Программы множественного выравнивания

Различные программы множественного выравнивания

Построим множественные выравнивания программами MUSCLE, MAFFT, CLUSTAlW для последовательностей белков UVRA следующих видов:
Streptococcus pyogenes serotype M3 (ID: UVRA_STRPQ, AC: P0CZ41), Streptococcus pneumoniae serotype 4 (ID: UVRA_STRPN AC: P63384), Streptococcus mutans serotype c (ID: UVRA_STRMU AC: P72481), Staphylococcus aureus (ID: UVRA_STAAR AC: Q6GIN2), Escherichia coli (ID: UVRA_ECOLI AC: P0A698), Bacillus subtilis (ID: UVRA_BACSU AC: O34863), Neisseria gonorrhoeae (ID: UVRA_NEIGO AC: Q50968), Rickettsia conorii (ID: UVRA_RICCN AC: Q92G31), Rickettsia prowazekii (ID: UVRA_RICPR AC: Q9ZCC3), Thermus thermophilus (ID: UVRA_THET8 AC: Q56242).

Следующая таблица является результатом сравнения двух выравниваний с помощью написанной мною программой (MSA.ipynb).

Таблица 1. Сравнение выравнивания 10 UvrA 3 разными программами множественного выравнивания. Блок описывается так: s1,f1=s2,f2; здесь s1 номер первой колонки блока, f1 номер последней колонки в выравнивании 1, аналогично в выравнивании 2; длина блока f1-s1+1 = f2-s2+1 >= 2
Программа 1 Программа 2 Длина и процент выравненных колонок от общей длины для программы 1 Длина и процент выравненных колонок от общей длины для программы 2 Блоки Индивидуально выравненные колонки
MAFFT MUSCLE 993, 94.46% 990, 94.75% 3,7=3,7
13,252=13,252
254,260=254,260
262,378=262,378
394,452=392,450
454,455=452,453
457,603=455,601
611,698=608,695
701,959=698,956
961,973=959,971
984,985=982,983
-
MAFFT CLUSTALW 993, 92.15% 989, 92.52% 1,316=1,316
319,333=319,333
340,375=340,375
394,452=392,450
454,455=452,453
457,477=455,475
484,603=482,601
611,696=608,693
701,958=698,955
984,985=981,982
-

UvrA белки консервативны, потому по ним трудно судить о разнице выравниваний, но даже так, выравнивания схожи меньше, чем на 95%, и выравнивание, сделанное MAFFT, больше похоже на выравнивание, сделанное MUSCLE, чем CLUSTALW (2% cхожесть отличается). Возможно разница ClustalW от MAFFT связана с разительно отличающимися подходами к выравниваниям, у ClustalW оно прогрессивное, у MAFFT выравнивание сделано алгоритмом, основанном тоже на прогрессивном выравнивании, но при котором выравнивание проходит проверку с помощью рафинирования.

Ссылка на Jalview project с визуализированными выравниваниями: UVRA_MSA.jvp (в проекте 3 окна, с соответсвующими названиями в самой верхней строчке представленны 3 выравнивания).

Сравнение структурного выравнивания и множественного выравнивания, сделанного программой

Для сравнения разных выравниваний возьмем 3 белка, содержащих Scorpion toxin-like domain (AC: PF00537): токсин скорпиона из Androctonus australis hector (PDB ID: 1AHO), токсин из Olivierus martensii (PDB ID: 2KBK), нейротоксин (TS1) из бразильского скорпиона Tityus Serrulatus (PDB ID: 1B7D).

Для сравнения выравниваний (структурное было сделанно следующим образом: 1aho по очереди было выравнено с 2kbk и 1b7d, затем вручную были добавлены недостающие гэпы) воспользуемся той же программой, что и в предыдущем блоке (см. табл. 1), ссылка на сами выравнивания: alignments.jvp (в проекте 2 выравнивания, в окне PDB - структурное, в другом - сделанное программой).

