Реконструкция деревьев по нуклеотидным последовательностям. Анализ деревьев, содержащих паралоги.

1. Реконструкция деревьев по нуклеотидным последовательностям.



В Uniprot найдем какие-нибудь белки данных бактерий. Посмотрим на какие записи EMBL с полными 
геномами они ссылаются. В записях EMBL найдем соответствующие"особенности" (FT), с ключом 
(FTkey) "rRNA" и описанием примерно /note="16S rRNA". Полученные данные приведены в таблице:



Название
Мнемоника
AC записи EMBL
Координаты РНК
Цепь



Bacillus anthracis
BACAN
AE016879
29129..30635
Прямая



Bacillus subtilis
BACsu
AL009126
30279..31832
Прямая




Clostridium botulinum
CLOB1
CP000726
9282..10783
Прямая



Clostridium tetani
CLOTE
AE015927
176113..177621
Прямая




Finegoldia magna
FINM2
AP008971
197837..199361
Прямая



Enterococcus faecalis
ENTFA
AE016830
1018187..1019708
Прямая



Geobacillus kaustophilus
GEOKA
BA000043
30790..32343
Прямая



Lactobacillus delbrueckii
LACDA
CR954253
45160..46720
Прямая



Lactococcus acidophilus	
LACAC
CP000033
59255..60826
Прямая








Далее вырежем нужные участки из записи EMBL командой seqret:

seqret embl:xxxxx -sask
Поместим последовательности в один fasta-файл all.fasta
 и отредактируем названия последовательностей, оставив только мнемонику видов.

Создадим выравнивание отобранных белков. Для этого на kodomo запустим программу muscle 
с параметрами по умолчанию (т.к. нам не сказано, кк выравнивать) и затем откроем это 
выравнивание в JalView.

muscle -in all.fasta -out align.fasta
                             
Выравнивание в fasta-формате.


Далее, построим дерево с помощью программы MEGA (указав Analyze при импорте) методом 
Neighbor joining (меню "Phylogeny"):



Правильное дерево





Это дерево содержит 1 нетривиальных ветвей, которых нет в правильное дерево:                                       

ветвь {BACAN,BACSU,GEOKA,ENTFA} против {CLOTE,CLOB1,LACDA,LACAC,FINM2},                                    

                                                                                                               


Это дерево не содержит 1 нетривиальных ветвей, что и правильное дерево:  

ветвь {LACDA,LACAC,ENTFA} против {CLOTE,CLOB1,BACAN,BACSU,GEOKA,FINM2},                                    



Видно, что дерево  похоже на правильное, но с ним не совподает. Я ожидала, что качество построения по rRNA будет 
хуже, чем по белкам. Потому что кодировать одну аминокислоту можно разными триплетами, и 
потом вероятность "ошибки" в нуклеотидных последовательностях больше.





1. Построение и анализ дерева, содержащего паралоги


Нашла в своих бактериях достоверные гомологи белка CLPX_BACSU. 
Чтобы найти гомологов в заданных организмах, воспользовалась файлом proteo.fasta на диске P, там лежат записи банка UNIPROT, относящиеся к бактериям, перечисленным в таблице к заданию 1. 
Провела поиск программой blastp гомологов (с разумным порогом на E-value, скажем, 0,001) и отобрала по мнемонике видов только те находки, которые относятся к отобранным мною бактериям. 
Сначала проиндексировала файл: 
makeblastdb -in proteo.fasta -out prot -dbtype prot 
Затем использовала blastp, выравнивая белки с заготовленной заранее fasta белка CLPX_BACSU 
blastp -query clpx_bacsu.fasta -db prot -out prot_clpx.txt -evalue 0.001 
Получила набор белков prot_clpx.txt 
И создала файл, содержащий только те находки, которые относятся к отобранным мною бактериям. 
clpx_homologs.fasta 
Полученный файл с выравниванием импортировала в программу MEGA(использовала Neighbor-Joining). 
Полученное дерево 





Два гомологичных белка будем называть ортологами, если они а) из разных организмов; б) разделение их общего предка на линии, ведущие к ним, произошло в результате видообразования. 
Два гомологичных белка из одного организма будем называть паралогами. 
Ортологи: HSLU_GEOKA и HSLU_LISMO, CLPX_STAA1 и CLPX_BACAN. 
Некоторые паралоги:Q82YZ7_ETFA и Q837W9_ENTFA, Q899H3_CLOTE и Q891B9_CLOTE, Q5FHW6_LACAC и Q5FKR6_LACAC.