Мотив сайта разрывной транскрипции sgRNA в геноме одного из коронавирусов (Coronaviridae)

В данном задании был выбран Night heron coronavirus HKU19. Далее скачали его геном и составили координаты полипротеина и каждого позднего гена. С помощью python вырезали из генома интересующие нас upstream-области перед каждым геном белка и записали последовательности в файл.

Дальше находим мотив сайта CS с помощью MEME, параметры выставлены так, как написано в самом практикуме.

В итоге, нашлось три мотива (выдача, см. рис.1). Также видим из рис.3, что первый мотив нашёлся во всех последовательностях, за исклюением третьей; второй - во всех, а третий - в первой, второй и шестой.
E-value: у первого мотива - 5.0e-003, у второго - 8.7e+000, у третьего - 4.1e+002. У второго и третьего мотива довольно большие E-value, поэтому попробовали изменить длину последовательностей (выдача); E-value снизился у первых двух мотивов, а у третьего даже увеличился. Дальнейшие попытки изменения входных параметров (в конце концов, минимум длины поставили на 3, максимум - на 10) и изменения длины последовательностей (fasta-файл с редактурой) привели к увеличению E-value у третьего мотива (4.9e+002), но у второго хотя бы до 2.3e+002 снизился (рис.2)... Локализация мотивов у N56 после редактуры поменялись местами, особо значительных перемен в локализации более не произошло.
Мотивы представлены на рис.4-6. MEME также выдаёт в качестве выходного файла PWM-матрицу каждого мотива (ссылка).

Затем воспользуемся программой FIMO для поиска сигналов в последовательности по PWM этого сигнала прямо на сайте, где работали с MEME. Задаём в качестве базы геном выбранного коронавируса (AC: NC_016994.1), а в качестве мотива - самый первый мотив (т.к. часто встречается и имеет низкое E-value). Указали в параметрах, что ищем только в одной цепи. Результат работы - tsv-таблица, которая представлена и в таблице 1 (первые четыре колонки из изначальной выдачи удалены, чтобы не перегружать эту табличку количеством не совсем нужной информации и не дублировать одно и то же по 8 раз). Совпадения нашлись на прямой цепи.
Нужный нам мотив нашёлся на 8 сайтах, что совпадает с результатом выдачи MEME, p-value у находок низкий, следовательно, сигнал достоверный.

Start	End	p-value	q-value	Matched Sequence
19269	19277	9.05e-06	0.0815	TGCAGAGGG
23321	23329	1.25e-05	0.0815	TGCAGAGTG
23911	23919	1.25e-05	0.0815	TGCAGAGTG
24184	24192	1.25e-05	0.0815	TGCAGAGTG
25230	25238	1.58e-05	0.0823	TTCAGTGGG
25507	25515	4.81e-05	0.209	AGCAGTGTG
237	245	7.96e-05	0.27	CTCAGTGGG
5023	5031	8.28e-05	0.27	CTCAGTGTG