| Home | About | Materials | FBB site |
|---|
№ 1. Из UniProt были скачаны следующие полные протеомы:
1) ID UP000002524 - протеом Deinococcus radiodurans (strain ATCC 13939 / DSM 20539 / JCM 16871 / LMG 4051 / NBRC 15346 / NCIMB 9279 / R1 / VKM B-1422)
2) ID UP000000625 - протеом Escherichia coli (strain K12) (Strain: K12 / MG1655 / ATCC 47076)
№ 2, 3. Число последовательностей в каждом протеоме было подсчитано двумя методами: скриптом python (ВНИМАНИЕ, написано на python 3 !, для python 2 надо убрать скобки в команде print), команда запуска [ python pr6.py "Deinococcus radiodurance proteome.fasta" ] и [ python pr6.py "E.coli K-12 proteome.fasta" ] ; а также командами bash [ grep -c ">" Deinococcus\ radiodurance\ proteome.fasta ] и [ grep -c ">" E.coli\ K-12\ proteome.fasta ]. Получилось, что в протеоме Deinococcus radiodurans 3085 последовательностей, а в протеоме Escherichia coli K12 их 4313. Собственно, это совпадает и с числами, представленными в колонке Protein count для соответствующих протеомов.
Число аминокислот было посчитано командами EMBOSS [ wordcount Deinococcus\ radiodurance\ proteome.fasta -wordsize=1 -outfile=deira.txt ] и [ wordcount E.coli\ K-12\ proteome.fasta -wordsize=1 -outfile=ecoli.txt ]. Эти команды создавали файлы с перечислением количества вхождений всех аминокислот в протеоме. Таким образом, сложив их, мы получили общее количество аминокислот этого протеома. Подсчет, кстати говоря, выполнялся не вручную (легко ошибиться, оперируя большими числами, да и просто лень), а с помощью скромненького скрипта python (ВНИМАНИЕ, написано на python 3 !), команда запуска [ python pr6-2.py deira.txt ] и [ python pr6-2.py ecoli.txt ]. Получилось, что протеом Deinococcus radiodurans содержит 949276 аминокислот, а протеом Escherichia coli K12 - 1351622 аминокислот.
№ 4. Был вычислен процент каждой аминокислоты в каждом протеоме, посчитана разность процентов для каждой аминокислоты. Ниже представлена таблица, упорядоченная по убыванию процентов встречаемости аминокислот в протеоме Deinococcus radiodurans. Таблица создана с помощью Excel и вставлена в html-файл также средствами Excel (поэтому она такая корявая).
Ссылка на файл xlsx
Сравнительная таблица процентов встречаемости аминокислот
| Код аминокислоты | Процент в протеоме D.radiodurans | Процент в протеоме E.coli K-12 | Разность процентов |
| A | 12,2051% | 9,5115% | 2,6936% |
| L | 11,6509% | 10,6758% | 0,9751% |
| G | 9,1985% | 7,3705% | 1,8280% |
| V | 7,6874% | 7,0731% | 0,6144% |
| R | 7,3756% | 5,5186% | 1,8570% |
| P | 6,0496% | 4,4283% | 1,6212% |
| T | 5,8149% | 5,3940% | 0,4208% |
| E | 5,7315% | 5,7660% | 0,0344% |
| S | 5,1999% | 5,7967% | 0,5968% |
| D | 5,0688% | 5,1491% | 0,0803% |
| Q | 4,1182% | 4,4434% | 0,3252% |
| I | 3,2839% | 6,0098% | 2,7259% |
| F | 3,1560% | 3,8927% | 0,7367% |
| K | 2,7168% | 4,4057% | 1,6889% |
| N | 2,4071% | 3,9369% | 1,5298% |
| Y | 2,3028% | 2,8447% | 0,5418% |
| H | 2,0855% | 2,2677% | 0,1822% |
| M | 1,8915% | 2,8225% | 0,9310% |
| W | 1,3882% | 1,5319% | 0,1436% |
| C | 0,6679% | 1,1609% | 0,4930% |
| U | 0,0000% | 0,0002% | 0,0002% |
Комментарий к таблице:
У D.radiodurans и E.coli K-12 наблюдается некоторое сходство в составе протеомов: у них совпадают 3 самые часто встречающиеся аминокислоты (аланин A, лейцин L, глицин G); и лишь одна среди 3 самые редко встречающихся аминокислот различается: у D.radiodurans это метионин M, триптофан W и цистеин C ; у E.coli K-12 - гистидин H, триптофан W и цистеин C (селеноцистеин U мы не учитывали, т.к. у D.radiodurans его вообще нет). Самая большая разница в процентах в пользу D.radiodurans - у аланина A (2,6936%). Самая большая разница в процентах в пользу E.coli K-12 - у изолейцина I (2,7259%).
Справка по команде compseq
Compseq, так же как и wordcount, подсчитывает количество слов заданной длины (n-меров). Но compseq помимо этого умеет считать частоту встречаемости этих уникальных слов (предполагаемую, наблюдаемую и их частное).Обязательные опции:
[-sequence] имя файла, содержащего последовательность(и)
-word число, равное длине подсчитываемых n-меров
[-outfile] имя выходного файла
Здесь видна полная аналогия с wordcount (единственное отличие - в случае wordcount опция, задающая длину слов, называется -wordsize).
Но дополнительных опций у compseq больше. Их них стоит обратить внимание на:
-infile чтобы использовать файл, заранее созданный командой compseq, чтобы установить предполагаемые частоты
-calcfreq (надо указывать [Y]) чтобы посчитать предполагаемую частоту
-reverse (надо указывать [Y]) чтобы также учитывать n-меры на комплементарной цепи
-frame (указать число >0) чтобы установить рамку считывания и искать n-меры только в ней
Возмножно, задание 1 было бы удобнее выполнять командой compseq.