Страница курса биоинформатики
Факультет биоинженерии и биоинформатики

Программы пакета BLAST для работы с нуклеотидными последовательностями

Создание индексных файлов для программ пакета BLAST

Pasteurella multocida

С помощью команды:

formatdb -i pm_genome.fasta -p F -n pm

были созданы индексные файлы; получено: pm.nhr, pm.nin, pm.nsq

Поиск в геноме участков, кодирующих белки, похожие на заданный

Зная аминокислотную последовательность MODE_ECOLI (данный мне белок), нужно определить не закодированы ли похожие белки в неаннотированном геноме другого организма.
Сначала проводим поиск по одному геному Pasteurella multocida.

Поиск гомологов MODE_ECOLI		Геном Pasteurella multocida
Число находок с Е-value<0,001		1
Характеристика лучшей находки:		AE006112 Pasteurella multocida subsp. multocida str. Pm70 section 79 of 204 of the complete genome. Length = 10166 Score = 179 bits (453), Expect = 2e-46 Identities = 109/265 (41%), Positives = 160/265 (60%), Gaps = 4/265 (1%) Frame = +1
	E-value находки	2e-46
	AC соответствующей записи EMBL	AE006112
	координаты выравнивания в записи EMBL	6040...6819
	Координаты CDS в записи EMBL	6034..6825
	AC UniProt в записи EMBL	Q9CMR6
По 3 геномам сразу: X. campestris, P. multocida, S. typhimurium
Число находок с Е-value<0,001		2
	E-value находки AE006112	9e-46

>embl|AE006112|AE006112 Pasteurella multocida subsp. multocida str.
            Pm70 section 79 of 204 of the complete genome.
          Length = 10166

 Score =  179 bits (453), Expect = 2e-46
 Identities = 109/265 (41%), Positives = 160/265 (60%), Gaps = 4/265 (1%)
 Frame = +1

Query: 1    MQAEILLTLKLQQKLFADPRRISLLKHIALSGSISQGAKDAGISYKSAWDAINEMNQLSE 60
            + +EILLT+KLQQ+LF DP+RI LLK I   GSI+Q AK+A +SYKSAWD +  MN++S 
Sbjct: 6040 LTSEILLTIKLQQQLFVDPKRIRLLKEIQKCGSINQAAKNAKVSYKSAWDHLAAMNEISP 6219

Query: 61   HILVERATXXXXXXXAVLTRYGQRLIQLYDLLAQIQQKAFDVLSDDDALPLNSLLAAISR 120
              L+ER           LT Y QRL+QLYDLL   QQKAF +L D++ LPL+S+L A +R
Sbjct: 6220 KPLLERNVGGKNGGGTELTVYAQRLLQLYDLLEHTQQKAFHILQDEN-LPLDSVLHATAR 6396

Query: 121  FSLQTSARNQWFGTITARXXXXXXXXXXXLLADGKTRLKVAITAQSGARLGLDEGKEVLI 180
            FSLQ+SARNQ+FG I A             +      L V+IT +S  RL L  GKEV++
Sbjct: 6397 FSLQSSARNQFFGDIVALRHENIHCFVAIQIKGLAQPLTVSITEKSAQRLKLTLGKEVMM 6576

Query: 181  LLKAPWVGITQDEAVAQNADNQLPGIISHIERGAEQCEVLMAL----PDGQTLCATVPVN 236
            ++KAPWV + +++   +  +  L  +    ++G  +  +L ++     +    CAT  +N
Sbjct: 6577 MIKAPWVKVHREK--PEGVNTFLVNVKEITDKGDVEEVILTSINKHADEDMEFCAT--LN 6744

Query: 237  EATSLQQGQNVTAYFNADSVIIATL 261
            +A +L+  + +    + + VI+ATL
Sbjct: 6745 KAENLKPDEQIWISIDPEQVILATL 6819

С помощью команды tblastn я искала гомологи белка mode_ecoli в геноме Pasteurella multocida.Из двух находок е-value < 0,001 только у одной: AE006112 (2e-46) - достаточно хорошее значени e-value (маленькое, а это значит что последовательности достаточно схожи). Найденный гомолог, исходя из аннотаций, очень близок исходному белку. Более того, гомолог уже предсказанный (Protein existence 4: Predicted). Вторая находка имеет плохое значение e-value - очень большое, 9,8. Это значит, что последовательности, выровненные с такими результатами, нельзя назвать достаточно схожими.

Аналогичный поиск сразу в нескольких геномах

При помощи программы tblastn проводился поиск сразу по 3 геномам. Изменилась лучшая находка.
Находок с е-value < 0.001 - две.
E-value лучшей находки: e-118.

