Протеом — термин для обозначения всей совокупности белков организма, производимых клеткой, тканью или организмом в определённый период времени. Или, более строго, это совокупность экспрессированных белков в данном типе клеток или в организме, в данный период времени при данных условиях. Термин является производным слова «протеин» (белок), аналогичным по происхождению слову «геном» (совокупность всех генов организма).

Термин применялся к нескольким разным типам биологических систем. Протеом клетки — совокупность белков, найденных в определённой клетке при определённых внешних условиях, как например под действием определенных гормонов. Полный протеом организма — совокупный набор протеомов всех клеток. Термином «протеом» также обозначают набор белков субклеточного организма, например вируса (вирусный протеом).

Протеом, особенно у эукариот, больше, чем геном, то есть количество белков превышает количество генов. Это связано с альтернативным сплайсингом, а также с посттрансляционной модификацией белков, например, их гликозилированием и фосфорилированием.

В то время как геном определяется последовательностью нуклеотидов, протеом не сводится к сумме последовательностей аминокислот. Протеом включает в себя также пространственные структуры всех содержащихся в нём белков (см. вторичная структура белка, третичная структура белков) и функционального взаимодействия между ними.

Протеомика — наука о протеомах, развивалась в значительной степени путём разделения белков методом двумерного электрофореза. Первое измерение — разделение белков на основе их электрического заряда методом изоэлектрического фокусирования. Второе измерение — разделение белков на основе их молекулярного веса методом en:SDS-PAGE.

Частоты остатков в протеомах L.plantarum ZJ316 и E.coli K12

Сначала был проанализирован протеом E.coli K12 (идентификатор протеома Proteom ID UP000000625), в геноме которой закодировано 4306 белков (колонка Protein count). Число букв в протеоме - 1356086 (посчитано с помощью awk 'BEGIN{sum=0}{sum+=$1}END{print sum}' TEST.txt в Bash)

Затем был проанализирован протеом L.plantarum ZJ316 (идентификатор протеома Proteom ID UP000011825), в геноме которой закодировано 3249 белков (колонка Protein count). Число букв в протеоме - 921389 (посчитано с помощью awk 'BEGIN{sum=0}{sum+=$1}END{print sum}' TEST1.txt в Bash)

The name of residue	The percentage in E.coli	The percentage in L.plantarum		The difference
L	10,68	10,03		0,65
A	9,52	9,27		0,25
V	7,38	7,38		0
T	7,08	7,16		0,08
G	6,02	6,69		0,67
I	5,81	6,56		0,75
S	5,77	5,77		0
D	5,52	5,6		0,08
Q	5,4	5,25		0,15
K	5,16	5,18		0,02
E	4,45	4,48		0,03
N	4,43	4,41		0,02
R	4,41	4,31		0,1
F	3,95	3,96		0,01
P	3,9	3,79		0,11
Y	2,85	3,53		0,68
M	2,82	2,7		0,12
H	2,27	2,37		0,1
V	1,54	1,17		0,37
C	1,16	0,5		0,66
U	0,01	0		0,01

Три самых часто встречающихся остатка в E.coli K12 - лейцин (L), аланин (А), валин (V). Три самых редких - валин (V), цистеин (C), селеноцистеин (U).

Три самых часто встречающихся остатка в L.plantarum ZJ316 - лейцин (L), аланин (А), валин (V). Три самых редких - гистидин (H), валин (V), цистеин (C).

По содержанию тирозина наблюдается самое большое различие относительно других остатков E.coli K12

и L.plantarum ZJ316 - оно достигает 0,68%

Таким образом, в протеоме E.coli K12 присутствует селеноцистеин, отсутствующий у L.plantarum ZJ316. С помощью команды grep -n "U" ecoli.fasta получаем строки с номерами из протеомаE.coli K12, содержащие селеноцистеин. Затем узнаем, какие записи содержат эти строки: белки с идентификаторами P24183, P32176, P07658. По полю "DE" узнаем, что данные белки - формиатдегидрогеназы, причем во всех 3 случаях дана одинаковая субъединица (альфа) и даже в качестве альтернативного названия последнего белка указывается "селен-содержащий полипептид"). Формиат дегидрогеназы - ключевые ферменты при использовании углеводородов в качестве органического субстрата, видимо, входит в состав дыхательной цепи E.coli, имеющей формиатное брожение. Отсутствие у L.plantarum селеноцистеина, возможно, таким образом, свидетельствует об отсутствии у них данного типа брожения, что согласуется с их меньшей устойчивостью к пребыванию на воздухе [1],[2]. Серин и валин встречаются одинаково часто в обоих протеомах. Наиболее часто встречающиеся 3 остатка совпадают, видимо, в виду того, что входят в состав гидрофобных ядер многих белков [3],[4]

Сравнение compseq и wordcount

Для того, чтобы выполнить данное задание, в программе compseq потребовалась бы команда word -<длина слова> и меньше времени потребовалось бы на выполнение программы (можно подсчитать командой time в Bash). Однако, в отличии от программы wordcount, compseq подсчитает число вообще всех слов, заданной длины, включая строки с идентификаторами (число уникальных слов заданной длины в последовательности).

С другой стороны в compseq есть удобный аттрибут -nozero, исключающий вывод нулевых строк. Wordcount же, как видно из предыдущего задания, показывает напротив буквы и то, что буква не встречается в последовательности.

В wordcount можно задать аттрибут -mincount, чтобы посмотреть минимум встреч

В compseq аттрибут -calcfreq позволяет рассчитать частоту встречаемости определенных оснований или остатков. Если задать длину слова=1, тогда рассчитываемая ожидаемая частота будет равна наблюдаемой, что не имеет смысла

В compseq аттрибут -reverse позволяет подсчитать число слов в нуклеотидной последовательности, комплементарной данной

С помощью аттрибута сompseq -noignorebz можно не считать слова, содержащие коды аминокислот (например, глютамин или глутаминовая кислота - код Z)

В compseq -frame можно пропускать промежуточные слова между заданными. Мы можем подсчитать только те слова, которые появляются в единственной рамке слова, устанавливая значение, отличное от 0. Если 1- считаем только в рамке 1 и т.д.

Таким образом, программа compseq выигрывает во многом именно за счет разнообразных дополнительных функций, в то время как у wordcount их значительно меньше

В compseq значения output файла: выдаются по алфавиту, в wordcount - в порядке убывания; указана наблюдаемая частота (obs frequency) и ожидаемая частота (exp frequency) слов в последовательности; отношение наблюдаемых частот к ожидаемым

Однако, я считаю, что для выполнения данного практикума было бы удобнее использовать команду wordcount, так как эталона (моей бактерии) необходим список букв в порядке убывания значений, чего не сделаешь в compseq. С другой стороны вывод данной программы более полезен с точки зрения статистики (частота встречаемости, отклонение от ожидаемого результата), что гораздо более удобно при анализе множества данных (здесь перечисляются названия всех последовательностей из входного файла).

Ссылки

[1] - Wikipedia Enterobacteriaceae// URL: https://en.wikipedia.org/wiki/Enterobacteriaceae

[2] - Wikipedia Lactobacillus// URL: https://en.wikipedia.org/wiki/Lactobacillus

[3] - Uniprot Proteome E.coli // URL: http://www.uniprot.org/proteomes/?query=organism%3A%22Escherichia+coli+%28strain+K12%29+%5B83333%5D%22&sort=score

[4] - Uniprot Proteome L.plantarum // URL: http://www.uniprot.org/proteomes/?query=organism%3A%22Lactobacillus+plantarum+ZJ316+%5B1284663%5D%22&sort=score