Выравнивания имеют одинаковую длину (см табл.2 ), но при этом сами выравнивания схожи лишь немногим больше, чем на 3 четверти (77.94%), сравнивания с результатами из прошлого пункта (см. табл 1, выравнивания, сделанные разными программами схожи на более, чем 90%).

Таблица 2. Сравнение структурного выравнивания и выравнивания, сделанного программой множественного выравнивания MAFFT трех токсинов скорпионов.
Программа 1 Программа 2 Длина и процент выравненных колонок от общей длины для программы 1 Длина и процент выравненных колонок от общей длины для программы 2 Блоки Индивидуально выравненные колонки
MAFFT Структурное выравнивание 68, 77.94% 68, 77.94% 1,16=1,16
21,42=21,42
44,45=44,45
47,59=47,59
-

Структуры белков (см рис. 1) довольно консервативны: бета-лист - альфа спираль - 2 бета-листа. Структурное выравнивание сохраняет это сходство и ставит гэпы в положениях 40-44 в 1B7D между двумя бета-листами, MAFFT нарушает это и затрагивает концы бета-листов, нарушая их.

Рис 1. Совмещение структур 1AHO (оранжевый), 2KBK (синий), 1B7D (зеленый).

Описание MAGUS

Описание основы MAGUS

Многие алгоритмы множественного выравнивания не справляются с большими наборами последовательностей. MAGUS[1] - метод для решения этой проблемы.

Алгоритм MAGUS наследует базовую структуру более раннего алгоритма PASTA[2]. То есть MAGUS разбивает сиквенсы на подгруппы, выравнивает их (алгоритмом MAFFT-linsi[3]) , затем используя алгоритм объединения кластеров графов (GCM[4]) объединяет выравнивания (см. рис. 2).

Рис. 2. Базовая структура MAGUS.

Улучшения MAGUS

Для увеличения показателей скорости и качества MAGUS использует некоторые улучшения. Одно из них это рекурсия: при разбивании сиквенсов на группы, если группа содержит сиквенсы больше порогового значения к ним применяется алгоритм MAGUS, если меньше - MAFFT (cм рис. 3).

Рис. 3. Рекурсия MAGUS.

Guide tree может быть построенно 4 способами:
1. 300 случайных последовательнсотей выравниваются с помощью MAFFT, а далее сиквенсы присоединяются с помощью эвристического алгоритма HMMER. Само дерево строится с помощью FastTREE (такой же алгоритм в PASTA).
2. Метод построения начального дерева CLustalOmega.
3. Метод построения начального дерева MAFFT PartTree.
4. Метод построения минимального эволюционного дерева FastTree

Также MAGUS использует алгоритмы параллелизма и сжатия данных для увлеичения скорости.

Литература

  1. Smirnov V. Recursive MAGUS: Scalable and accurate multiple sequence alignment. PLoS Comput Biol. 2021 Oct 6;17(10):e1008950. doi: 10.1371/journal.pcbi.1008950. PMID: 34613974; PMCID: PMC8523058.
  2. Mirarab S, Nguyen N, Guo S, Wang LS, Kim J, Warnow T. PASTA: ultra-large multiple sequence alignment for nucleotide and amino-acid sequences. Journal of Computational Biology. 2015;22(5):377–386. doi: 10.1089/cmb.2014.0156
  3. Katoh K, Kuma K, Toh H, Miyata T. MAFFT version 5: improvement in accuracy of multiple sequence alignment. Nucleic Acids Res. 2005 Jan 20;33(2):511-8. doi: 10.1093/nar/gki198. PMID: 15661851; PMCID: PMC548345.
  4. Smirnov V, Warnow T. MAGUS: Multiple sequence Alignment using Graph clUStering. Bioinformatics. 2021 Jul 19;37(12):1666-1672. doi: 10.1093/bioinformatics/btaa992. PMID: 33252662; PMCID: PMC8289385.
  5. Ссылка на MAGUS: MAGUS.