Алгоритмы множественного выравнивания

Сравнение выравниваний, построенных разными программами

Для выравнивания были выбраны белки из семейства heparin-binding growth factors family, это семейство было выбрано по следующим критериям: чтобы последовательности были не очень длинными и можно было легко визуально проанализировать выравнивания, но и не слишком короткими, чтобы было, что анализировать; чтобы среди этих белков для многих была известна пространственная структура и была симпатичной для дальнейшего выравнивания по ней; чтобы сами белки были интересны с функциональной точки зрения. Для выравнивания я выбрала следующие 5 белков этого семейства:

UniProt ID	Name	Organism	Function	PDB AC
FGF4_HUMAN	Fibroblast growth factor 4	Homo sapiens	Регуляция эмбрионального развития, пролиферации и дифференцировки клеток	1ijt
FGF2_HUMAN	Fibroblast growth factor 2	Homo sapiens	Регуляция деления, миграций, дифференцировки, жизни клеток	1bas
FGF12_HUMAN	Fibroblast growth factor 12	Homo sapiens	Развитие и функционирование нервной системы	1q1u
FGF7_RAT	Fibroblast growth factor 7	Rattus norvegicus	Пролиферация клеток эпителия, фактор роста кератиноцитов
FGF21_HUMAN	Fibroblast growth factor 21	Homo sapiens	Поддержание гомеостаза глюкозы и чувствительности к инсулину

Я сравнивала программу MUSCLE с программами T-Coffee и Clustal, проект JalView. Для сравения выравниваний использовалась программа Михаила Изгагина

Длины самих последовательностей отличаются вплоть до 90 аминокислот. Тем не менее они хорошо выровнялись на достоверном участке с координатам ~ 175-300 (MUSCLE). Длины выравниваний: MUSCLE: 362; T-Coffee: 374; Clustal: 334.

MUSCLE	T-Coffee	block lenght	MUSCLE	Clustal	block lenght
51-53	55-57	3	1-27	1-27	27
83-85	91-93	3	83-110	78-105	28
92-110	100-118	19	198-215	174-191	18
183-189	180-186	7	220-256	196-232	37
220-257	219-256	38	285-286	261-262	2
260-276	259-275	17
284-287	283-286	4
293-294	292-293	2
315-322	310-317	8
10	10

MUSCLE и Clustal имеют больший процент совпадающих колонок, чем MUSCLE и T-Coffee (35.64% против 32.87%), несмотря на то, что выравнивание Clustal примерно на 30 колонок короче, чем выравнивания MUSCLE и T-Coffee. MUSCLE и T-Coffee почти одинаковой длинны, но процент одинаковых колонок в них меньше, и выравнивания в целом отличаются больше, чем MUSCLE и Clustal. Также в сравнении MUSCLE и T-Coffee мы получаем много блоков, но большая часть из них короткая. В сравнении MUSCLE и Clustal блоков меньше, но они длиннее, что более правдоподобно с эволюционной точки зрения. То есть MUSCLE и Clustal справились с выравниванием лучше, чем T-Coffee. Выравние Clustal, видимо, имеет меньшую длинну за счет более оптимального выравнивания примерно с 1 по 160 колонку. По координатам одинаковых блоков также можно видеть, что консервативные блоки начинаются в выравнивании Clustal раньше, чем в выравниваниях MUSCLE и T-Coffee. Интересно сравнить Clustal со структурным выравниванием.

Сравнение со структурным выравниванием

Для структурного выравнивания были взяты первые три белка из выбранных выше, в таблице можно найти их PDB AC. Визуально структуры очень хорошо выравнялись вплоть до поворотов.

Clustal	Structural alignment	block lenght
11-16	9-14	6
20-36	18-34	17
40-138	38-136	99
141-142	139-140	2
18	16

Проект JalView. Сравнение выравниваний было выполнено программой Антона Куликова. Выравнивания одинаковой длинны и совпадают на 88%. То есть в данном случае алгоритмическое выравнивание показало очень точный результат относительно структурного. И на самом деле не только Clustle, но и MUSCLE и T-Coffee показали такой же хороший результат. Этого можно было ожидать, ведь участок последовательности достаточно консерввативен.

Описание работы алгоритма Clustal W

Алгоритм ClustalW использует прогрессивное выравнивание, то есть: попарно выравнивает последовательности, сторит матрицу растояний, строит напрявляющее дерево и, следуя ему, "достраивает" выравнивания для наиболее близких последовательностей, пока все последовательности не будут выравнены. Алгоритм отличается от остальных высокой чувствительностью, которая обеспечивается W - weighting — для последовательностей парных выравниваний расчитывается вес таким образом, что чем последовательности ближе эволюционно, тем он меньше, чем дальше — тем больше. Во-вторых, на каждой стадии выравнивания меняется матрица на наиболее подходящую в соответствии с дивергентностью последовательностей (т. е. на основе посчитанного веса). В-третьих, штрафы за гэп специфичны в соответствии с аминокислотными остатками, также снижается штраф за гэп при открытии гэпа на той же позиции, на которой он уже был открыт в другом выравнивании. Все это обеспечивает высокую точность алгоритма, в частности для нерегулярных участков.

Источники:
Using Clustal for multiple sequence alignment
CLUSTAL W: improving the sensitivity of progressive multiple sequence alignment ...
Multiple Sequence Alignment Algorithms in Bioinformatics