Практикум 8. Поиск BLAST

Данные получены 26 октября 2026 года. Использована серая ворона Corvus cornix cornix, сборка GCF_000738735.6.

В предыдущей работе был выбран обыкновенный ворон Corvus corax. У его доступных сборок NCBI нет аннотации белков, необходимой для текстового поиска в задании 1, поэтому здесь взят близкий вид с аннотированным геномом.

1. Ген δ-субъединицы АТФ-синтазы и дальний поиск

1.1. Поиск гена

В заголовках белкового FASTA найден белок ATP synthase F(1) complex subunit delta, mitochondrial — XP_039422000.1, 166 аминокислот. По идентификатору белка в GFF установлены ген ATP5F1D и его положение на хромосоме 28.

zgrep -n -i '^>.*ATP synthase.*delta' \
  GCF_000738735.6_ASM73873v6_protein.faa.gz

Для дальнейшего поиска сохранён непрерывный фрагмент ДНК 3230458–3232561 (2104 п. н.), ограниченный началом и концом CDS. Интроны оставлены. Суммарная длина четырёх кодирующих участков — 501 п. н. вместе со стоп-кодоном; проверенная трансляция совпала с белком.

Окрестность ATP5F1D и соседние гены в геномном браузере NCBI
Рисунок 1. Окрестность ATP5F1D в NCBI Sequence Viewer: NC_046356.1, хромосома 28, окно 3210000–3260000. Рядом видны CBARP, MIDN и часть STK11. Зелёные блоки на дорожке Genes показывают экзоны модели транскрипта, тёмные части — CDS, светлые — нетранслируемые участки; соединяющие линии обозначают интроны, стрелки — направление транскрипции. У ATP5F1D стрелки направлены вправо: ген находится на прямой цепи записи RefSeq. Чёрная гистограмма ниже показывает покрытие RNA-seq, нижняя дорожка — сплайсинговые соединения. В модели пять экзонов, из них четыре содержат CDS. Полная аннотированная область гена — 3230425–3233557; выбранный фрагмент 3230458–3232561 не включает все UTR. Белок XP_039422000.1: FASTA белка; FASTA геномного фрагмента с интронами. Координаты в отчёте начинаются с 1, обе границы включены.

1.2. BLASTN и TBLASTX по геномам пауков

Выбран отряд пауков Araneae (taxid: 6893): это первичноротые животные, эволюционно удалённые от птиц — вторичноротых. Оба поиска выполнены через сайт NCBI по refseq_genomes. В поиске участвовали 6 сборок пяти видов; у Stegodyphus dumicola представлены две сборки. Состав использованных баз сохранён из результатов BLAST.

Таблица 1. Параметры и результаты веб-поисков для одного и того же фрагмента ДНК длиной 2104 п. н. Значимыми считаются HSP с E ≤ 10⁻⁵.
Метод Длина слова Другие параметры Результат
BLASTN 7 нуклеотидов Match/mismatch: +2/−3; гэпы 5/2; DUST, мягкое маскирование; максимум 500 последовательностей 0 последовательностей, 0 HSP
TBLASTX 3 аминокислоты BLOSUM62; SEG; стандартный генетический код 1; максимум 500 последовательностей 6 последовательностей, 17 HSP
Отсутствие значимых совпадений в веб-BLASTN
Рисунок 2. Результат NCBI BLASTN: значимых совпадений нет. Запрос — ядерный фрагмент ATP5F1D NC_046356.1:3230458–3232561 с интронами. Таксон — Araneae, база — refseq_genomes, 6 сборок; E ≤ 10⁻⁵. Выбран обычный BLASTN с длиной слова 7 вместо Megablast, чтобы повысить чувствительность к далёким нуклеотидным совпадениям. Даже при этом сходства оказалось недостаточно. Текст результата; RID DYGTMMAE016.
Графическая сводка 17 совпадений TBLASTX с шестью последовательностями пауков
Рисунок 3. Графическая сводка NCBI TBLASTX. Запрос — ядерный фрагмент ATP5F1D NC_046356.1:3230458–3232561 с интронами. Таксон — Araneae, база — refseq_genomes, 6 сборок; E ≤ 10⁻⁵. По горизонтали — координаты исходного запроса, в каждой строке — совпадения с одной целевой последовательностью; цвет отражает балл выравнивания, как указано в легенде. TBLASTX выбран потому, что переводит обе ДНК в шести рамках и может обнаружить более консервативное аминокислотное сходство. Длина слова — 3 аминокислоты. Ген ATP5F1D ядерный, поэтому применён стандартный код 1, хотя белок работает в митохондриях. Текст результата; RID DYGVRAX1014.
Таблица 2. Найденные TBLASTX последовательности. Аннотация каждой области подтверждает δ-субъединицу АТФ-синтазы. Две строки S. dumicola относятся к разным сборкам одного вида.
Вид Геномная запись Белок HSP Лучшее E
Argiope bruennichi NC_079152.1 XP_055927613.1 3 1.3e-19
Parasteatoda tepidariorum NC_141761.1 XP_015903414.1 3 5.5e-20
Stegodyphus dumicola NC_140773.1 XP_085674224.1 3 5.2e-19
Stegodyphus dumicola NW_023315917.1 XP_035213289.1 3 5.3e-22
Uloborus diversus NC_072736.1 XP_054715740.1 3 2.9e-19
Pholcus phalangioides NW_028301626.1 XP_089110344.1 2 2.6e-17

