Kodomo

User

Учебная страница курса биоинформатики,
год поступления 2017

Указания к практикуму 9

Как получить списки идентификаторов Swiss-Prot, кончающихся или начинающихся заданными символами?

Проще всего на kodomo программой infoseq. Например, чтобы получить в файле human.txt список идентификаторов человеческих белков, можно выполнить команду:

infoseq 'sw:*_human' -only -name -out human.txt

Можно получить то же самое и на сайте Uniprot, используя поиск по Protein name.

Как определить пары с совпадающими мнемониками функции?

Средствами Excel (поможет разбиение столбца на два по символу подчёркивания и фукция VLOOKUP/ВПР) или Python. Или ещё проще — объединить списки и отсортировать: ID с одинаковым началом окажутся рядом...

Как определить рекомендуемое полное имя белка?

В полной записи Swiss-Prot ищите поле DE. Можно использовать конвейер из entret в grep:

entret sw:eno_bacsu stdout -auto | grep ^DE

Там ищите слова "RecName: Full=", название белка — после знака равенства. Например, если вы видите в поле DE строку:
DE   RecName: Full=GSX1 {ECO:0000303|PubMed:7768864};
то пишите в качестве названия белка "GSX1".

Как запустить needle и water с параметрами по умолчанию?

В программах EMBOSS опция -auto задаёт значения по умолчанию для всех параметров, для которых это возможно. Имейте в виду, что у выходного файла тоже есть имя по умолчанию, но как раз его лучше задать явно. Например, если ваша пара — ENO_ECOLI и ENO_BACSU, то можно использовать строку вида

needle sw:eno_ecoli sw:eno_bacsu eno.needle -auto

выравнивание появится в файле с именем eno.needle.

Как определить характеристики выравнивания?

В выдаче needle и water (если не задавать другой формат) имеются следующие характеристики: число и процент колонок с идентичными буквами, число и процент колонок с близкими буквами (т.е. теми, для которых значение матрицы замен положительно), число и процент гэпов, вес выравнивания. Число инделей придётся посчитать "глазами" по выравниванию.

Чтобы посчитать процент покрытия локальным выравниванием для каждой последовательнсоти, нужно определить длину участка, попавшего в выравнивание (по координатам начала и конца) и разделить эту длину на полную длину последовательности.

Как заставить программу needle выдать выравнивание в fasta-формате?

Добавить параметр -aformat fasta.

Как построить множественное выравнивание?

Есть по крайней мере три способа сделать это.

Первый — на kodomo программой muscle. Пусть у вас есть идентификаторы записей в Swiss-Prot, например ENO_BACSU, ENO_ECOLI, ENO_MYCTU, ENO_HAEIN. Создайте списочный файл (скажем, eno.txt) со строками:

sw:eno_bacsu
sw:eno_ecoli
sw:eno_myctu
sw:eno_haein

Затем создайте файл в fasta-формате:

seqret @eno.txt eno.fasta

После этого запустите muscle:

muscle -in eno.fasta -out eno_alignment.fasta

Второй способ. Запустите Jalview. В меню File выберите Fetch sequences. Отметьте Uniprot и нажмите OK. В меню слева выберите Entry names, в околшко справа внесите ID белков, разделённых точкой с запятой ";". Дождитесь появления списка находок. Отметьте НЕУСТАРЕВШИЕ находки (у них "нормальные" поля Protein names и Gene names, без ссылок на другие записи) и нажмите OK. Если всё нормально, появится окошко "Retreived from Uniprot" с последовательностями белков. Теперь надо их выровнять, для этого в меню Web service выберите Alignment и там — любую программу "with Defaults", например "Muscle with Defaults". Через некоторое время появится окошко с выравниванием. Можно "скрестить" этот способ с предыдущим: последовательности добыть seqret'ом, потом невыровнеными импортировать в Jalview и из Jalview запустить выравнивание.

Третий способ. На сайте Uniprot внесите в окно поиска идентификаторы, разделённые словом "or", например:
ENO_BACSU or ENO_ECOLI or ENO_MYCTU or ENO_HAEIN
и запустите поиск. Отметьте галочками все правильные находки и нажмите кнопку Align. Когда появится выравнивание, нажмите кнопку Download (сразу над словом "Alignment"). Выберите формат FASTA, отметьте Uncompressed и сохраните файл.