Практикум 10

HMM-профили и эволюционные домены

В рамках задания случайным образом было выбрано семейство B ДНК полимераз (Pfam name:DNA polymerase family B, Pfan ID: DNA_pol_B, Pfam AC:PF00136). Семейство объединяет центральные каталитические домены ДНК-полимераз типа B, которые отвечают за высокоточную репликацию генома. Этот регион обеспечивает связывание ДНК и нуклеотидов, а также катализирует элонгацию новой цепи ДНК.

Выбор подсемейства проводился по доменной архитектуре: PF13482 - PF00136. Данному подсемейству принадлежит 53 белка. Представляет это подсемейство белок - ДНК-зависимая ДНК-полимераза (Pfam name: DNA-directed DNA polymerase, Pfam ID: Q01PV5, Pfam AC: Q01PV5_SOLUE).

Скачанные последовательности 53 белков подсемейства были выровнены с помощью muscle в Jalview и далее на основе репрезентативного белка были найдены границы искомого домена от 725 до 1079 нуклеотида.

Для построения hmm профиля на основе вырезанного домена была использована следующая команда:

hmmbuild PF00136.hmm domennadh.fa

Далее были скачаны последовательности всех белков семейства B ДНК полимераз и запущен поиск полученным hmm профилем по ним.

hmmsearch --tblout hmmout.txt PF00136.hmm protein-matching-PF00136.fasta

Всего было 28411 находок обнаружено через hmmsearch. Все 53 белка искомого подсемейства были найдены. Минимальный вес для белков подсемейства - 195, максимальный - 394. Наиболее оптимальный вес для порога был взят как 365 - до этого значения вес опускался медленно, после - резко падает на более низкие значение. С таким порогом TP белков - 43, FN - 10, что выглядит приемлемо.

Расшифровка метрик:

• TP (True Positives) — число находок, принадлежащих подсемейству с весом выше порога
• FP (False Positives) — число находок не из подсемейства, но с весом выше порога
• FN (False Negatives) — число находок из подсемейства, но с весом ниже порога
• TN (True Negatives) — число находок не из подсемейства и с весом ниже порога