BLAST search

Поиск в BLAST

Задание 1

Проводился поиск по megablast последовательности из 6-го практикума. Надо отметить, что в 6-м практикуме, где требовалось восстановить последовательность по хроматограмме, части хроматограммы для одной цепочки не было, поэтому последовательность пришлось довольно серьёзно обрезать и консенсусная последовательность вышла короче! Это могло повлиять на достоверность результатов поиска в BLAST. Параметры поиска - по умолчанию. Для найденных 100 последовательностей Identity оказался > 90%, причём первые 15 находок - идентичны с E-Value 96.26%(Рис.1). Все они кодируют субъединицу 1 цитохромоксидазы (COI) из митохондриального генома. Во вкладке "Taxonomy" представлены организмы, которым принадлежат последрвательности. Оказалось, что все - из генома моллюска вида Limecola balthica, а некоторые - подвиду Limecola balthica balthica (существует ещё и L. balthica rubra)(Рис. 2,3).

Дополнительные материалы:

Последовательность, по которой проводился поиск

Выравнивание первых 15

Выравнивание 50 последовательностей

 Рис.1 Taxonomy

 Рис.2 Выравнивание первых 15 находок в Jalview

 Рис.3 Limecola balthica.
 Источник

Задание 2. Поиск по трём аналогам BlAST

Поиск проводился по megablast, blastn с параметрами по умолчанию и blastn с чувствительными параметрами: wordsize=7, match/mismatch =1/-1. Для сравнения, в двугих двух случаях wordsize=28,11, а match/mismatch=1/-2, 2/-3 соответственно. Ожидалось, что количество находок будет меньше всего в megablast, больше всего - в blastn с чувствительными праметрами. Однако для hitlist size=1000 в megablast найдено 150, в blastn - 1000, а в blastn с чувствительными параметрами - 988, что вводит в некоторое замешательство. На поиск, вероятно, влияло то, что последовательность была неполной. При фильтре E-Value<0.0001, coverage от 90 до 100% "правильный" порядок восстановился - 88,575 и 665 находок соответственно. Identity в случае обоих blastn - от 66%, у megablast - 76%. В то время как в megablast основная масса находок - это вид Limevola bathlica, в blastn можно выделить три близких вида с большим количеством находок - Macoma petalum, Limecola balthicum(предположительной вид) и Donax hanleyanus. Кроме того, blastn с чувствительными настройками нашел значительное количество Униод, которых не нашел обычный blastn, хотя и %Identity у них был самый низкий - около 66%.

	mblast	blastn	lenient blastn
Количество находок	150	1000	988
Количество отсортированных находок	88	575	665

Для дальнейшего поиска была выбрана кодирующая последовательность белка(ATW57755.1) вируса из предыдущего практикума(Escherichia phage EG1). Поиск проводился по тем же алгоритмам. В этом случае была сильно заметна ращзница в работе BLAST с чувствительными параметрами и с обычными(меньше минуты против 7,5). Как и в прошлом примере, параметром, обеспечивающим хорошие находки, оказывается query coverage. При установек QC 60-100 BLAST во всех трёх случаях выводил несколько находок с высоким %Identity и E-Value=0. %Identity падает при снижении чувствительности, а разнообразие организмов - увеличивается, как и ожидалось.Интересно, что mblast не нашёл несколько вариантов с большим процентом Identity и Coverage, которые нашол blastn. Лучшие находки в blastn - различные фаги (первые 5 - фаги Escherichia и Enterobacteria). Есть небольшие различия, например, обычный BLAST нашёл фаг Ervinia, а BLAST с чувствительными параметрами - фаг Salmonella.

