Uniprot 8

Выбор и скачивание протеомов

Для поиска индификатора геномной сборки в INSDC воспользуемся выдачей скрипта из pr5 семестра 1. У меня это GCF_002104335. В Datasets Genome есть лишь одна запись с моей бактерией, датируемая 2017 годом. В Submitted GenBank assembly нужным мне индификатором является GCA_002104335. По запросу (genome_assembly:GCA_002104335.1) нашла соответствующий протеом в Uniprot. Ptoteom ID: UP000192902, Status: other (тоесть обычный, неизбыточный). Для поиска референсного протеома сначала воспользовалась запросом (taxonomy_id:1121267) AND (proteome_type:1). Результатов не нашлось, поэтому начинаю искать в роду Campylobacter по запросу (taxonomy_id:194) AND (proteome_type:1). Выдалось 20 результов, я выбрала Campylobacter jejuni subsp.(UP000000799) Эта бактерия довольно хорошо изучена, ее статус референсный. Она также патогенна и термофильна. Эти факты вероятно можно будет использовать при дальнейшем анализе протеома.

Команда для скачивания протеома Campylobacter jenuni sbsp.

• curl 'https://rest.uniprot.org/uniprotkb/stream?compressed=true&format=txt&query=(proteome:UP000000799)' > UP000000799.swiss.gz

Oценка количества ферментов

На этом этапе я столкнулась с проблемой(неудивительно). При поиске ферментов, по "CATALYTIC ACTIVITY:" и по "EC=" выдаются разные ответы. Возможно есть белки которые имеют классификацию ферментов, но при этом не имеют каталитической активности. Если использовать KW, то можно столкнуться с проблемой дублирования информации в строках (например "Transmembrane" и "Transmembrane helix"). Будем исходить из того, что если белок имеет классификацию фермента, то является ферментом. В качестве примера для расширенного поиска поставлю в отчете EC, чтобы было заметно насколько показатели различны. Еще можно сделать конвеер с "enzyme", но результат будет мал.

• Расширенный поиск:(proteome:UP000000799) AND (ec:*)

  581 результат

• Конвеер в bash:zgrep 'CC -!- CATALYTIC ACTIVITY:' UP000000799.swiss.gz | wc -l

  534 результата (p.s. между CC и -!- три пробела в командной строке)

• Конвеер в bash2:zgrep '^KW' UP000000799.swiss.gz | grep 'enzyme {' | wc -l

  7 результатов

Доля, относительно второго, 33%

Для третьего 0,43%

Результат второго вывода кажется мне наиболее логичным, бактерия - патогенная, доля ферментов не должна быть низкой.

Анализ протеома консольными средствами

Сравнение протеомов по KW

код term2/pr8/kw_count2.py

C.jenuni	Result
Reference proteome	1095
Membrane	324
Transmembrane	316
Transmembrane helix	307
Metal-binding	140
Cell membrane	134
Transport	128
Transferase	124
Signal	115
Hydrolase	97

У бактерии хорошо развита мембранная система белков. Слово 'Metal-binding' частотно. Возможно происходит много ферментативных рекций, где металлы играют ключевую роль в катализе. Меня немного удивило то, что у этой бактерии довольно много трансфераз, но слова 'ATP-binding' нет, ибо кофакторы трансфераз это часто АТФ и и другие нуклеозидтрифосфаты. Из таблицы можно также заметить, что у C.jenuni в топ 10 слов входит 'Hydrolase'. Гидролазы могут взаимодействовать с иммунной системой хозяина, помогая бактерии избегать распознавания и атаки иммунными клетками. Хочу добавить, что при выводе, я ожидала увидеть у патогенной бактерии '3D-structure' и 'Direct protein sequencing'. Эти слова свидетельствуют о хорошей изученности и аннотированности.(поэтому мне захотелось посмотреть колличество статей в Pubmed)

Код для C.jenuni:

 
import gzip 
i = gzip.open("UP000000799.swiss.gz", "rt")
o = []
v = []
w = []
for l in i:
    if l.find('KW') == 0:
        if l.find("{") != -1:
            q=[]
            for el in l:
                if el != '{':
                    q.append(el)
                else:
                    break
            q = ''.join(q[5:])
            if q.find('}') != -1:
                q = q.split()
                q = ''.join(q[1:])
            q = q.strip()
            o.append(q)
k = list(set(o))
for n in range(10):
    m = max(k, key=o.count)
    print(m + ' ' + str(o.count(m)) )
    

Анализ по количеству статей в Pubmed

• zgrep '^RX' UP000000799.swiss.gz | grep 'PubMed' | sort -u | wc -l

  130 результатов

Ого, респект ей.