The libraries that made SUCEST

A large-scale sequencing of sugarcane expressed sequence tags (ESTs) was carried out as a first step in depicting the genome of this important tropical crop. Twenty-six unidirectional cDNA libraries were constructed from a variety of tissues sampled from thirteen different sugarcane cultivars. A total of 291,689 cDNA clones were sequenced in their 5' and 3' end regions. After trimming low-quality sequences and removing vector and ribosomal RNA sequences, 237,954 ESTs potentially derived from protein-encoding messenger RNA (mRNA) remained. The average insert size in all libraries was estimated to be 1,250bp with the insert length varying from 500 to 5,000 bp. Clustering the 237,954 sugarcane ESTs resulted in 43,141 clusters, from which 38 per cent had no matches with existing sequences in the public databases. Around 53 per cent of the clusters were formed by ESTs expressed in at least two libraries while 47 per cent of the clusters are formed by ESTs expressed in only one library. A global analysis of the ESTs indicated that around 33 per cent contain cDNA clones with full-length insert.

Bioinformatics of the sugarcane EST project

O projeto SUCEST (Sugarcane EST Project) produziu 291.904 ESTs de cana-de-açúcar. Nesse projeto, o Laboratório de Bioinformática criou o web site que foi o "ponto de encontro" dos 74 laboratórios de sequenciamento e data mining que fizeram parte do consórcio para o projeto. O Laboratório de Bioinformática (LBI) recebeu, processou, analisou e disponibilizou ferramentas para a exploraçäo dos dados. Neste artigo os dados, serviços e programas implementados pelo LBI para o projeto säo descritos, incluindo o procedimento de clustering que gerou 43.141 clusters.

Trimming and clustering sugarcane ESTs

O método de clustering adotado no Projeto SUCEST (Sugarcane EST Project) tinha vários problemas (muitos clusters, presença de seqüências de ribossomo etc.). Nós assumimos a tarefa de reprojetar todo o processo de clustering, propondo uma "limpeza" inicial mais cuidadosa das seqüências. Neste artigo as estratégias de limpeza das seqüências e de clustering säo descritas em detalhe, incluindo os números oficiais do projeto (237,954 ESTs e 43,141 clusters).