Сигналы и мотивы Ⅱ

Задание 1

Нужно было вычислить информационное содержание (IC) последовательностей Козак в геноме Danio Rerio. Известно, что GC-состав Danio Rerio - 38.6%.

Для этого я выполнила следующие действия:

• Составила матрицу частот букв для каждой колонки выравнивания: f(b, j)
• Составила матрицу весов PMW без псевдокаунтов (двоичный логарифм наблюдаемой частоты на ожидаемую): w(b, j)
• Чтобы узнать IC для каждой буквы в каждой колонке, использовалась следующая формула:

  IC(b, j) = f(b, j) × w(b, j) 

  При этом, если f(b, j) = 0, то IC(b, j) = 0
• Итоговое IC выравнивания - сумма IC по всем буквам для всех колонок

   IC(j) = ∑IC(b, j)

Скачать таблицу с вычислениями можно по ссылке.

Задание 2. Поиск 'идеального' мотива

На странице практикума 6 я опубликовала всю выдачу MEME возможных сигналов коронавируса Human betacoronavirus 2c EMC/2012. Теперь среди предложенных мотивов я хочу отыскать такой, который бы подтвердил гипотезу о сигналах регуляции синтеза мРНК поздних генов.

Проверить я решила первую выдачу MEME, так она мне показалалась наиболее достоверной. Для этого я загрузила PMW первого мотива (создается MEME) в программу FIMO. Результат работы программы можно увидеть на Рисунке 2.

В выдаче программы FIMO было 12 находок, из которых 8 располагались перед генами. Другие 4 находки попали в гены, кодирующие белки: 3 оказались внутри гена ORF1ab полипротеина, 1 - внутри гена S.

Мне стало интересно, почему не перед каждым поздним геном нашелся сигнал. А именно сигнала не оказалось перед генами orf4b (кодирует NS4B protein) и orf8b (кодирует ORF8b protein). Я еще раз посмотрела на координаты генов в геноме (Таблица 1) и обнаружила, что ген orf8b находится внутри гена N. По ссылке можно увидеть их выравнивание. Преждевременной терминации трансляции белка гена N не происходит, потому что рамка считывания другая. Похожая ситуация с геном orf4b, он "наезжает" на ген orf4a. Возможно, у таких генов особый сигналинг.

Информация, которую несёт мотив:

• Самая консервативная часть мотива AACGAA имеет длину 6
• Есть ровно один сигнал в лидерной последовательности, до начала гена ORF1ab полипротеина
• Перед 7 поздними генами из 9 есть один сигнал. 2 гена перекрываются с другими и, наверное, являются особым случаем. Участок поиска был ограничен фиксированной длиной 100 нуклеотидов.
• Между сигналом и старт кодоном позднего гена нет ATG
• Нашлись лишние сигналы соответствующие мотиву, они лежат внутри других генов
• Вероятность найти случайно мотив, обладающий перечисленными свойствами, мала

Построение LOGO для последовательности Козак вируса

В википедии я взяла LOGO для последовательности Козак различных мРНК человека. Её можно увидеть на Рисунке 3. Затем для гена полипротеина и каждого позднего гена я взяла окружение старт-кодона (по 5 нуклеотидов до и после) и файл загрузила в MEME. На Рисунке 5 можно увидеть LOGO равнивания 'последовательностей Козак' вируса. Можно заметить, что на позиции -3 вируса действительно чаще встречается аденин, как и у последовательности Козак человек. Больше сходств я не нашла.

Поиск сигнала в близкородственных видах

Для определения специфичности сигнала был выбран другой штамм Coronavirus Neoromicia/PML-PHE1/RSA/2011 вида Middle East respiratory syndrome-related coronavirus. Был выбран и более дальний родственник Severe acute respiratory syndrome coronavirus 2, который тоже относится к роду бетакоронавирусов. Выдача FIMO показана на Рисунке 5.

NC_044512.2 - SARS-2

KC869678.4 - Coronavirus Neoromicia/PML-PHE1/RSA/2011

Находок довольно много, особенно в другом штамме. Причем, если убрать из рассмотрения находки на обратной цепи, наблюдается полное соответствие консенсусной последовательности. Также можно заметить, что нашлись сигналы в лидерной последовательно, что также является хорошим знаком.

Вернуться на главную