Работа в командной строке Linux. Программы выравнивания последовательностей пакета EMBOSS

1) Работа в командной строке Linux:

Команда ls показывает все что, находится в данной директории (в моей домашней директории (в artem-tok)).
Команда ls .. показывает объекты, находящиеся в родительской директории по отношению к моей рабочей директории.
Выполнение команды cd.. осуществляет переход в родительскую директорию (ее адрес появляется в командной строке), а команда ls - отображает объекты, находящиеся в ней. Эти команды можно повторить еще 3 раза, потом картина перестанет меняться, потому что спуститься глубже в родительские директории уже нельзя (моя директория artem-tok находится в 4 ярусе директории (0 ярус - корень на сервере kodomo-count)).
Команда pwd пишет полный адрес директории в командной строке.
В активной директории Practice5 программой seqret: seqret sw:p33221 -auto создается файл purt_ecoli.fasta с последовательностью аминокислот в фаста-формате, посмотреть его содержание можно с помощью команды more purt_ecoli.fasta. Аналогично программой entret: entret sw:p33221 -auto создается файл purt_ecoli.entret с записью PDB о белке (код в PDB - 1EYZ), при его просмотре командой more purt_ecoli.entret отображается небольшая часть документа, нажатие клавиши Enter выводит на экран еще одну строку документа, а пробела - сразу несколько строк.
Нажатие "стрелок вверх" и "стрелок вниз" позволяет увидеть в командой стркое предыдущих команд, быстро использовать их. Команда history выводит спсок всех использованных мной команд в том порядке, в каком они были использованы.
Если есть файл, первая буква которого отличается от первой буквы всех остальных файлов в директории, можно быстро его вызвать, набрав more, затем после пробела его первую букву, а далее Tab - имя фала пишется целиком.

2) Построить и сравнить оптимальные глобальное и оптимальное локальное выравнивание 2-х последовательностей.

а) Построить полное (глобальное) оптимальное выравнивание с помощью программы needle пакета EMBOSS:

Глобальное выравнивание строится по всей длине сравниваемых последовательностей, существует единственное оптимальное глобальное выравнивание.

Пользуясь программой seqret, создаем файл с последовательностью аминокислот в фаста-формате белка Q21SJ0(PURT_RHOFD) - родственного белку P33221(PURT_ECOLI) (на основании записи в базе данных UniProt): оба белка выполняют идентичную функцию - ферменты трансформилазы, участвующие в биосинтезе пуринов, имеют АТФ-связывающий домен, связывают магний. Но белки принадлежат разным организмам PURT_RHOFD из Rhodoferax ferrireducens, а PURT_ECOLI из Escherichia coli, для белка E. Coli есть 3D-модель, для белка Rhodoferax ferrireducens - нет.

Для выравнивания используем программу needle, название файла с результатом aln_needle.needle, файл содержит: название рабочей программы, дату и время выполнения сравнения, название входящих файлов, название выходящего файла (с результатами), название матрицы, используемой для штрафов и определения веса (BLOSUM62), показаны штрафы за гэп (10,0) и за гэп длины больше, чем 1 (0,5), длина выравнивания: 412, процент идентичности последовательностей: 57,5%, процент сходства последовательностей: 65,8%, число гэпов: 24(5,8%), вес выравнивания: 1042,0, файл содержит также само выравнивание: | обозначаются идентичные аминокислоты, . означат неблизкородственные замены аминокислот (цена такой замены не положительна), : означает - близкородственную замену аминокислот.

Задание штрафов за гэпы, отличных от заданных по умолчанию:

Выходной файл - aln1_needle.needle. Штрафы увеличены в 2 раза: стало за гэп - 20,0, а за гэп длины больше, чем 1 - 1,0. Выравнивание изменилось: оптимальное выравнивание теперь имеет длину: 409, процент идентичности последовательностей: 56,5%, процент сходства последовательностей: 65,0%, число гэпов: 18(4,4%), вес выравнивания: 964.

Получение выдачи в формате, пригодном для импорта в GeneDoc: Выходной файл - aln_needle.msf. Программ needle запущена с опцией -auto (для задания штрафов автоматически), с опцией -aformat msf.

