3.2.1
Genoma core
Utilizando 25 dos 27 genomas extra´ıdos do GenBank (excluindo SPN032672 e SPN033038) foi poss´ıvel utilizar o SCRAG para encontrar o genoma core e o genoma acess´orio dessas 25 estirpes. Foram testadas v´arias percentagens de identidade – 70%, 80%, 90% e 100% – e v´arias percentagens de diferen¸ca de tamanho m´axima permitida entre as sequˆencias de um CVAP – 0%, 10%, 20% e 30% – sendo que tamb´em se obtˆem os ficheiros relativos a n˜ao se re- alizar a exclus˜ao por tamanho, ou seja, todas as diferen¸cas de tamanho s˜ao permitidas. Tamb´em foi verificada a integridade dos resultados e robustez do m´etodo, verificando que cada sequˆencia apenas ´e atribu´ıda a um CVAP, conforme referido no cap´ıtulo 2 (2.4). Os resultados obtidos, relativos ao n´umero de genes core encontrados para estes 25 genomas, de acordo com as v´arias percentagens testadas, podem ser observados na figura 3.1.
Figura 3.1: Resultados para o genoma core de S. pneumoniae, utilizando 25 genomas. Foram testados v´arios parˆametros de percentagem de identidade e diferen¸ca de tamanho permitida. Os resultados para a percentagem de diferen¸ca de tamanho de 100% correspondem a n˜ao ter efetuado o passo da exclus˜ao por tamanho.
tagens de identidade mais baixas e percentagens de diferen¸ca de tamanho mais altas. Ou seja, quanto mais restritivos forem os parˆametros, consi- derando sequˆencias muito semelhantes e pequenas diferen¸cas de tamanho, menos genes v˜ao ser encontrados, como seria de esperar. Para percentagens de identidade de 100%, os n´umeros decrescem abruptamente, uma vez que se consideram apenas os casos em que o BLAST atribui uma correspondˆencia perfeita em todos os 25 alinhamentos correspondentes a cada sequˆencia de um CVAP pertencente ao genoma core. Tamb´em se verifica que para per- centagens de diferen¸ca de tamanho de 0%, o n´umero de genes encontrados diminui bastante, ao passo que considerar uma diferen¸ca de tamanho de 30% ou n˜ao efetuar a exclus˜ao por tamanho de todo (100%) n˜ao apresenta grandes diferen¸cas – ou seja, s˜ao poucos os genes encontrados, para uma dada per- centagem de identidade, em que existem diferen¸cas de tamanho superiores a 30% entre as sequˆencias de um mesmo CVAP.
Tendo em conta os resultados obtidos para as percentagens testadas, verifica-se que os valores mais interm´edios s˜ao obtidos para 80% de iden- tidade e 20% de diferen¸ca de tamanho. Abaixo ´e apresentado o gr´afico de pontos gerado pelo programa considerando essas percentagens (figura 3.2). O gr´afico para uma an´alise ao genoma core, utilizando os mesmos 25 genomas, mas considerando como parˆametros 70% de identidade e 30% de diferen¸ca de tamanho encontra-se no cap´ıtulo 2 (figura 2.3).
De notar que os gr´aficos de pontos s˜ao obtidos atrav´es do c´alculo do m´ınimo, m´edia e desvio padr˜ao da percentagem de similaridade entre as sequˆencias de cada CVAP, sendo que os valores de similaridade correspon- dem por sua vez ao inverso das distˆancias, obtidas da matriz de distˆancias gerada com o ClustalW, atrav´es do alinhamento m´ultiplo realizado com o MUSCLE. Deste modo, e tendo em conta tamb´em que nesta fase s˜ao re- cuperadas as sequˆencias de ADN, completas, os valores de percentagem de similaridade n˜ao s˜ao exatamente iguais aos valores de percentagem de identi- dade obtidos originalmente, embora possam ser aproximados. Os valores de percentagem de identidade, por sua vez, foram calculados atrav´es dos valores de identidade (ou seja, as correspondˆencias exatas) fornecidos pelo BLAST para cada alinhamento, onde foram utilizadas sequˆencias de amino´acidos. De notar tamb´em que um alinhamento do BLAST (alinhamentos locais) pode n˜ao corresponder `a sequˆencia completa, ao contr´ario do alinhamento m´ultiplo de sequˆencias, que considera as sequˆencias globalmente, e n˜ao apenas parci- almente.
Figura 3.2: Gr´afico obtido para uma an´alise do genoma core, utilizando 25 genomas de S. pneumoniae, considerado como parˆametros para obter cada CVAP 80% de identidade e 20% de diferen¸ca de tamanho m´axima permitida.
3.2.2
Genoma acess´orio
Tamb´em para o genoma acess´orio dos 25 genomas foi utilizado o pro- grama, para as mesmas percentagens de identidade e de diferen¸ca de tama- nho. Os resultados obtidos podem ser observados na figura 3.3. Mais uma vez, verifica-se que parˆametros mais restritivos levam a um menor n´umero de CVAPs encontrados, ao passo que percentagens de identidade inferiores e percentagens de diferen¸ca de tamanho maiores levam `a descoberta de mais genes acess´orios. ´E tamb´em apresentado o gr´afico de pontos gerado, consi- derando como parˆametros 80% de identidade e 20% de diferen¸ca de tamanho (figura 3.4).
Analisando os resultados, ´e poss´ıvel observar que s˜ao encontrados mais genes acess´orios do que genes core. Tal facto seria de esperar, uma vez que o n´umero de genes core descobertos diminui com o n´umero de genomas adici- onados `a an´alise. J´a o n´umero de genes acess´orios vai aumentando quantos mais genomas s˜ao analisados – s˜ao descobertos mais CVAPs que n˜ao est˜ao
Figura 3.3: Resultados para o genoma acess´orio de S. pneumoniae, utilizando 25 genomas. Foram testados v´arios parˆametros de percentagem de identidade e diferen¸ca de tamanho permitida. Os resultados para a percentagem de diferen¸ca de tamanho de 100% correspondem a n˜ao ter efetuado o passo da exclus˜ao por tamanho.
representados em todos os genomas, bem como genes ´unicos, caracter´ısticos de cada genoma, sendo que o tamanho do pangenoma tamb´em aumenta com o n´umero de genomas [6, 8, 9]. Assim sendo, repetindo esta an´alise para apenas alguns dos 25 genomas considerados, seria de esperar encontrar mais genes core e menos genes acess´orios do que para os 25 genomas. Da mesma forma, considerando mais genomas do que os 25, como acontece na an´alise aos 76 genomas, apresentada na sec¸c˜ao seguinte, s˜ao encontrados menos ge- nes core e mais genes acess´orios do que para os 25 genomas cujos resultados aqui s˜ao apresentados, como veremos adiante.