	mblast	blastn	lenient blastn
Количество находок	72	226	377
Количество находок с coverage 60-100, помимо исходной	4	7	15
Разброс % Identity	84-100	67-100	60-100
Таксоны	Teseptimavirus(большинство), Synthetic phage- вирусы cellular organisms	Teseptimavirus(большинство), Przondovirus, неклассифицированные Autographivirinae, Synthetic phage -вирусы cellular organisms	Teseptimavirus(большинство), Przondovirus, неклассифицированные Autographivirinae, Synthetic phage, Litunavirus - вирусы cellular organisms, artificial sequences

lenient blastn

blastn

mblast

Задание 3

Предлгоалось выбрать 3 любых белка, которые ,вероятно,распространены среди эукариот и посмотреть, сожержатся ли их гомологи в геноме Amoeboaphelidium protococcarum, предварительно скаченного с kodomo и фигурирующего здесь как X5.fasta. Для работы были выбраны: лигаза I, гистон IV и ДНК полимераза альфа. Соответствующие ID были найдены в SwissProt.Поиск проводился в tblastn. Таблица генома была выбрана исходя из того, что было написано в аннотациях к этому организму на сайте NCBI, то есть 6.Результаты - в таблице справа.
Команды работы:

makeblastdb -in X5.fasta -dbtype nucl seqret sw:dnli1_rat dnli1.fasta seqret sw:h4_rat h4.fasta seqret sw:dpola_rat dpola.fasta tblastn -query dnli1.fasta -db "X5.fasta" -db_gencode 6 > dnli1.hits tblastn -query dpola.fasta -db "X5.fasta" -db_gencode 6 > dpola.hits tblastn -query h4.fasta -db "X5.fasta" -db_gencode 6 > h4.hits

ID белка	dnli1_rat	h4_rat	dpola_rat
Длина последовательности	918	103	1451
Количество достоверных находок	4	5	5
Разброс bitscore	114-612	40-160	86.7-753
Разброс % Identity	26-53	94	24-39
Координаты лучшего выравнивания	285-900	22-103	338-1446
Покрытие	0,670	0,786	0,764
Файл	dnli1.hits	h4.hits	dploa.hits

Чем последовательность длиннее, тем менее она консервативна, что логично. На консервативность гена гистона могло повлиять то, что гистон - это структурный элемент, а поэтому изменения в нём крайне нежелательны. Как видно из таблицы, для всех белков, вероятно, были найдены гомологи.

 Результат работы blastx  с фильтром % Identity: 60-100

Задание 4

Требоавлось взять неаннотированный геном, выбрать один скэффолд или контиг, найти наиболее достоверный ген белка и понять, соответственно, какой белок закодирован. Удачным образом, в геноме, взятом мною в практикуме 7,белки не аннотированы, поэтому я взяла один из контигов из генома Varroha jacobsoni около 50 килобаз. Поиск проводился по blastx. Лучшие находки указывают на то, что закодирован изоформ белка-шипа (prickle protein) - рецептора ядерной транслокации.Ссылка на гомолог для Drosophila melanogaster. Самая лучшая находка - из генома Varroa jacobsoni и очень близкого ему виду Varroa destructor, что неудивительно.

Range 1: 179 to 933

Score:1186 bits(3067), Expect:0.0, 
Method:Compositional matrix adjust., 
Identities:650/829(78%), Positives:665/829(80%), Gaps:91/829(10%)

Query  19994  LKPRCSAC-DEIIFADECTEAE----GLTWHMSHFCCYECDQQLGGQRYIMRDN------  19848
              L+  C+ C D II  D    A      + WH + F C  C + L    Y M+D       
Sbjct  179    LQIVCACCNDYIIGGDMAVFASRSGPNIGWHPACFQCSICKELLVDLIYYMKDGALYCGR  238

Query  19847  ------RPFCLACFDAIFAG*yrtyv*tiyiYSLYTMRLCPtalaasaa*fapttsSYTR  19686
                    +P C AC + IFA          +  S +    C   L                
Sbjct  239    HHAESLKPRCSACDEIIFADECTEAEGLTWHMSHFCCYECDQQLGGQRY-----------  287