                                                                          
                      *        20         *        40         *          
PURT_ECOLI : MTLLGTALRPAATRVMLLGSGELGKEVAIECQRLGVEVIAVDRYADAPAMHVAH :  54
PURT_RHOFD : MTTLGTPLSHHATKVMLLGSGELGKEVIIALQRLGVETIAVDRYNHAPGQQVAH :  54
             MT LGT L   AT4VMLLGSGELGKEV I  QRLGVE IAVDRY  AP   VAH      
                                                                         
                 60         *        80         *       100              
PURT_ECOLI : RSHVINMLDGDALRRVVELEKPHYIVPEIEAIATDMLIQLEEEG-LNVVPCARA : 107
PURT_RHOFD : HTRTITMSDPALLKALIQAEKPDLVVPEIEAIATPMLEVLEATGVVRVIPTARA : 108
              3  I M D   L4 662 EKP  6VPEIEAIAT ML  LE  G 6 V6P ARA      
                                                                         
              *       120         *       140         *       160        
PURT_ECOLI : TKLTMNREGIRRLAAEELQLPTSTYRFADS-ESLFREAVADIGYPCIVKPVMSS : 160
PURT_RHOFD : ARLTMDREGIRRLAAETLGLPTSPYQFCDSFEELQAAIEGGIGYPCIVKPVMSS : 162
              4LTM1REGIRRLAAE L LPTS Y F DS E L       IGYPCIVKPVMSS      
                                                                         
                    *       180         *       200         *            
PURT_ECOLI : SGKGQTFIRSAEQLAQAWKYAQQGGRAGAGRVIVEGVVKFDFEITLLTVSA--V : 212
PURT_RHOFD : SGKGQSKISGPADVQKAWDYAMAGGRVSHGRVIVEGFIDFDYEITLLTVRAKGA : 216
             SGKGQ3 I     6  AW YA  GGR   GRVIVEG 6 FD5EITLLTV A         
                                                                         
              220         *       240         *       260         *      
PURT_ECOLI : DG---VHFCAPVGHRQEDGDYRESWQPQQMSPLALERAQEIARKVVLALG---- : 259
PURT_RHOFD : DGQIETHFCEPVGHLQVNGDYVESWQPHPMHPAALERARHIAKTVTDDLGIAVD : 270
             DG    HFC PVGH Q 1GDY ESWQP  M P ALERA  IA4 V   LG          
                                                                         
                    280         *       300         *       320          
PURT_ECOLI : ----GYGLFGVELFVCGDEVIFSEVSPRPHDTGMVTLISQDLSEFALHVRAFLG : 309
PURT_RHOFD : GQASGLGIFGVELFVKGEQVWFSEVSPRPHDTGLVTLTTQWQSEFELHARAILG : 324
                 G G6FGVELFV G 2V FSEVSPRPHDTG6VTL 3Q  SEF LH RA LG      
                                                                         
                  *       340         *       360         *       3      
PURT_ECOLI : LPVG-GIRQYGPAASAVILPQLTSQNVTFDNVQNAV---GADLQIRLFGKPEID : 359
PURT_RHOFD : LPVNTALR--NPGASAVIYGGVDAKGIVFDGVDEALRVPGTDL--RLFGKPESF : 374
             LPV   6R   P ASAVI   6    6 FD V  A6   G DL  RLFGKPE        
                                                     
             80         *       400         *        
PURT_ECOLI : GSRRLGVALATAESVVDAIERAKHAAGQVKVQG~ : 392
PURT_RHOFD : VKRRMGVALAAHADVEQARVNAKLAASKVKPRAA : 408
               RR6GVALA    V  A   AK AA  VK

Файл с двойными штрафами в msf-формате: aln1_needle.msf.

б) Построить локальное (частичное) оптимальное выравнивание тех же последовательностей с помощью программы water пакета EMBOSS:

Локальных оптимальных выравниваний уже может быть несколько, поскольку происходит сравнение не по всей длине последовательностей, а поиск похожих фрагментов, без усреднений на весь белок.

Выравнивания со стандартными штрафами (за гэп - 10,0, а гэп, длина которого больше 1 - 0,5): aln_water.water, в msf-формате: aln_water.msf.

Выравнивания с двойными штрафами: aln_big_water.water, aln_big_water.msf.

Выравнивания с штрафами в 2 раза меньше, чем стандартными: aln_small_water.water, aln_small_water.msf.

