเรือง (เจีย)
นพ. ถกล เจริญศิริสุทธิกุล (ท็อป)
นส. วราภรณ์ เรืองราย (เจน)
นส. สุธาดา มากเมือง (ออน)

Homework I: SAGE

Serial analysis of gene expression (SAGE)

Serial analysis of gene expression (SAGE) is a technique used by molecular biologists to produce a snapshot of the messenger RNA population in a sample of interest in the form of small tags that correspond to fragments of those transcripts. The original technique was developed by Dr. Victor Velculescu at the Oncology Center of Johns Hopkins University and published in 1995. Several variants have been developed since, most notably a more robust version, LongSAGE, RL-SAGE and the most recent SuperSAGE. Many of these have improved the technique with the capture of longer tags, enabling more confident identification of a source gene.

Overview
Briefly, SAGE experiments proceed as follows:
1.Isolate the mRNA of an input sample (e.g. a tumour).
2.Extract a small chunk of sequence from a defined position of each mRNA molecule.
3.Link these small pieces of sequence together to form a long chain (or concatemer).
4.Clone these chains into a vector which can be taken up by bacteria.
5.Sequence these chains using modern high-throughput DNA sequencers.
6.Process this data with a computer to count the small sequence tags.

Analysis
The output of SAGE is a list of short sequence tags and the number of times it is observed. Using sequence databases a researcher can usually determine, with some confidence, the original mRNA (and therefore which gene) the tag was extracted from.
Statistical methods can be applied to tag and count lists from different samples in order to determine which genes are more highly expressed. For example, a normal tissue sample can be compared against a corresponding tumour to determine which genes tend to be more (or less) active.

Applications
Although SAGE was originally conceived for use in cancer studies, it has been successfully used to describe the transcriptome of other diseases and in a wide variety of organisms.

Comparison to DNA microarrays
The general goal of the technique is similar to the DNA microarray. However, SAGE is a sequence-based sampling technique. Observations are not based on hybridization, which result in more quantitative, digital values. In addition, the mRNA sequences do not need to be known a priori, so genes or gene variants which are not known can be discovered. Microarray experiments are much cheaper to perform, so large-scale studies do not typically use SAGE. Quantifying gene expressions is more exact in SAGE because it involves directly counting the number of transcripts whereas spot intensities in microarrays fall in non-discrete gradients and are prone to background noise.

Variant Protocols: miRNA cloning
MicroRNAs, or miRNAs for short, are small (~22nt) segments of RNA which have been found to play a crucial role in gene regulation. One of the most commonly used methods for cloning and identifying miRNAs within a cell or tissue was developed in the Bartel Lab and published in a paper by Lau et al. (2001). Since then, several variant protocols have arisen, but most have the same basic format. The procedure is quite similar to SAGE: The small RNA are isolated, then linkers are added to each, and the RNA is converted to cDNA by RT-PCR. Following this, the linkers, containing internal restriction sites, are digested with the appropriate restriction enzyme and the sticky ends are ligated together into concatamers. Following concatamerization, the fragments are ligated into plasmids and are used to transform bacteria to generate many copies of the plasmid containing the inserts. Those may then be sequenced to identify the miRNA present, as well as analysing expression levels of a given miRNA by counting the number of times it is present, similar to SAGE.

A more in-depth, technical explanation of the technique is available here (http://www.sagenet.org/).