Учебный сайт Ивана Федорова

Практикум 10

1. Поиск консервативных мотивов.

Для выполнения этого практикума был выбран домен PF00427. Этот домен встречается у белков, связывающих элементы фикобилисом у цианобактерий и красных водорослей. Выравнивание seed содержит 170 последовательностей, после удаления похожих друг на друга более чем на 80% осталось 127.

Как видно из выравнивания, наиболее консервативные мотивы имеет смысл искать в конце последовательностей. Мотив EY...FG...VP встречается у 114 последовательностей; с помощью Prosite по нему был проведен поиск в базе данных SwissProt, выявлено 66 совпадений в 45 последовательностях. Эти последовательности были выровнены, после выравнивания мотив сохранился во всех 66 случаях.

По выравниванию на основе seed было построено методом NJ филогенетическое дерево, в нем выбрана клада из 8 белков. Во всех 8 встречается мотив [IM]HR[RK]LLGRPT, при этом ни в одной последовательности вне этой клады такой мотив не был найден. Впрочем, фрагмент этого мотива LGR стабилен у 98% всех последовательностей выравнивания, можно предположить, что весь этот участок вообще довольно консервативен, хотя именно такой его вариант встречается только в данной кладе.

Для поиска мотивов de novo методом MEME было скачено и выровнено 137 последовательностей, относящихся к роду Nostoc, из них отобрано 85, сходных менее чем на 100%.

Выдача МЕМЕ.

Выдача FIMО.

Было выявлено 4 мотива, встречающихся 688 раз с p-value менее 0.0001. Как правило они располагаются в белке в определенной последовательности: сначала третий (ISVREFYR), затем второй ([YF][RK][HQ][LV]LGRA - по-видимому, тот же мотив, который был мною выявлен в кладе из выравнивания seed), четвертый ([AS][LYI][IV]DS.EY) и первый (FGE[DN][TI]VPY - вероятно, мотив, выявленный мной в выравнивании seed).

2. PSI-BLAST.

Я выбрал Q67XL4 - РНК-связывающий белок хлоропластов Arabidopsis thaliana. После двух итераций поиска по базе данных SwissProt с помощью PSI-BLAST результаты полностью совпали. Разница между лучшей находкой ниже порога и худшей находкой выше порога невелика (0.008); кроме того, судя по названиям и функциям найденных белков, к одному семейству (CRM-содержащие белки) принадлежат первые семь (для них также наблюдается отрыв в E-value: у седьмой находки 1e-19, а у восьмой 7e-15); восьмой, девятый и десятый - к другому (факторы сплайсинга CRS1; E-value от 7е-15 до 4е-14), остальные же, включая тот, E-value которого ниже порога - к третьему (белки, ассоциированные с фактором сплайсинга CRS2; E-value от 3е-7).

3. Оценка представленности GATC в геноме Thermococcus peptonophilus.

Для оценки представленности GATC и других четырехбуквенных последовательностей без повтора нуклеотидов была использована программа cbcalc.

Можно сделать вывод, что сайт GATC недопредставлен, из рассмотренных здесь только у CTAG отношение Observed/Expected еще ниже.