AE008732 AE006468 |AE008732| Salmonella typhimurium LT2, section 40
            of 220 of the complete genome.
          Length = 22407

 Score =  418 bits (1075), Expect = e-118
 Identities = 218/262 (83%), Positives = 233/262 (88%)
 Frame = -3

Query: 1    MQAEILLTLKLQQKLFADPRRISLLKHIALSGSISQGAKDAGISYKSAWDAINEMNQLSE 60
            MQAEILLTLKLQQKLFADPRRISLLKHIALSGSISQGAKDAGISYKSAWDAIN+MNQLSE
Sbjct: 3547 MQAEILLTLKLQQKLFADPRRISLLKHIALSGSISQGAKDAGISYKSAWDAINDMNQLSE 3368

Query: 61   HILVERATXXXXXXXAVLTRYGQRLIQLYDLLAQIQQKAFDVLSDDDALPLNSLLAAISR 120
            H+LVERAT       AVLTRYGQRLIQLYDLL QIQQKAFDVLSDDDALPL+SLLAAISR
Sbjct: 3367 HMLVERATGGKGGGGAVLTRYGQRLIQLYDLLGQIQQKAFDVLSDDDALPLDSLLAAISR 3188

Query: 121  FSLQTSARNQWFGTITARXXXXXXXXXXXLLADGKTRLKVAITAQSGARLGLDEGKEVLI 180
            FSLQTSARNQWFGTITAR           LLADGKTRLKVA+TAQSG RLGL+EGKEVLI
Sbjct: 3187 FSLQTSARNQWFGTITARDRDLVQQHVDVLLADGKTRLKVALTAQSGERLGLEEGKEVLI 3008

Query: 181  LLKAPWVGITQDEAVAQNADNQLPGIISHIERGAEQCEVLMALPDGQTLCATVPVNEATS 240
            LLKAPWVGIT+D AVA+ ADNQL G ISHIERGAEQCEVLMALPDGQTLCAT+P ++A +
Sbjct: 3007 LLKAPWVGITRDAAVARAADNQLSGTISHIERGAEQCEVLMALPDGQTLCATIPTSDAAT 2828

Query: 241  LQQGQNVTAYFNADSVIIATLC 262
            L++G +V A+FNAD VIIATLC
Sbjct: 2827 LKEGDDVIAWFNADRVIIATLC 2762

При поиске по 3 геномам расширяется диапазон поиска (примерно в 4 раза).
Увеличилось и е-value лучшей находки по Pasteurella multocida: с 2е-46 до 9е-46.

Поиск гомологов с помощью программы BLASTN

E-value лучшей находки: 1e-97

Соответствующее выравнивание

AE008732 AE006468 |AE008732| Salmonella typhimurium LT2, section 40
            of 220 of the complete genome.
          Length = 22407

 Score =  355 bits (179), Expect = 1e-97
 Identities = 566/695 (81%)
 Strand = Plus / Minus

                                                                        
Query: 1    atgcaggccgaaatccttctcacccttaagctccaacaaaaattattcgccgacccgcgc 60
            |||||||||||||||||||| ||||| || || || |||||  | || ||||| || || 
Sbjct: 3547 atgcaggccgaaatccttcttaccctgaaacttcagcaaaagctttttgccgatccccga 3488

                                                                        
Query: 61   cgcatttcgctactaaaacacattgcgctttccggttccattagccagggagcgaaagat 120
            || || || || || |||||||||||||||||||| || ||||| ||||| |||||||| 
Sbjct: 3487 cgtatctctctgctgaaacacattgcgctttccggctcgattagtcagggcgcgaaagac 3428

                                                                        
Query: 121  gccggtattagctataaaagcgcctgggatgccattaacgagatgaatcagttaagtgag 180
            || || || |||||||| |||||||||||||| || ||||| ||||| ||| | || || 
Sbjct: 3427 gcgggaatcagctataagagcgcctgggatgcgataaacgacatgaaccagcttagcgaa 3368

                                                                        
Query: 181  catattctggtcgagcgcgcaacaggcggtaaaggtggcggcggcgcagtactgacccgc 240
            ||||| ||||| || |||||||| ||||| ||||| ||||||||||| ||| | ||||||
Sbjct: 3367 catatgctggttgaacgcgcaacgggcggcaaaggcggcggcggcgcggtattaacccgc 3308

                                                                        
Query: 241  tatggtcagcgactgattcagctctatgacttactggcgcaaatccagcaaaaagccttt 300
            ||||| ||||| ||||| ||||| || || || ||||  ||||| ||||||||||| || 
Sbjct: 3307 tatggccagcgtctgatccagctttacgatttgctgggccaaattcagcaaaaagcgttc 3248

