Практикум № 9. Поиск ДНК-метилтрансферазы

Цель работы — найти ДНК-метилтрансферазу в геноме Liquorilactobacillus cacaonum DSM 21116 по сходству аминокислотных последовательностей и проверить результат с помощью аннотации генома.

Этап 0. Выбор сборки

Для исследования использован референсный протеом UP000051131. Его сборка в GenBank — GCA_001436735.1, TaxID организма — 1423729. Резюме NCBI Assembly получено командой:

esummary -db 'assembly' -id 'GCA_001436735.1'

Сборке соответствует версия RefSeq GCF_001436735.1 (ASM143673v1), имеющая аннотацию генов. Для дальнейшей работы использована эта версия.

Этап 1. Получение генома и аннотации

Последовательность генома загружена с помощью NCBI Datasets:

datasets download genome accession GCF_001436735.1

Для анализа были использованы файл нуклеотидных последовательностей ncbi_dataset/data/GCF_001436735.1/GCF_001436735.1_ASM143673v1_genomic.fna и аннотация в формате GFF3 ncbi_dataset/data/GCF_001436735.1/genomic.gff.

Этап 2. Поиск и трансляция ORF

По записи NCBI Taxonomy определена таблица генетического кода № 11 — бактериальный, архейный и пластидный код:

efetch -db 'taxonomy' -id '1423729' -format 'xml'

С помощью getorf получены трансляции участков между стоп-кодонами по обеим цепям ДНК. Минимальный размер 150 нуклеотидов соответствует 50 аминокислотам; режим поиска между стоп-кодонами (-find 0) используется по умолчанию.

getorf ncbi_dataset/data/GCF_001436735.1/GCF_001436735.1_ASM143673v1_genomic.fna -outseq ./getorf -table 11 -minsize 150

Длины трансляций проверялись командой, выводящей наиболее короткие последовательности:

infoseq -filter 'getorf' -only -length | sort -n | head

Из полученных аминокислотных последовательностей создана локальная база для BLASTP:

makeblastdb -in getorf -dbtype prot -out proteome -parse_seqids

Этап 3. Получение эталонных метилтрансфераз

Для поиска гомологов выбраны четыре фермента Swiss-Prot: Dcm (P0AED9), Dam (P0AEE8), HsdM (P08957) из E. coli и m4C-метилтрансфераза (P23941) из Bacillus amyloliquefaciens. Их последовательности объединены в query.fasta с использованием списка USA-адресов, передаваемого в seqret через стандартный ввод:

echo 'uniprot:P0AED9 uniprot:P0AEE8 uniprot:P08957 uniprot:P23941' | tr ' ' '\n' | seqret -filter -sequence @/dev/stdin -outseq query.fasta

Этап 4. Поиск BLASTP и сравнение с CDS

Локальный поиск по базе трансляций выполнен с четырьмя эталонными белками:

blastp -query query.fasta -db proteome/proteome -outfmt 7

Табличная выдача BLASTP (формат 7).

Выбранная находка — NZ_AYZE01000016.1_167, гомолог m6A-метилтрансферазы HsdM (P08957, T1MK_ECOLI). При выравнивании длиной 433 аминокислоты идентичность составила 22,633 %, E-value — 1,66 × 10−18, битовый вес — 85,1. Низкая идентичность указывает на значительную удалённость последовательностей, однако E-value поддерживает наличие сходства.

Таблица 1. Параметры выбранного выравнивания BLASTP между HsdM из E. coli и ORF бактерии L. cacaonum.
ЗапросНаходкаИдентичностьДлина выравниванияE-valueBit score
T1MK_ECOLINZ_AYZE01000016.1_16722,633 %4331,66 × 10−1885,1

Координаты выбранной ORF, полученные из файла getorf, — 92818–94440 на контиге NZ_AYZE01000016.1.

grep 'NZ_AYZE01000016.1_167' getorf

Из аннотации GFF3 отобраны CDS этого контига (координаты, цепь и дополнительные сведения), затем к ним добавлена строка с найденной ORF и выделены соседние записи:

grep -P '^NZ_AYZE01000016.1' ncbi_dataset/data/GCF_001436735.1/genomic.gff | grep -P '\tCDS\t' | cut -f 4,5,7,9 > CDS.tsv
echo -e '92818\t94440\t+\tFOUND-ORF' | cat - CDS.tsv | sort -n | grep -C 3 'FOUND-ORF' > neighbors.tsv

Файл соседних CDS — neighbors.tsv.

С найденной ORF пересекается CDS WP_057829708.1 (92839–94443, цепь +). В аннотации этот белок назван type I restriction-modification system subunit M; среди его функций указана аденин-специфичная ДНК-метилтрансферазная активность. Начало CDS расположено на 21 нуклеотид позже начала ORF, поскольку поиск getorf выполнялся от предыдущего стоп-кодона, а не от старт-кодона. Конец CDS расположен на 3 нуклеотида дальше конца трансляции ORF, что соответствует стоп-кодону, не включённому в аминокислотную последовательность.

Этап 5. Проверка по аннотации

Для поиска белков с EC-кодом 2.1.1.72, соответствующим m6A-ДНК-метилтрансферазам, связанные с нуклеотидной записью белки были отобраны через EDirect:

elink -db nuccore -id 'NZ_AYZE01000016.1' -target 'protein' | efilter -query '2.1.1.72[ECNO]' | efetch -format acc > db_mtas.tsv

По этому запросу найден один белок — WP_057829708.1. Он совпадает с белком, CDS которого пересекается с найденной BLASTP рамкой считывания. Следовательно, в данном случае ДНК-метилтрансферазу удалось обнаружить как поиском по сходству последовательностей, так и по EC-аннотации.