Глобальное парное выравнивание

Подсчет инделей

Была написана программа, которая принимает в командной строке имя файла, содержащего результат работы программ needle или water, и печатает результат на stdout

        #!/usr/bin/python
        import sys
        file = sys.argv[-1]
        d = dict()
        l = list()
        f = open(file, 'r')
        a = f.readlines()
        for i in a:
            if i[0] != '#' and i[0] != ' ' and len(i) > 1:
                l.append(i[:-1])
        for j in l:
            list = j.split()
            if not list[0] in d:
                d[list[0]] = list[2]
            else:
                a = d.get(list[0]) + list[2]
                d[list[0]] = a
        total_q = 0
        for key, value in d.items():
            q = 0
            for e in range(0, len(value)-1):
                if value[e] == '-' and value[e+1] != '-':
                    q += 1
            if value[-1] == '-':
             q += 1
             print(key, q)
              total_q +=q
         print('Total', total_q)
         f.close()

Программа вызывается командой python indels.py file.needle(.water)

Глобальное парное выравнивание гомологичных белков

Получение списков ID

  • infoseq 'sw:*_ECOLI' -only -name -nohead -out ecoli.txt
  • infoseq 'sw:*_BACSU' -only -name -nohead -out bacsu.txt

    • Получение мнемоники из ID

  • awk '{print $1}' FS='[_]' ecoli.txt > id_ecoli.txt
  • awk '{print $1}' FS='[_]' bacsu.txt > id_bacsu.txt

    • Отбор одинаковых мнемоник.

  • sort id_ecoli.txt id_bacsu.txt | awk 'dup[$0]++ == 1' | less

    • Глобальное парное выравнивание (пример)

  • needle sw:DACB_ECOLI sw:DACB__BACSU dacb.needle -auto

    • Таблица 1

    Protein Name ID1 ID2 Score %Identity %Similarity Gaps Indels
    D-alanyl-D-alanine carboxypeptidase DacB DACB_ECOLI DACB_BACSU 26.5 13.1 23.7 313 25
    N-acetylmuramic acid 6-phosphate etherase MURQ_ECOLI MURQ_BACSU 736 46.4 65.1 6 2
    Chaperone protein HtpG HTPG_ECOLI HTPG_BACSU 1152 38.5 60.6 34 14
    С помощью программы needle из пакета EMBOSS было проведено глобальное выравнивание белков из Escherichia coli (strain K12) и Bacillus subtilis (strain 168) с мнемоникой: DACB, MURQ, HTPG. Результаты привидены в Табл. 1, видно, что два из трех белков в целом являются гомологичными, наименее консервативными оказались белки первой пары, рассуждения по этому поводу будут приведены ниже. (уровень идентичности у всех меньше 50%, что меня смущает). Локальное парное выравнивание

    Локальное парное выравнивание гомологичных белков

  • water sw:DACB_ECOLI sw:DACB_BACSU dacb.water -auto

    • Подсчет покрытия (coverage) проводился вручную с использованием команды infoseq для получения полной длины белка и с учетом того, что длина последовательности, для которой указан первый и последний элемент, считается как:

  • N(last)-N(first)+1

    • Таблица 2

    Protein Name ID1 ID2 Score %Identity %Similarity Gaps Indels Coverage1% Coverage2%
    D-alanyl-D-alanine carboxypeptidase DacB DACB_ECOLI DACB_BACSU 53 23.7 35.6 55 11 39.0 51.6
    N-acetylmuramic acid 6-phosphate etherase MURQ_ECOLI MURQ_BACSU 739 47.6 66.9 0 0 99.3 97.4
    Chaperone protein HtpG HTPG_ECOLI HTPG_BACSU 1154 39.0 61.3 30 12 98.6 99.2

    В Табл. 2 приведены результаты локального выравнивания с помощью программы water трех гомологичных белков(DACB, MURQ и HTPG), полученных из Escherichia coli (strain K12) и Bacillus subtilis (strain 168).

    Oбщие выводы.

    По сравнению с глобальным выравниванием, вес и процент идентичности локального выравнивания оказался больше для всех трех последовательностей.

    Последовательности с мнемоникой DACB я не могу назвать гомологичными, если оценивать результаты глобального. В презентации к уроку говорится о том, что признаком гомологии белков обычно считается процент идентичности более 20-25% на достаточно длинном участке. Если рассматривать глобальное выравнивание, то процент индентичности низкий - 13,1. Само выравнивание характеризуется обилием гэпов, причем встречаются очень длинные индели. Самый длинный консервативный участок содержит лишь три ак (G,A,S). Разница между весом глобального и локального выравнивания весома(26,5). Процент идентичности тоже значительно поднялся, можно уже говорить о том, что белки могут быть гомологичны. Число инделей упало, в самом начале встречаются 4 совдающих ак, два раза по три (самый конец и 260-263/11-13). Участок из глобального выравнивания не попал в локальное, так как у DACB_ECOLI для второго был выбран участок ближе к концу. Локальное выравнивание в данном случае более 'точно' и информативно. Последовательности содержат как родственные (гомологичные), так и неродственные участки. В локальном выравнивании выравниваются наиболее похожие подстроки внутри двух последовательностей. Глобальное же выравнивание обрабатывает всю длину последовательностей, что может привести к более низким значениям идентичности, если во многих участках наблюдаются различия. Также разные параметры для алгоритмов выравнивания (например, штрафы за пропуски и несоответствия) могут привести к различным результатам.