Query  19685  *YVSLSIAILFKLITLYMYVCIITEFCDTCGGPVGVDQGQMSLDGQHWHATEQCFRCSCC  19506
                    I    +   L  +  I  EFCDTCGGPVGVDQGQMSLDGQHWHATEQCFRCSCC
Sbjct  288    ------IMRDNRPFCLACFDAIFAEFCDTCGGPVGVDQGQMSLDGQHWHATEQCFRCSCC  341

Query  19505  KMSLLGRPFLPKKGLIYCSHECSRSKFSTCSGQHLHEYRYYNLLLCTAPFAASNSHPTRN  19326
              KMSLLGRPFLPKKG                            L+ C+   + SNS     
Sbjct  342    KMSLLGRPFLPKKG----------------------------LIYCSHECSRSNS-----  368

Query  19325  GPRFLPLTPHEYKAYDTLNIAGNSNSRAHRSNSVRNFASQNSSTENGPTGSSALSPKDAV  19146
                                      NSRAHRSNSVRNFASQNSSTENGPTGSSALSPKDAV
Sbjct  369    ------------------------NSRAHRSNSVRNFASQNSSTENGPTGSSALSPKDAV  404

Query  19145  SGMHTPTGLFVPGISNVPETVRKVTPGSFSPLANSSSDNVHSQRMLERNYSPSIMSNHSE  18966
              SGMHTPTGLFVPGISNVPETVRKVTPGSFSPLANSSSDNVHSQRMLERNYSPSIMSNHSE
Sbjct  405    SGMHTPTGLFVPGISNVPETVRKVTPGSFSPLANSSSDNVHSQRMLERNYSPSIMSNHSE  464

Query  18965  PLRNFGASFSPNTSSEKSFNASQQIALIDPRGqqhqqqqilqqhqaqqqqqhqmlvqqtv  18786
              PLRNFGASFSPNTSSEKSFNASQQIALIDPRGQQHQQQQILQQHQAQQQQQHQMLVQQTV
Sbjct  465    PLRNFGASFSPNTSSEKSFNASQQIALIDPRGQQHQQQQILQQHQAQQQQQHQMLVQQTV  524

Query  18785  aQPQRPGPPPYNVAAYNSNGLPPPISRLQSQLRGCQGNIEYTPQHKTTHTAPNVLSPMAR  18606
              AQPQRPGPPPYNVAAYNSNGLPPPISRLQSQLRGCQGNIEYTPQHKTTHTAPNVLSPMAR
Sbjct  525    AQPQRPGPPPYNVAAYNSNGLPPPISRLQSQLRGCQGNIEYTPQHKTTHTAPNVLSPMAR  584

Query  18605  QSPNGINGRHEMALPNAGKNSPSNCTQAQRILGDVSSGSVSPAARNSPAQGRRDIQKPQQ  18426
              QSPNGINGRHEMALPNAGKNSPSNCTQAQRILGDVSSGSVSPAARNSPAQGRRDIQKPQQ
Sbjct  585    QSPNGINGRHEMALPNAGKNSPSNCTQAQRILGDVSSGSVSPAARNSPAQGRRDIQKPQQ  644

Query  18425  PTVAGLQHSGSSQGGPMRSLSPTLPRREGSPGLGRRSLTDLSSNSLPRTTSRSGPSSLID  18246
              PTVAGLQHSGSSQGGPMRSLSPTLPRREGSPGLGRRSLTDLSSNSLPRTTSRSGPSSLID
Sbjct  645    PTVAGLQHSGSSQGGPMRSLSPTLPRREGSPGLGRRSLTDLSSNSLPRTTSRSGPSSLID  704