Сравнение полученных результатов:

Во время глобального выравнивания, находится наиболее оптимальное выравнивание последовательностей по всей их длине. Однако сравниваемые белки могут содержать домены со сходными функциями, но с разным расположением относительно друг друга, локальное выравнивание позволяет учесть это, ведь выравнивая последовательности глобально, можно разделить сходные домены белков, чтобы уменьшить число гэпов.

есть ли хотя бы один пример того, что одной и той же позиции первой последовательности в разных глобальных выравниваниях сопоставлены разные позиции второй последовательности? Да. В глобальном выравнивании с штрафами по умолчанию (aln_needle.needle) 213 остаток (D) белка PURT_ECOLI соответствует 217 остатку (D) белка PURT_RHOFD, а в выравнивании с увеличенными в 2 раза штрафами (aln1_needle.needle) он же соответствует 215 остатку (G) белка PURT_RHOFD - в этой области два гэпа были заменены один при увеличении штрафа за них

с штрафами по умолчанию:

                                                                                                       
                *       180         *       200         *       220         *       240               
PURT_ECOLI : QTFIRSAEQLAQAWKYAQQGGRAGAGRVIVEGVVKFDFEITLLTVSA--VDG---VHFCAPVGHRQEDGDYRESWQPQQMSPL : 242
PURT_RHOFD : QSKISGPADVQKAWDYAMAGGRVSHGRVIVEGFIDFDYEITLLTVRAKGADGQIETHFCEPVGHLQVNGDYVESWQPHPMHPA : 249
             Q3 I     6  AW YA  GGR   GRVIVEG 6 FD5EITLLTV A   DG    HFC PVGH Q 1GDY ESWQP  M P

с увеличенными штрафами:

                                                                                                      
                *       180         *       200         *       220         *       240               
PURT_ECOLI : QTFIRSAEQLAQAWKYAQQGGRAGAGRVIVEGVVKFDFEITLLTVSAVDG-----VHFCAPVGHRQEDGDYRESWQPQQMSPL : 242
PURT_RHOFD : QSKISGPADVQKAWDYAMAGGRVSHGRVIVEGFIDFDYEITLLTVRAKGADGQIETHFCEPVGHLQVNGDYVESWQPHPMHPA : 249
             Q3 I     6  AW YA  GGR   GRVIVEG 6 FD5EITLLTV A         HFC PVGH Q 1GDY ESWQP  M P

есть ли хотя бы один пример того, что одной и той же позиции первой последовательности в разных локальных выравниваниях сопоставлены разные позиции второй последовательности? Да. В выравнивании со штрафами по умолчанию (aln_water.water) 143 позиции (E) белка PURT_ECOLI соответствует 145 остаток (A) белка PURT_RHOFD, а в выравнивание с уменьшенными в 2 раза штрафами (aln_small_water.msf) ей же соответствует 141 остаток (E) белка PURT_RHOFD

с штрафами по умолчанию:

                                                                                                      
                   *       100         *       120         *       140         *       160            
PURT_ECOLI : EAIATDMLIQLEEEG-LNVVPCARATKLTMNREGIRRLAAEELQLPTSTYRFADS-ESLFREAVADIGYPCIVKPVMSSSGKG : 164
PURT_RHOFD : EAIATPMLEVLEATGVVRVIPTARAARLTMDREGIRRLAAETLGLPTSPYQFCDSFEELQAAIEGGIGYPCIVKPVMSSSGKG : 166
             EAIAT ML  LE  G 6 V6P ARA 4LTM1REGIRRLAAE L LPTS Y F DS E L       IGYPCIVKPVMSSSGKG

с уменьшенными в 2 раза штрафами:

                   *       100         *       120         *       140         *       160            
PURT_ECOLI : EAIATDMLIQLEEEG-LNVVPCARATKLTMNREGIRRLAAEELQLPTSTYRFADSESLFRE---AV-ADIGYPCIVKPVMSSS : 161
PURT_RHOFD : EAIATPMLEVLEATGVVRVIPTARAARLTMDREGIRRLAAETLGLPTSPYQFCDS---FEELQAAIEGGIGYPCIVKPVMSSS : 163
             EAIAT ML  LE  G 6 V6P ARA 4LTM1REGIRRLAAE L LPTS Y F DS   F E   A6   IGYPCIVKPVMSSS