    Разница между весом и процентом идентичности глобального и локального выравнивания для MURQ и HTPG несущественна. У первой мнемоники есть довольно большой сходный участок (62-77/66-81), но есть замена неполярного алифатического лизина на полярный незаряженный треонин (68/72). Думаю можно считать это не слишком значимым, ибо ак не имеют + или - заряда. В локальом выравнивании это совпадение учтено. Для второй имеем самый длинный участок (28-38/25-35), который присутствует в обоих выравниваниях.

    Выравнивание неродственных белков

    Выравнивание неродственных белков

    Таблица 3

    Algorithm ID1 ID2 Score %Identity %Similarity Gaps Indels Coverage1 Coverage2
    needle MURQ_ECOLI DACB_BACSU 42.5 15.9 26.2 228 23 - -
    water MURQ_ECOLI DACB_BACSU 60 29 41.9 28 6 35.9 29.6

    MURQ_ECOLI: N-acetylmuramic acid 6-phosphate etherase, 298 aa

    DACB_BACSU: D-alanyl-D-alanine carboxypeptidase DacB, 382 aa

    В Табл. 3 приведены результаты глобального и локального выравнивания негомологичных белков DACB и MURQ, полученных из Escherichia coli (strain K12) и Bacillus subtilis (strain 168). Процент идентичности, рассчитанный с помощью локального выравнивание, укладывается в диапозон 25-30%, что, на удивление, позволяет сделать вывод о наличии гомологичного участка в последовательности белков. Можно выдвинуть две гипотезы, объясняющие это:

  • Сходные участки последовательностей белков MURQ и DACB могли возникнуть в результате конвергенции на молекулярном уровне, то есть в результате появления похожих участков аминокислотной последовательности у негомологичных белков, обусловленных необходимостью похожих физико-химических свойств.
  • Возможно, когда-то гены белков DACB и MURQ образовались из общего предкового гена в одном геноме в результате дупликации, а затем эволюционировали независимо друг от друга, получив набор различного рода мутаций.

    • Множественное выравнивание белков и импорт в Jalview

    Выбранная мнемоника - htpg. По запросу htpg AND (reviewed:true) нашлось 306 записей в Swiss-Prot. Для множественного выравнивания были выбраны следующие белки: HTPG_ECOLI, HTPG_WIGBR, HTPG_ALBFT, HTPG_BORGP, HTPG_CUPPJ,HTPG_AGGAC, HTPG_BACSU.

    Файл и команды для построения множественного выравнивания

  • sw:htpg_ecoli
  • sw:htpg_wigbr
  • sw:htpg_albft
  • sw:htpg_borgp
  • sw:htpg_cuppj
  • sw:htpg_aggac
  • sw:htpg_bacsu

    • seqret @htpg.txt htpg.fasta

    muscle -in htpg.fasta -out htpg_alignment.fasta

    Затем готовое выравнивание было импортировано в Jalview и окрашено в соответствии с процентом идентичности

    Проект на Jalview: pr10seq7.jvp

    Все семь белков являются гомологичными, поскольку выравнивание имеет большое количество небольших по длине консервативных участков, таких как 24, 29-36, 38-39, 41-43, 45-46, 71, 81, 83, 85-86, 95-96, 98-99, 101-102, 106, 122-123, 125-130, 133, 141, 156, 158, 160, 203, 206-208, 211, 213-214, 254, 272, 286, 287, 291, 296, 300, 307, 314, 322, 325, 332, 349, 355-356, 358-359, 361-363, 365-366, 380, 386, 432-433, 457, 459, 469-470, 474, 477-478, 482, 487, 489, 500, 508, 513, 520-521, 572, 582, 626, 628, 655, 661. На некоторых участках есть вставки 187-191,219-220, 228-241, 392-420. Наиболее длинная вставка расположена не совсем в конце, поэтому вряд ли стоит говорить о неконсервативности С-конца данного белка. Больше информации можно получить, если окрасить выравнивание по физико-химическому сходству аминокислот(Clustal). Так, например, есть довольно много позиций, где аминокислоты хоть и разные, но одинаковые по физико-химическим свойствам.