Нуклеотидный BLAST

1. Таксономия и функции последовательности из №6

Являются частью 4 предыдущего задания.

2. Сравнение трёх алгоритмов поиска BLAST

Параметры поиска выбраны, исходя из задания (хотя требование "совпадают по всем остальным параметрам" нельзя выполнить в силу того, что возможный размер слова - Word size - у megablast и двух остальных алгоритмов не совпадает):

• Max target sequences = 1000
• Ajust for short queries = yes
• Expect threshold = 10
• Word size = 28 (megablast) / 11 (other)
• Max matches = 0
• Match/mismatch score = 2,-3
• Gap Costs = exist:5 extent:2
• Filter: low complexity regions
• Mask: for loopup table only

Различия в выдаче искались методом сопоставления подсвеченных CTRL+F находок на страничке каждого алгоритма. К примеру, поиск по роду "Novafabricia" выясветил 5 находок в выдаче blastn и discontiguous megablast и только 4 - в выдаче megablast.

Разная длина слова привела к различающейся оценке качества выравнивания, поэтому в выдачу megablast не попал ген организма Novafabricia sp.

Также в выдачу blastn попал ген субъединицы B2 гемоглобина организма lamellibrachia sp.1, (это можно видеть на картинке с его выдачей). Причём со 100%-ной идентичностью запросу, который по пункту 4 в №7 кодирует гистон H3 в организме многощетинкового червя Brada %^) Вероятно, виноваты:

• неучтённое и слишком при том большое e-value, своим значением обязанное весьма скромному покрытию, взятому алгоритмом для анализа;
• маленькая длина слова.

3. Поиск гомологов с помощью BLASTp

Используем tblastn, уточнив через uniprot.org AC белка, для которого ищем гомологи. Поиск ведётся по базе RefSeq genomics, отбор результатов из выдачи ведётся по минимальному e-value и максимальной идентичности. С учётом того, что одна и та же последовательность может быть представлена в нескольких записях, не считаем дубликаты. Например, запись скэффолда, использованного при составлении генома, содержит тот же участок, что и запись этого генома. Результаты поиска гомологов для 5 белков в задании сведены в тблицу: Таблица результатов работы алгоритмов BLAST:

4. Сходство геномов вирусов

Для анализа взята ДНК пяти разновидностей (то есть разноштаммностей) герпес-вируса человека (Viruses; dsDNA viruses, no RNA stage; Herpesvirales; Herpesviridae; Alphaherpesvirinae; Simplexvirus):
- Human herpesvirus 1 strain KOS 152011 bp , AC: JQ673480
- Human herpesvirus 1 strain KOS(2) 151024 bp, AC: JQ780693
- Human herpesvirus 1 isolate KOS 151974 bp, AC: KT899744
- Human herpesvirus 1 strain KOS79 135472 bp, AC: KT425109
- Human herpesvirus 1 strain 17 152222 bp, AC: NC_001806
Последовательность действий для получения сходства:
ls > HVir1Lst //создаём список файлов с последовательностями, подлежащими объединению
//не очень удачно: пришлось удалять первую строку списка, содержащую имя файла списка, поскольку вопреки моим ожиданиям сначала созаётся выходной файл, а уже потом выполняется команда ls - ассоциативность справа налево налицо. Надо было фильтровать имена для списка.
seqret @HVir1Lst hvir1_5in1.fasta //объединяем 5 последовательностей в один файл
makeblastdb -in hvir1_5in1.fasta -dbtype nucl //для tblastx создана база данных
tblastx -query hvir1_5in1.fasta -db hvir1_5in1.fasta -out hvir1_5in1_blast.out -outfmt 7 //поучаем вывод tblastx, содержит 10024 строки
python revise_blast_7.py --infile hvir1_5in1_blast.out --identity 50 --max_exp 5 --min_bits 20 --outfile hvir1_similar //обрабатываем скриптом, любезно предоставленным для выполнения работы (лежит здесь), число строк сокращается почти вдвое (5352 строки)

После вставки содержимго hvir1_similar в excel-таблицу получаем файл: HVir1_table.xls. Упорядочиваем совпадения по имени последовательности, поскольку ниже, чем 81% идентичности, у разных штаммов не наблюдается, да и тех, околовосьмидесятипроцентных, всего 16. Получим группы совпадений, в первой из которых будут совпадения первого штамма со семи остальными, во второй- совпадения второго штамма со всеми остальными, кроме первого, в третьей - со всеми, кроме первого и второго, и так далее. По числу совпадений оценим различия между штаммами.