Query  18245  TPTKYKQVYSHQGVEGSPQRKHMADFSLAEVNFGAKQKTKLTREGSLNEHYANLQRSGSV  18066
              TPTKYKQVYSHQGVEGSPQRKHMADFSLAEVNFGAKQKTKLTREGSLNEHYANLQRSGSV
Sbjct  705    TPTKYKQVYSHQGVEGSPQRKHMADFSLAEVNFGAKQKTKLTREGSLNEHYANLQRSGSV  764

Query  18065  NALPEVEYSNTLLRRRPSEHFHGSTLPRNFSSGHIQMTQAAHCDNLESNLYSNYPASQDL  17886
              NALPEVEYSNTLLRRRPSEHFHGSTLPRNFSSGHIQMTQAAHCDNLESNLYSNYPASQDL
Sbjct  765    NALPEVEYSNTLLRRRPSEHFHGSTLPRNFSSGHIQMTQAAHCDNLESNLYSNYPASQDL  824

Query  17885  YTNGPGQMHNGHVQHLNQSQEIYSNPQDFQHVADQTYDNVPSVRSIVYKNGRQEEAMNER  17706
              YTNGPGQMHNGHVQHLNQSQEIYSNPQDFQHVADQTYDNVPSVRSIVYKNGRQEEAMNER
Sbjct  825    YTNGPGQMHNGHVQHLNQSQEIYSNPQDFQHVADQTYDNVPSVRSIVYKNGRQEEAMNER  884

Query  17705  DMAVTSAQAMTPSTRRREPLDMSDLCLKDLLAGSDQVFVEVVQEIQNGP  17559
              DMAVTSAQAMTPSTRRREPLDMSDLCLKDLLAGSDQVFVEVVQEIQNGP
Sbjct  885    DMAVTSAQAMTPSTRRREPLDMSDLCLKDLLAGSDQVFVEVVQEIQNGP  933




Range 2: 921 to 1233

Score:298 bits(763), Expect:4e-79, 
Method:Compositional matrix adjust., 
Identities:300/313(96%), Positives:306/313(97%), Gaps:4/313(1%)

Query  17355  ITIQILRAFQ----VHRTSLQAASAGPGSVRQNFSLPLMNPHRPSVQPPEALELESPITP  17188
              + +++++  Q    VHRTSLQAASAGPGSVRQNFSLPLMNPHRPSVQPPEALELESPITP
Sbjct  921    VFVEVVQEIQNGPSVHRTSLQAASAGPGSVRQNFSLPLMNPHRPSVQPPEALELESPITP  980

Query  17187  QQLPSPPILKSIGPPNGILQRQVKTRAEVHTEDRVHPsderrsmrresksKVRFDPSLGH  17008
              QQLPSPPILKSIGPPNGILQRQVKTRAEVHTEDRVHPSDERRSMRRESKSKVRFDPSLGH
Sbjct  981    QQLPSPPILKSIGPPNGILQRQVKTRAEVHTEDRVHPSDERRSMRRESKSKVRFDPSLGH  1040

Query  17007  ANSDEEQKSAsrnttrrhrrrhrrrssssesEGECENraekkstmssssssslssssark  16828
              ANSDEEQKSASRNTTRRHRRRHRRRSSSSESEGECENRAEKKSTMSSSSSSSLSSSSARK
Sbjct  1041   ANSDEEQKSASRNTTRRHRRRHRRRSSSSESEGECENRAEKKSTMSSSSSSSLSSSSARK  1100

Query  16827  hgsggggsgggehasrhrsrsEDRCDGESSRERKTRKSLrssshgsrsrsgssshksrss  16648
              HGSGGGGSGGGEHASRHRSRSEDRCDGESSRERKTRKSLRSSSHGSRSRSGSSSHKSRSS
Sbjct  1101   HGSGGGGSGGGEHASRHRSRSEDRCDGESSRERKTRKSLRSSSHGSRSRSGSSSHKSRSS  1160