Вывод. TBLASTX справился с дальним поиском лучше BLASTN. Совпадения лежат в консервативных частях кодирующих экзонов. Покрытие всего запроса невелико из-за интронов и сильной дивергенции части белка. Семнадцать HSP соответствуют шести геномным локусам, а не семнадцати генам; совпадений, общих с BLASTN, нет.

2. Локальный BLAST и карты сходства геномов

2.1. Поиск рРНК

Для локального BLAST+ 2.12.0 проиндексирована полная сборка серой вороны: 47 последовательностей, 1 030 881 721 п. н., включая митохондриальную ДНК. Выданный файл E. coli содержит две последовательности: 16S рРНК (1556 нт) и 23S рРНК (2932 нт); 5S рРНК в нём нет. По каждой проведён отдельный поиск.

makeblastdb -in cornix_genome.fna -dbtype nucl -parse_seqids \
  -title Corvus_cornix_GCF_000738735.6_complete_assembly -out db/cornix

for rRNA in 16S_rRNA 23S_rRNA; do
  blastn -task blastn -query input/${rRNA}.fasta -db db/cornix \
    -word_size 7 -evalue 1e-5 -reward 1 -penalty -1 \
    -gapopen 2 -gapextend 2 -dust yes -soft_masking true \
    -max_target_seqs 5000 -num_threads 2 -outfmt 11 \
    -out results/${rRNA}.asn
  blast_formatter -archive results/${rRNA}.asn -outfmt 0 \
    -out results/${rRNA}.txt
  blast_formatter -archive results/${rRNA}.asn -outfmt 7 \
    -out results/${rRNA}.tsv
done

BLASTN выбран, потому что рРНК не кодируют белок и трансляционные варианты BLAST здесь неприменимы. Короткое слово 7 и штраф за замену −1 повышают чувствительность. Полный журнал выполненных команд содержит также точный расширенный формат таблиц.

Таблица 3. Результаты локальных поисков по полной сборке, E ≤ 10⁻⁵.
Запрос HSP Геномные локусы Файлы результатов
16S рРНК E. coli 0 0 текст · таблица
23S рРНК E. coli 4 3 текст · таблица

Для разбора выбрана 23S рРНК — компонент большой субъединицы бактериальной рибосомы, участвующий в образовании пептидных связей. Её гомологи у птиц — цитоплазматическая 28S и митохондриальная 16S рРНК.

Таблица 4. Четыре HSP запроса 23S рРНК и аннотация трёх найденных участков.
Запись и координаты HSP Лучшее E Интерпретация
NC_062298.1: 10206–10380; 10561–10760 2 5,0 × 10⁻¹⁹ Один ген митохондриальной 16S рРНК, аннотирован в позиции 9293–10894, цепь +
NC_046333.1: 150104180–150104346 1 2,22 × 10⁻¹⁴ Фрагмент 28S в интроне TRAPPC9, ориентация совпадения −; аннотации гена рРНК нет
NC_046341.1: 17577623–17577722 1 2,44 × 10⁻⁸ Фрагмент 28S, перекрывающийся с lncRNA LOC109950969; ориентация совпадения −
Схема четырёх HSP бактериальной 23S рРНК в трёх геномных локусах серой вороны
Рисунок 4. Схема построена по координатам локального BLAST. Сверху показано положение четырёх HSP в запросе 23S рРНК, ниже — их положение в трёх целевых записях. Зелёный прямоугольник обозначает полный аннотированный митохондриальный ген 16S рРНК, яркие блоки — HSP. Стрелки блоков показывают ориентацию совпадений относительно прямой цепи RefSeq. У трёх нижних дорожек разные локальные масштабы. Два зелёных HSP относятся к одному гену.

