Проверка недопредставленности сайтов рестрикции в геноме археи Thermoplasma volcanium GSS1

Для проверки недопредставленности сайтов рестрикции в геноме археи, я выбрал геном термоацидофильной археи Thermoplasma volcanium GSS1.

В базе данных REBASE, были найдены рестриктазы типа II с известными сайтами рестрикции:

Название рестриктазы II	Сайт рестрикции
M.TvoI	CATG
M.TvoDam	GATC
M.TvoORF1192P	CCWGG
M.TvoORF1400P	GANTC
M.TvoORF1413P	CCSGG
TvoORF1413P	CCSGG
TvoORF1416P	CCWGG
M.TvoORF1416P	CCWGG

C cайта NCBI был скачан геном организма. Также с помощью скрипта были получены все сайты рестрикции из таблицы длиной больше 2. Следующей командой была получена таблица с оценкой представленности полученных сайтов рестрикции в геноме археи:

cbcalc genome_.fasta -s rsites.txt -o presented_sites.tsv

Из всех находок скриптом были выделены те, что имеют О/Е меньше рекомендованного 0.8. Среди этих сайтов можно увидеть комплементарный сайтам рестрикции нескольких рестриктаз из таблицы (GGWCC). Недопредставленность сайта рестрикции рестриктаз, имеющихся в клетки археи был ожидаем, так как системы рестрикции-модификации служат для архей и бактерий защитой против чужеродных ДНК. Свой же геном должен иметь меньше участков, "уязвимых" к своим рестриктазам.

Для поиска гомологов рестриктаз недопредставленных сайтов рестрикции сначала были получены идентификаторы рестриктаз недопредставленных сайтов рестрикции из таблицы. Затем был составлен файл с последовательностями данных рестриктаз. Они были направлены на вход программе Blast. Выдача показала, что в геноме очень мало участков, которые могут кодировать гомологов рестриктаз из других организмов (поставил довольно малое значение E-value = 0.01, чтобы увидеть как можно больше потенциальных гомологов). Лишь несколько находок показали довольно высокое значение E-value:

PSI-BLAST

Из предложенного списка был выбран случайный идентификатор(AC) B2V8C0 (Probable septum site-determining protein MinC, ингибитор клеточного деления, блокирует образование полярных Z-кольцевых перегородок). После 3 итераций результат стабилизировался (список находок выше порога не поменялся по сравнению с предыдущей итерацией). Разница между E-value худшей находки выше порога и лучшей находки ниже порога огромная. Исходя из этого можно говорить о том, что полученные находки с высокой долей вероятности составляют семейство гомологичных белков.

Номер итерации	Число находок выше порога (0.005)	Идентификатор худшей находки выше порога	E-value этой находки	Идентификатор лучшей находки ниже порога	E-value этой находки
1	163	Q88M41.2	0.004	Q4US07.1	0.006
2	188	Q9ZM51.1	6e-07	A7H8E6.1	0.037
3	188	Q9ZM51.1	2e-11	A7H8E6.1	0.024