Objetivos

O principal objetivo do Phrap é realizar a montagem de seqüências de DNA em contigs (seqüências decorrentes da junção de duas ou mais seqüências baseado em regiões de overlap entre elas). Se as informações sobre a qualidade das seqüências lidas existir, estas são usadas para melhorar o desempenho no processo de montagem. 
Além da montagem, o Phrap também produz diversas informações sobre os contigs gerados. Esses dados são úteis no processo de visualização do resultado e no processo de finalização da montagem de fragmentos, onde geralmente a análise humana irá tomar decisões que não puderam ser realizadas automaticamente.

Interface

A seguir é ilustrada a comunicação com o software Phrap. Basicamente ela se dá via arquivos, que deve ser no formato FASTA, tanto de entrada quanto de saída.  Observe que os dados de entrada são aqueles produzidos pelo Phred, e que os de saída são os recebidos pelo Consed. A figura seguinte ilustra essa troca de dados.

Algoritmo

A seguir está uma descrição dos passos do algoritmo utilizado pelo Phrap para definição de Contigs.

1. Realiza um pre-processamento da entrada; 
2. Determina regiões de overlap entre todos os pares de seqüências; 
3. Cria um grafo direcionado baseado no passo 2; 
4. Produz contigs baseado no grafo definido em 3; 

A definição dos contigs (passo 4) utiliza o algoritmo guloso para selecionar as arestas do grafo em ordem decrescente .

O pre-processamento da entrada (passo 1) contém os seguintes passos:

1. Constrói os complementos das seqüências lidas (do arquivo “nome.fasta”) e adiciona ao conjunto de     seqüências; 
2. Elimina do conjunto as seqüências duplicadas; (a similaridade entre todos os pares já é calculada aqui) 
3. Faz um vector screening (ver abaixo) no conjunto de seqüências; 
4. Salva o resultado num arquivo FASTA; Esse novo arquivo (nomeado “nome.fasta.screen”) será o arquivo utilizado  pelo phrap; (um novo arquivo de qualidade, nomeado “nome.fasta.screen.qual” é também criado)

O vector screening (passo 3, acima) no conjunto de seqüências consiste em encontrar no conjunto de seqüências as seqüências de bases que correspondem a vectors. Tais bases são modificadas para ´X´ e não serão utilizadas pelo Phrap. Essas bases foram introduzidas em laboratório para a geração dos cromatogramas, portanto não fazem parte do organismo em estudo. 
Observação: Os vectors a serem procurados, que são seqüências normais (acgt...), devem estar em um arquivo no formato FASTA e ser fornecido como parâmetro para o Phrap. Caso este arquivo não seja informado, o phrap utiliza um arquivo padrão que contém todos os possíveis vectors usados normalmente.

Exemplo

A abordagem utilizada para esse exemplo de execução do Phrap foi: (i)partir de uma seqüência conhecida; (ii)dividir essa seqüência em partes; (iii)executar o Phrap dando como entrada essas partes e observar a qualidade do resultado. Nesse exemplo, foram exploraradas seqüências com repetições e não foram utilizados arquivos de qualidade, uma vez que as seqüências foram editadas manualmente.

A seqüência original, abaixo ilustrada por uma figura, contém algumas partes repetidas (de cor verde) inseridas entre partes não repetidas:



A partir dessa seqüência, 5 seqüências foram criadas e foram então usadas como entrada para o Phrap. Essas 5 seqüências são ilustradas pela figura abaixo.



O resultado obtido após a execução do Phrap foi excelente. Ele removeu as seqüências duplicadas, e montou como esperado todas as seqüências. A figura abaixo mostra o resultado.

Parâmetros de execução

Ao executar o Phrap, 53 parâmetros podem ser especificados de acordo com a necessidade do usuário. Por exemplo, qualidade padrão para cada base (caso não haja arquivo de qualidade), scores usados no alinhamento de seqüências (mismatch, insertion, deletion, etc), tamanho mínimo de overlap entre seqüências para que haja alinhamento, etc.