Comparative genomics between yeasts of biotechnological interest

O advento das tecnologias de sequenciamento de nova geração possibilitou avanços significativos no campo do conhecimento dos genomas dos organismos. Com a redução dos custos de sequenciamento e aumento na rapidez do processamento das amostras, o número de genomas sequenciados e disponíveis em bancos de dados cresceu exponencialmente. Paralelamente, ocorreu um aumento na propagação de erros associados à anotação das sequências, que gera um impacto negativo em pesquisas posteriores baseadas nestes dados. A revisão da anotação e a comparação entre as informações disponíveis em bancos de dados públicos com experimentos de validação oferece uma alternativa para a correção desses erros. Neste contexto, este trabalho realizou a re- anotação e padronização de 14 genomas de leveduras de interese biotecnológico e disponíveis em bancos de dados públicos. Para facilitar a análise, os genomas foram separados em dois grupos: o grupo 1 (11 linhagens de Saccharomyces cerevisiae) e o grupo 2 (3 espécies de Kluyveromyces). Após a re-anotação, os proteomas preditos foram submetidos ao algoritmo de agrupamento OrthoMCL, para identificação de grupos de ortólogos e parálogos. As sequências ortólogas desses organismos, juntamente com comparações por similaridade com o banco de dados NR e com o banco de domínios conservados CDD, possibilitou a criação de bancos de dados locais com uma grande riqueza de informações, como link de acesso para os resultados do BLAST . Análise dos dados dos genomas permitiu a comparação da família de proteínas álcool desidrogenase (ADH) dentro dos grupos. Na linhagem S. cerevisiae JAY 291 não foi possível identificar o gene ADH7. Adicionalmente, o grupo 2 não possui sequências similares ao ADH5.The advent of new generation sequencing technologies has made capable substancial advances at genomes organism knowledge field. Lower sequencing costs along with faster sample processing, has grown a number of sequenced genomes and available databases exponentially. At the same time, associated annotation sequences errors became more common, causing a negative impact for upcoming researchs based on those databases. Review of annotation and comparison between available public databases with validation experiments offer an alternative solution for error repairs. In this context, this research performed a re-annotation and standarization of 14 yeast genomes of biotechnological interest and available on public database domain. In order to facilitate analysis, genomes were separated in two groups: group 1 (11 Saccharomyces cerevisiae strains) and group 2 (3 Kluyveromyces species). After their re- annotation, predicted proteomes were submitted to the clustering algorithm OrthoMCL for identification of orthologues and paralogues groups. The orthologues sequences of those organisms along with similarity comparisons with NR database and conserved domain database CDD, enabled the creation of local databases with an abundance of information, such as acess link to BLAST results. Genome data analysis made possible the comparison of alcohol dehydrogenase family (ADH) within the groups. The S. cerevisiae JAY 291 strain was not able to identify gene ADH7. Additionallly, group 2 does not have similarity sequences to ADH5.Coordenação de Aperfeiçoamento de Pessoal de Nível Superio