Практимум 13

Задание 1: частоты старт-кодонов

Код к заданию

dee = {}
filename = input()
searchfor = input()
with open(filename, 'r') as fasta:
  lst = fasta.readlines()
  for line in lst:
    line = line.strip()
    if line.startswith('>'):
      name = line
      dee[name] = ''
    else: dee[name] += line
for key in dee.keys():
  if dee[key].startswith(searchfor):
    print(key)

Что необходимо для инициации трансляции и транскрипции

Для инициации транскрипции у прокариот промотр должен обладать следующими свойствами:

- наличие Прибнов-бокса(-10) и -35-последовательности

- точка начала транскhипции - пурин

- различные upstream-элементы, способные дополнительными взаимодействиями "усилять" промотор

На инициацию прокариотической трансляции влияют

- последовательность Шайна-Дальгарно (SD)

- старт-кодон

- расстояние между SD и start

- вовлечённость SD и start во вторичные структуры

E. coli

G. bacterium

M. pneumoniae

Из табличных данных мы видим, что значительную часть разнообразия "альтернативных" старт-кодонов составляют триплеты, уже не выполняющие таковую функцию - это накопившие мутации старт-кодоны псевдогенов.

У всех трёх бактерий триплеты GTG и TTG являются двумя наиболее частыми альтернативными старт-кодонами. Исходя из рассуждений, приведённых выше, вероятно, что в инициации транскрипции соответствующих им генов принимают участие дополнительные upstream-элементы ("сильный контекст"), аналогичное объяснение возможно и для инициации трансляции.

Кроме того, очень минорные старт-кодоны вновь встретились у последовательностей, кодирующих эндонуклеазы рестрикции, что, возможно, обусловлено особенностями их регуляции.

Задание 2. Стоп-кодоны посреди последовательности

Код к заданию

def stopfinder():
    for i in range(0, len(seq) - 3, 3):
        if seq[i:i + 3] in stopl:
            print(name)
            print([i:i + 3])
            flag = False
            break

stopl = ['TAA', 'TAG', 'TGA']
seq = ''

flname = input()
with open(flname, 'r') as fasta:
    with open('out.txt', 'w') as out:
        for line in fasta:
            line = line.strip()
            if line.startswith('>'):
                stopfinder()
                name = ' '.join(line[1:].split(' '))
                seq = ''
            else:
                seq += line
        else:
            stopfinder()

Среди CDS E. Coli нашлось 4, имеющих стоп-кодон не в конце. Фрагмент регуляторного белка IS911A имеет стоп-кодон в середине, поскольку является псевдогеном. 3 оставшихся белка - это альфа-субъединица формиат-дегидрогеназы N, альфа-субъединица формиат-дегидрогеназы O и формиат-дегидрогеназа H. В описании их последовательностей указано, что их трансляция идёт на протяжении всей мРНК, исключая находящийся посреди последовательности стоп-кодон TGA, одинаковый для всех трёх белков. Возможно выдвинуть предположение о том, что этот триплет не узнаётся благодаря особой вторичной структуре мРНК вокруг него. И в самом деле (Watson, J. D., Baker, T. A., Gann, A., Bell, S. P., Levine, M., & Losick, R. M. (2004). Molecular biology of the gene), эта вторичная структура существует и является селеноцистеиновой шпилькой - при её образовании происходит не терминация трансляции, а приходит специальная мРНК с антикодоном, комплементарным стоп-кодону, несущая селеноцистеин, который в этом "раунде" трансляции включается в пептид (после чего всё продолжается в "штатном") режиме.

Задание 3. Пропавшие стоп-кодоны

Код к заданию:

def biad():
    if seq in codbi:
        codbi[seq] += 1
    else:
        codbi[seq] = 1
flname = input()
codbi = {}
with open(flname, 'r') as fasta:
    fasta.readline()
    seq = ''
    for line in fasta:
        line = line.strip()
        if line.startswith('>'):
            biad()
            seq = ''
        else:
            seq = (seq+line)[-3::]
    else:
        biad()
for i in codbi.keys():
    print(i, codbi[i])

Стоп-кодоны E. Coli

G. bacterium

Мы видим, что в качестве стоп-кодона TGA встретился только один раз! Поэтому возможно выдвинуть предположение, что, на самом деле, у G. Bacterium он кодирует какую-либо аминокислоту. Эта догадка подтверждается исследованием, в котором было показано, что у данного вида TGA кодирует глицин.