Ядерные находки дополнительно сопоставлены с референсной 28S рРНК человека NR_003287.4: совпадения составили 588 нт при 79,6% идентичности и 178 нт при 96,1%. Это подтверждает происхождение от 28S, но не доказывает, что найденные копии дают функциональную рРНК. Проверка участка хромосомы 2; проверка участка хромосомы 11.

Вывод. Найдены три гомологичных участка, из них только один аннотирован полноценным геном рРНК. Отрицательный результат для 16S E. coli не означает отсутствия 18S или митохондриальной 12S у вороны: далёкие гомологи могут не пройти порог BLAST, а тандемные рДНК-повторы могут быть неполно представлены в сборке.

2.2. Карты локального сходства T7 и T3

В NCBI Nucleotide выбраны полные геномы бактериофагов T7 — NC_001604.1 (39 937 п. н.) и T3 — NC_003298.1 (38 208 п. н.). Запрос:

(Enterobacteria phage T7[Organism] OR Enterobacteria phage T3[Organism])
AND refseq[filter] AND complete genome[Title]

Карты построены на сайте NCBI в режиме Align two or more sequences: T7 — запрос, T3 — целевая последовательность. FASTA T7; FASTA T3. Во всех случаях E ≤ 10⁻⁵. Числа ниже рассчитаны по выгруженным результатам веб-BLAST; локальные копии дали те же числа HSP и покрытие.

Таблица 5. Сравнение трёх алгоритмов. Покрытие — доля позиций T7, входящих хотя бы в один HSP; перекрытия посчитаны один раз.
Метод Параметры HSP Покрытие T7
Megablast Слово 28 нт; +1/−2; линейные штрафы за гэпы по умолчанию; DUST 12 61,6%
BLASTN Слово 11 нт; +2/−3; гэпы 5/2; DUST 19 77,7%
TBLASTX Слово 3 а. к.; BLOSUM62; SEG; код запроса 11, цели 1; без гэпов 498 82,4%
Карта локального сходства геномов T7 и T3, Megablast
Рисунок 5. Карта NCBI BLAST 2 sequences, Megablast. По горизонтали — T7 (NC_001604.1), по вертикали — T3 (NC_003298.1); оси показывают нуклеотидные координаты даже для TBLASTX. Тёмные отрезки — локальные совпадения при E ≤ 10⁻⁵. Длинное слово 28 выбрано как стандартный вариант быстрого поиска близких последовательностей. Видны наиболее близкие участки, но диагональ имеет большие разрывы. Полный результат; RID DYH74JHM114.
Карта локального сходства геномов T7 и T3, BLASTN
Рисунок 6. Карта NCBI BLAST 2 sequences, BLASTN. По горизонтали — T7 (NC_001604.1), по вертикали — T3 (NC_003298.1); оси показывают нуклеотидные координаты даже для TBLASTX. Тёмные отрезки — локальные совпадения при E ≤ 10⁻⁵. Слово 11 — стандартный более чувствительный вариант. Дополнительно выявлены, например, участок 6377–7591 T7, включающий ген ДНК-лигазы, и блоки в области генов белков головки и хвоста около 23–25 т. п. н. Полный результат; RID DYH9VZRT114.
Карта локального сходства геномов T7 и T3, TBLASTX
Рисунок 7. Карта NCBI BLAST 2 sequences, TBLASTX. По горизонтали — T7 (NC_001604.1), по вертикали — T3 (NC_003298.1); оси показывают нуклеотидные координаты даже для TBLASTX. Тёмные отрезки — локальные совпадения при E ≤ 10⁻⁵. Перевод обеих ДНК в шести рамках выявляет более далёкое сходство белков; слово 3 а. к., BLOSUM62. Коды 1 и 11 одинаковы для внутренних смысловых и стоп-кодонов, поэтому здесь выбор между ними не меняет соответствия. Дополнительные перекрывающиеся HSP не следует считать отдельными генами или перестройками. Полный результат; RID DYHBDX14114.

Вывод. Все три карты показывают преимущественно коллинеарное сходство: длинные блоки сохраняют порядок и ориентацию. Крупных инверсий не видно. Смещения и разрывы диагонали совместимы со вставками, делециями и дивергенцией отдельных областей; без внешней группы нельзя определить, в какой линии произошла вставка или делеция. BLASTN и особенно TBLASTX обнаруживают больше сходства, чем Megablast. Выбранная пара подходит для сравнения чувствительности алгоритмов.