Распределение длин белков, синтезируемых Oceanobacillus iheyensis штамм HTE831

С помощью скрипта, написанного на языке программирования Python, из файла, содержащего информацию о геноме Oceanobacillus iheyensis штамм HTE831 (запись NC_004193 базы данны RefSeq) мною были получены хромосомные талицы, содержащие информацию о генах, кодирующих белки, транспортные, рибосомальные и ядерные РНК. Используя Microsoft Excel я проанализировал некоторые закономерности в распределении длин белков, синтезируемых данной бактерией.

Первым шагом было нахождение максимальных, минимальных длин белков, их медианы и среднее арифмитическое. Для всех белков и отдельно для белков, кодируемых на прямой и обратной цепях:

Таблица 1. информация о длин белков, синтезируемых Oceanobacillus iheyensis штамм HTE831

Направление кодирования	Минимальная длина	Максимальная длина	Средняя длина	Медиана
Все белки	27	2373	290,8588571	261
Кодируемые на прямой цепи	27	2373	283,7963282	248
Кодируемые на обратной цепи	34	1530	297,865111	275

Как видно из таблицы 1, медиана и среднее значение всегда близки друг другу, следовательно большинство значений нахоидтся в области длин, соответствующих среднему значения, причём эти значения ближе к минимальному, чем к максимальному, следовательно длинные белки встречаются редко и являются "еденичными случаями". Средние значени и медианы белков, кодируемых на прямой и обратной цепи, а также всех белков вместе практически не различаются. Отсюда можно предположить, что их распределения по направлению кодирования случайно.

Следующим шагом было нахождение и построение графика эмпирической функции распределения, в данном случае показывающей, какую долю от всего числа белков занимают белки, короче определённой длины. Был получен следующий график:

Рис.1. график эмпирической функции распределения длин белков, синтезируемых Oceanobacillus iheyensis штамм HTE831

Который подтверждает предположение о том, как распределены длины белков - длины большинства не превышают 500 аминокислотных остатков.

Следующим шагом было построение столбчатых диаграмм, показывающих распределение длин белков. Для удобства были взяты интервалы в 70 аминокислотных остатков. Для всех белков получилась такая диаграмма:

Рис.2. распределение длин всех белков

Как видно из рисунка 2, больше всего встречается белков с длиной от 210 до 280 аминокислотных остатков.

Также была построена столбчатая диаграмма, показывающая аналогичные данные, но для беков, кодируемый на прямой и обратной цепи отдельно:

Рис.3 распределение длин белков, отдельно для закодированных на прямой и обратной цепях. Зелёные столбики - белки, закодированные на прямой цепи, красные - на обратной.

На рисунке 3 видно, что интервалы длин с максимальным числом белков несколько меняются для прямой цепи это интервал также 210-280, а для обратной цепи это интервал 210-420. Такое распределение длин белков выглядит случайным. Но можно расчитать, является ли такое распределение случаным или нет с помощью величины Χ², показывающей вероятность того, что отклонение полученного результата от ожидаемого результата (а данном случае - от распределения, общего для всех белков) не случайно.

В случае прямой цепи значение "хи-квадрат" составило 19,09316687, а случае обратной 18,94103008. Так как мы суммировали 36 членов, следовательно степень свободы равна 35. В соответствии с таблицей распределения велицин хи-квадрат получаем, что вероятность неслучайного рапределения значений длин белков меньше, чем 0,025. Отсюда можно сделать вывод, что распределение белков по кодированию на прямой и обратной цепи случайно.