Четвертый семестр

Пакет Pftools

Для дальнейшей работы было выбрано выравнивание белков из Firmicutes: RS3_BACAN, RS3_BACSU, RS3_CLOB1, RS3_CLOTE, RS3_ENTFA, RS3_FINM2, RS3_GEOKA, RS3_LACAC, RS3_LACDA, RS3_LACLM, RS3_LISMO, RS3_PEDPA, RS3_STAA1, RS3_STAES, RS3_STRP1, RS3_STRPN, RS3_THETN, полученное при выполнении предыдущих заданий.
  1. Подготовка файла в формате msf

    2. Т.к. пакет Pftools не работает с файлами, имеющими конец строки, принятый в Windows, я поменял признаки конца строки на UNIХ-овые используя команду noreturn -in part.msf -out part.noreturn.
  2. PFW
    3. Программа pfw позволяет вычислять веса индивидуальных последовательностей во множественном выравнивании, используя метод Сиббала и Аргоза. используя запрос pfw part.noreturn > part_pfw.msf. Ниже приведен участок файла до применения данной команды: 
     Name: RS3_THETN        Len:   246  Check: 4841  Weight:   1.00
 Name: RS3_CLOB1        Len:   246  Check: 6023  Weight:   1.00
 Name: RS3_CLOTE        Len:   246  Check: 6185  Weight:   1.00
 Name: RS3_FINM2        Len:   246  Check: 1233  Weight:   1.00
 Name: RS3_LACAC        Len:   246  Check: 6704  Weight:   1.00
 Name: RS3_LACDA        Len:   246  Check: 3672  Weight:   1.00
 Name: RS3_STAA1        Len:   246  Check: 1549  Weight:   1.00
 Name: RS3_STAES        Len:   246  Check: 1525  Weight:   1.00
 Name: RS3_PEDPA        Len:   246  Check: 2217  Weight:   1.00
 Name: RS3_ENTFA        Len:   246  Check: 1518  Weight:   1.00
 Name: RS3_LACLM        Len:   246  Check: 2337  Weight:   1.00
 Name: RS3_STRP1        Len:   246  Check: 1733  Weight:   1.00
 Name: RS3_STRPN        Len:   246  Check: 556   Weight:   1.00
 Name: RS3_BACAN        Len:   246  Check: 5134  Weight:   1.00
 Name: RS3_LISMO        Len:   246  Check: 5014  Weight:   1.00
 Name: RS3_BACSU        Len:   246  Check: 6904  Weight:   1.00
 Name: RS3_GEOKA        Len:   246  Check: 3821  Weight:   1.00

    Как видим все последовательности имеют вес 1.00.
    И участок файла после работы данной программы: 
     Name: RS3_BACAN        Len:    24  Check: 2649  Weight: 0.0270
 Name: RS3_BACSU        Len:    24  Check: 2532  Weight: 0.0179
 Name: RS3_CLOB1        Len:    24  Check: 2412  Weight: 0.1014
 Name: RS3_CLOTE        Len:    24  Check: 2806  Weight: 0.1152
 Name: RS3_ENTFA        Len:    24  Check: 2522  Weight: 0.0142
 Name: RS3_FINM2        Len:    24  Check: 3155  Weight: 0.1509
 Name: RS3_GEOKA        Len:    24  Check: 2649  Weight: 0.0270
 Name: RS3_LACAC        Len:    24  Check: 2431  Weight: 0.0365
 Name: RS3_LACDA        Len:    24  Check: 2447  Weight: 0.0693
 Name: RS3_LACLM        Len:    24  Check: 2908  Weight: 0.1004
 Name: RS3_LISMO        Len:    24  Check: 2532  Weight: 0.0179
 Name: RS3_PEDPA        Len:    24  Check: 2522  Weight: 0.0142
 Name: RS3_STAA1        Len:    24  Check: 2335  Weight: 0.0515
 Name: RS3_STAES        Len:    24  Check: 2335  Weight: 0.0515
 Name: RS3_STRP1        Len:    24  Check: 2674  Weight: 0.0590
 Name: RS3_STRPN        Len:    24  Check: 2714  Weight: 0.0546
 Name: RS3_THETN        Len:    24  Check: 2374  Weight: 0.1015

    Как видим программа переписала веса последовательностям. part_pfw.msf
  3. PFMAKE
    4. Программа pfmake создает prosite-овский профиль, используя в качестве входного файла - взвешенное выравнивание. При помощи запроса pfmake part_pfw.msf /usr/share/pftools23/blosum62.cmp > part_pfmake.prf был получен файл part_pfmake.prf.
  4. Подготовка последовательностей для поиска
    5. При помощи запроса seqret sw-org:bacteria bacteria.fasta был получен файл, содержащий все последовательности из бактерий.
  5. Нормировка профиля
    6. На первом этапе был сгенерирован банк, того же размера, что и bacteria.fasta.
    Далее был проведен "фальшивый поиск", для получения веса профиля на случайных последовательностях - pfsearch -C0.0 -f part_pfmake.prf shuffled.fasta | sort -n > scores.txt
    А затем и сама нормировка - pfscale scores.txt part_pfmake.prf > scaled.prf
    scaled.prf
    При этом изменились поля: MA /NORMALIZATION, MA /CUT_OFF.
    Но к сожалению при выполнении следующего пункта при использовании нормированного профиля возникала ошибка поэтому в дальнешем использовал ненормированный профиль.
  6. Поиск по профилю
    7. При помощи запроса pfsearch -C1.15 -f part_pfmake.prf bacteria.fasta > part.pfsearch было найдено 2366 последовательности part.pfsearch
  7. Оценка профиля
    8. Число верных находок ("True positive hits", TP)=136 Число ложных находок ("False positive hits", FP)=2230 Число ненайденных белков подсемейства (ложноотрицательных результатов, "False negatives", FN)=0 Чувствительность TP/(TP+FN)=1 Селективность TP/(TP+FP)=0,057
    Ниже приведена ROC-кривая:
    ©Анисенко Андрей