есть ли хотя бы один пример того, что в одном глобальном выравнивании какой-либо позиции первой последовательности сопоставлена некоторая позиция второй, а в другом выравнивании против той же позиции оказался пропуск? Да. В глобальном выравнивании с увеличенными в 2 раза штрафами (aln1_needle.needle) 214 аминокислоте (K) белка PURT_RHOFD соответствует 212 аминокислота (V) белка PURT_ECOLI, а в выравнивании с штрафами по умолчанию (aln_needle.needle) этой же аминокислоте белка PURT_RHOFD соответствует пропуск

с увеличенными в 2 раза штрафами:

                                                                                                      
                *       180         *       200         *       220         *       240               
PURT_ECOLI : QTFIRSAEQLAQAWKYAQQGGRAGAGRVIVEGVVKFDFEITLLTVSAVDG-----VHFCAPVGHRQEDGDYRESWQPQQMSPL : 242
PURT_RHOFD : QSKISGPADVQKAWDYAMAGGRVSHGRVIVEGFIDFDYEITLLTVRAKGADGQIETHFCEPVGHLQVNGDYVESWQPHPMHPA : 249
             Q3 I     6  AW YA  GGR   GRVIVEG 6 FD5EITLLTV A         HFC PVGH Q 1GDY ESWQP  M P

с штрафами по умолчанию:

                                                                                                      
                *       180         *       200         *       220         *       240               
PURT_ECOLI : QTFIRSAEQLAQAWKYAQQGGRAGAGRVIVEGVVKFDFEITLLTVSA--VDG---VHFCAPVGHRQEDGDYRESWQPQQMSPL : 242
PURT_RHOFD : QSKISGPADVQKAWDYAMAGGRVSHGRVIVEGFIDFDYEITLLTVRAKGADGQIETHFCEPVGHLQVNGDYVESWQPHPMHPA : 249
             Q3 I     6  AW YA  GGR   GRVIVEG 6 FD5EITLLTV A   DG    HFC PVGH Q 1GDY ESWQP  M P

есть ли хотя бы один пример того, что в одном локальном выравнивании какой-либо позиции первой последовательности сопоставлена некоторая позиция второй, а в другом выравнивании против той же позиции оказался пропуск? Да. В выравнивании со штрафами по умолчанию (aln_water.water) 138 аминокислота (E) белка PURT_ECOLI сопоставлена 140 аминокислоте (E) белка PURT_RHOFD, а в выравнивание с уменьшенными в 2 раза штрафами (aln_small_water.msf) эта же аминокислота белка PURT_ECOLI стоит напротив пропуска

с штрафами по умолчанию:

                                                                                                      

                   *       100         *       120         *       140         *       160            
PURT_ECOLI : EAIATDMLIQLEEEG-LNVVPCARATKLTMNREGIRRLAAEELQLPTSTYRFADS-ESLFREAVADIGYPCIVKPVMSSSGKG : 164
PURT_RHOFD : EAIATPMLEVLEATGVVRVIPTARAARLTMDREGIRRLAAETLGLPTSPYQFCDSFEELQAAIEGGIGYPCIVKPVMSSSGKG : 166
             EAIAT ML  LE  G 6 V6P ARA 4LTM1REGIRRLAAE L LPTS Y F DS E L       IGYPCIVKPVMSSSGKG

с уменьшенными в 2 раза штрафами:

                                                                                                    
                                                                                                      
                   *       100         *       120         *       140         *       160            
PURT_ECOLI : EAIATDMLIQLEEEG-LNVVPCARATKLTMNREGIRRLAAEELQLPTSTYRFADSESLFRE---AV-ADIGYPCIVKPVMSSS : 161
PURT_RHOFD : EAIATPMLEVLEATGVVRVIPTARAARLTMDREGIRRLAAETLGLPTSPYQFCDS---FEELQAAIEGGIGYPCIVKPVMSSS : 163
             EAIAT ML  LE  G 6 V6P ARA 4LTM1REGIRRLAAE L LPTS Y F DS   F E   A6   IGYPCIVKPVMSSS