Query  16647  sksrrdrddsscstcestestsstedEAEIYRLPERREYGGVRINYVQSSTLAAARQKAV  16468
              SKSRRDRDDSSCSTCESTESTSSTEDEAEIYRLPERREYGGVRINYVQSSTLAAARQKAV
Sbjct  1161   SKSRRDRDDSSCSTCESTESTSSTEDEAEIYRLPERREYGGVRINYVQSSTLAAARQKAV  1220

Query  16467  ASQRAQNKNCLVQ  16429
              ASQRAQNKNCLVQ
Sbjct  1221   ASQRAQNKNCLVQ  1233




Range 3: 151 to 305

Score:273 bits(697), Expect:5e-71, 
Method:Compositional matrix adjust., 
Identities:126/156(81%), Positives:132/156(84%), Gaps:6/156(3%)

Query  20261  KRMFLFLVKHVRGGILKATLFQAIVCDVEFQ-----CNDYIIGGDMAVFASRSGPNIGWH  20097
              + +  F  +  R  + + T+ Q  V     Q     CNDYIIGGDMAVFASRSGPNIGWH
Sbjct  151    RELRQFSAQRKRDSLGRGTVRQLPVSP-HLQIVCACCNDYIIGGDMAVFASRSGPNIGWH  209

Query  20096  PACFQCSICKELLVDLIYYMKDGALYCGRHHAESLKPRCSACDEIIFADECTEAEGLTWH  19917
              PACFQCSICKELLVDLIYYMKDGALYCGRHHAESLKPRCSACDEIIFADECTEAEGLTWH
Sbjct  210    PACFQCSICKELLVDLIYYMKDGALYCGRHHAESLKPRCSACDEIIFADECTEAEGLTWH  269

Query  19916  MSHFCCYECDQQLGGQRYIMRDNRPFCLACFDAIFA  19809
              MSHFCCYECDQQLGGQRYIMRDNRPFCLACFDAIFA
Sbjct  270    MSHFCCYECDQQLGGQRYIMRDNRPFCLACFDAIFA  305




Range 4: 101 to 187

Score:182 bits(463), Expect:7e-43, 
Method:Compositional matrix adjust., 
Identities:86/87(99%), Positives:86/87(98%), Gaps:0/87(0%)

Query  20634  VHLYFSSLPEDKIPYVNSVGEKYRMKQLIQQLPAHDSDVRHCTSLSEEECRELRQFSAQR  20455
              VHLYFSSLPEDKIPYVNSVGEKYRMKQLIQQLPAHDSDVRHCTSLSEEECRELRQFSAQR
Sbjct  101    VHLYFSSLPEDKIPYVNSVGEKYRMKQLIQQLPAHDSDVRHCTSLSEEECRELRQFSAQR  160

Query  20454  KRDSLGRGTVRQLPVSPHLQIVCACVN  20374
              KRDSLGRGTVRQLPVSPHLQIVCAC N
Sbjct  161    KRDSLGRGTVRQLPVSPHLQIVCACCN  187




Range 5: 1 to 105

Score:140 bits(354), Expect:6e-30, 
Method:Compositional matrix adjust., 
Identities:101/105(96%), Positives:104/105(99%), Gaps:0/105(0%)

Query  40601  MAEVERLMLPAPPQHMMtsptssgstaavgasgasgtatasaggavsnsSQQATTGGQNG  40422
              MAEVERLMLPAPPQHMMTSPTSSGSTAAVGASGASGTATASAGGAVSNSSQQATTGGQNG
Sbjct  1      MAEVERLMLPAPPQHMMTSPTSSGSTAAVGASGASGTATASAGGAVSNSSQQATTGGQNG  60

Query  40421  HGPQQAPSPEMGSGHRQSDDDSGCALEEYTWVPQGLKPEQVRIFY  40287
              HGPQQAPSPEMGSGHRQSDDDSGCALEEYTWVPQGLKPEQV +++
Sbjct  61     HGPQQAPSPEMGSGHRQSDDDSGCALEEYTWVPQGLKPEQVHLYF  105