M. pneumoniae

В случае M. pneumoniae TGA не встречается в качестве стоп-кодона ни разу. Рассуждение, аналогичное предыдущему, вновь оказывается верным: TGA у этой бактерии кодирует триптофан, прямо как в митохондриях.

Задание 4. Кодоны лейцина

Код к заданию:

atgc = list('ACGT')
list_of_lists = [atgc]
for l in range(1, 3):
    list_of_lists.append(str(l))
for i in range(1, 3):
    list_of_lists[i] = []
    for mer in list_of_lists[i-1]:
        for elem in atgc:
            list_of_lists[i].append(mer+elem)
list_of_lists[2].sort()

trilst = {}
for liter in list_of_lists[2]: #Can we do it faster using numpy?
    trilst[liter] = 0

seq = ''
flname = input()
with open(flname, 'r') as fasta:
    for line in fasta:
        line = line.strip()
        if line.startswith('>'):
            continue
        else: seq += line
    for i in range(0, len(seq), 3):
        trilst[seq[i:i+3]] += 1
    trilst['TAA'] = trilst['TAG'] = trilst['TGA'] = 0
for key in trilst.keys():
        if key == 'TTA' or key == 'TTG' or key == 'CTT' or key == 'CTA' or key == 'CTG' or key == 'CTC':
            print(key, trilst[key])

В приведённой таблице описаны относительные частоты лейциновых кодонов (число кодонов с заданной последовательностью/число всех кодонов). Различия между частотами кодонов одной бактерии, вероятно, наиболее сильно связаны с регуляцией экспрессии генов. Например, на предпочтительность того или иного кодона может влиять формирование вторичной и третичной структур РНК и роль этих структур в процессе трансляции, относительное количество тРНК для одной аминокислоты с разными антикодонами, способность тРНК к вобблингу. Однако вклад в эти частоты могут вносить и биохимические возможности организма по синтезу/поглощению пуринов и пиримидинов, температура окружающей среды и проч.

Различия между частотами кодонов между разными бактериями можно объяснить разным GC-составом геномов этих бактерий (видно из таблицы).

Задание 5

Код - в Colab

GC-skew достигает максимума в 47,69 в районе 1500300 позиции на хромосоме, минимума в -28,75 около координаты 3870000. Эти точки - ter (точка терминации репликации) и её ori (ориджин) соответственно.

Задание 6

Код - в Colab

Прогон алгоритма на плазмидах и хромосоме Rhodococcus fascians показал, что в 20 нуклеотидах от start-кодона наиболее частыми шестимерами являются те, что состоят из A и G, взятых примерно в равных пропорциях (приведём 5 наиболее популярных для хромосомы):

Ввиду того, что данная последовательность располагается недалеко от старт-кодона, она может являться частью сайта посадки рибосомы на мРНК (RBS, ribosome-binding site). Как мы знаем (Watson, J. D., Baker, T. A., Gann, A., Bell, S. P., Levine, M., & Losick, R. M. (2004). Molecular biology of the gene), важной частью RBS является последовательность Шайна-Дальгарно(SD), консенсус которой очень похож на наш результат.

Поскольку анти-SD-последовательность располагается на 16S-рРНК, было интересно найти встречаемость шестимеров в её последовательностях (вновь топ-5):

(цифры небольшие, т. к. у родококка всего 10 генов 16S-рРНК, не очень большая выборка:)) Мы видим, что почти для всех нуклеоидов 16S-рРНКовых шестимеров, при расположении шестимера в направлении 3'-5', возможно образование канонических/неканонических пар с шестимерами наших мРНК.