соответствуют ли оптимальные локальные выравнивания, построенные с использованием разных параметров, одним и тем же фрагментам последовательностей? Да, эти выравнивания вообще мало отличаются, соответствие наблюдается для всех локальных выравниваний, например фрагмент белка PURT_ECOLI с 260 по 313 аминокислоты соответствует участку 275-328 белка PURT_RHOFD
```
                                                                                                                                                                                   

             *       260         *       280         *       300         *       320         *        
PURT_ECOLI : ALERAQEIARKVVLALG--------GYGLFGVELFVCGDEVIFSEVSPRPHDTGMVTLISQDLSEFALHVRAFLGLPVGGIRQ : 317
PURT_RHOFD : ALERARHIAKTVTDDLGIAVDGQASGLGIFGVELFVKGEQVWFSEVSPRPHDTGLVTLTTQWQSEFELHARAILGLPVNTALR : 332
             ALERA  IA4 V   LG        G G6FGVELFV G 2V FSEVSPRPHDTG6VTL 3Q  SEF LH RA LGLPV                                                                                  
                
```
По данным записи в банке данных UniProt для белка PURT_ECOLI и белка PURT_RHOFD : у белков есть АТФ-связывающий домен, для белка PURT_ECOLI 119-308 а.о., для белка PURT_RHOFD 120-323 а.о., область сходства попадает в область домена (чуть выходит из области домена)
совпадают ли локальные выравнивания с соответствующими частями глобальных выравниваний? Для больших фрагментов последовательностей они совпадают. В частности сходство наблюдается в пределах АТФ-связывающего домена (например фрагмент 215-259 а.а белка PUR_ECOLI одинаково выровнен во всех выравниваниях).
Построение карты локального сходства последовательностей с помощью программы dotmatcher пакета EMBOSS:
С помощью команды dotmatcher получен файл с расширением ps (dotmatcher.ps) (команда: dotmatcher purt_ecoli.fasta purt_rhofd.fasta -graph cps), в формате gif это выглядит так:

Из рисунка видно, что белки обладают высокой степенью сродства: линии идущие вдоль диагонали почти складывают непрерывную прямую, что говорит о том, что белки почти совпадают, причем схожие элементы расположены в них в схожих порядках. Видно также сходство конца 1 белка (по оси x) с началом 2 белка (по оси у). Линии идущие вдоль диагонали несколько сдвинуты по вертикали друг относительно друга, что говорит о гэпах: так, например, в районе 250 а.о 1 белка линия поднимается наверх - следующим а.о. 1 белка соответствуют а.о. 2 белка идущие с пропуском от предыдущих - во втором белке есть гэп в этом месте.
Получить несколько субоптимальных локальных выравниваний заданных последовательностей с помощью программы matcher пакета EMBOSS. Выбрать лучшие из них, в которых фрагменты последовательностей не совпадают с выровненными фрагментами в оптимальном выравнивании.
Субоптимальное локальное выравнивание используется для получения нескольких хороших локальных выравниваний при одних и тех же параметрах поиска.
Файл с 10 выравниваниями (aln_10_mat.matcher), штраф за гэп: 14, за продолжающийся гэп: 4.
На мой взгляд интересно выравнивание :
```
          360      
PURT_E GKPEIDGSRRLGV
       ::  :   .::::
PURT_R GKEVIIALQRLGV
            30      
              

               
```
В нем представлены начало 2-го белка и конец 1-го - в глобальном выравнивании они не могли быть сопоставлены, ведь был бы слишком большой гэп слева от верхней последовательности и справа от нижней, но мы можем наблюдать эти фрагменты на карте локального выравнивания - в нижнем правом углу.
Аналогично выравнивание:
```
         290       300       310       320 
PURT_E HDTGMVTLISQDLSEFALHVRAFLGLPVGGIRQYGPA
       : : .. : : .: .  .     ::.    . .:  :
PURT_R HATKVMLLGSGELGKEVIIALQRLGVETIAVDRYNHA
               20        30        40       


                
```
не могло наблюдаться в глобальном выравнивании, но странно, что оно не представлено и на карте локального выравнивания.
Интересно также, почему выравнивание:
```
          10        20  
PURT_E ALRPAATRVMLLGSGE
       :::   : . : :  :
PURT_R ALRVPGTDLRLFGKPE
        360       370  
                
```
не представлено на карте локальных сходств.
Вышеперечисленные выравнивания обладают хорошим весом (порядка 24-29).
Если поменять параметры dotmatcher и построить новую карту локального сходства (windowsize=6 а не стандартные 10), на ней все равно не будет этого участка:

скачать отчет о выполнении