                                                                        
Query: 301  gatgtgttaagtgacgatgacgccctgccgctgaacagcctgctggccgcgatctcacgt 360
            ||||||||||| ||||||||||||||||||||  |||| ||||||||||| ||||| || 
Sbjct: 3247 gatgtgttaagcgacgatgacgccctgccgcttgacagtctgctggccgctatctcccgc 3188

                                                                        
Query: 361  ttttcactgcaaaccagcgcccgtaaccagtggttcggtaccatcaccgcccgcgatcat 420
            ||||||||||||||||||||||| || ||||||||||| ||||| |||||||||||||  
Sbjct: 3187 ttttcactgcaaaccagcgcccgaaatcagtggttcggcaccattaccgcccgcgatcgc 3128

                                                                        
Query: 421  gatgacgttcaacagcatgttgatgtcttactggctgacggaaaaacacgcctgaaagtc 480
            |||   || ||||||||||| || ||  | ||||| ||||| ||||| || || ||||||
Sbjct: 3127 gatctggtgcaacagcatgtcgacgtgctgctggccgacggcaaaacgcggctcaaagtc 3068

                                                                        
Query: 481  gcaattaccgcacaaagcggcgcgcgtctggggctggatgaaggcaaagaagtgttgata 540
            ||  | || || |||||||||| |||||| || ||||| || || ||||||||| |||| 
Sbjct: 3067 gcgctgacggcgcaaagcggcgagcgtctcggcctggaggagggaaaagaagtgctgatc 3008

                                                                        
Query: 541  ttgctaaaagcgccgtgggtaggtattactcaggacgaggcggtcgcgcaaaacgctgac 600
             ||||||||||||||||||| || ||||| | ||| |  || || ||||    |||||||
Sbjct: 3007 ctgctaaaagcgccgtgggttggcattacccgggatgcagccgttgcgcgcgccgctgac 2948

                                                                        
Query: 601  aaccaattaccgggtattattagtcatattgagcgcggcgcagagcagtgcgaagtatta 660
            || || ||  |||| |  || || ||||| ||||||||||| || ||||| ||||| || 
Sbjct: 2947 aatcagttgtcgggaacgatcagccatatcgagcgcggcgcggaacagtgtgaagtgttg 2888

                                               
Query: 661  atggcgctacccgacgggcaaacactgtgcgccac 695
            |||||||| || ||||| || || |||||||||||
Sbjct: 2887 atggcgctgccggacggccagacgctgtgcgccac 2853

Аннотация соответствующего фрагмента генома

FT   gene            complement(793079..793867)
FT                   /gene="modE"
FT                   /locus_tag="b0761"
FT                   /note="synonyms: chlD, modR, narD, ECK0750, JW0744"
FT   CDS             complement(793079..793867)
FT                   /codon_start=1
FT                   /transl_table=11
FT                   /gene="modE"
FT                   /locus_tag="b0761"
FT                   /product="DNA-binding transcriptional dual regulator"
FT                   /function="regulator; Transport of small molecules: Anions"
FT                   /note="molybdate uptake regulatory protein"
FT                   /db_xref="GOA:P0A9G8"
FT                   /db_xref="InterPro:IPR000847"
FT                   /db_xref="InterPro:IPR003725"
FT                   /db_xref="InterPro:IPR004606"
FT                   /db_xref="InterPro:IPR005116"
FT                   /db_xref="InterPro:IPR008995"
FT                   /db_xref="InterPro:IPR011991"
FT                   /db_xref="UniProtKB/Swiss-Prot:P0A9G8"
FT                   /protein_id="AAC73848.1"
FT                   /translation="MQAEILLTLKLQQKLFADPRRISLLKHIALSGSISQGAKDAGISY
FT                   KSAWDAINEMNQLSEHILVERATGGKGGGGAVLTRYGQRLIQLYDLLAQIQQKAFDVLS
FT                   DDDALPLNSLLAAISRFSLQTSARNQWFGTITARDHDDVQQHVDVLLADGKTRLKVAIT
FT                   AQSGARLGLDEGKEVLILLKAPWVGITQDEAVAQNADNQLPGIISHIERGAEQCEVLMA
FT                   LPDGQTLCATVPVNEATSLQQGQNVTAYFNADSVIIATLC"

Blastn больше подходит для поиска близких гомологов, с помощью tblastn можно искать гомологи любой степени гомологии. Исходя из этого, можно решать какой программой лучше пользоваться в том или ином случае. В моем случае blastn дает хорошие результаты, но это происходит потому, что последовательности очень близкие (находит последовательности очень похожие на исходную).