Поиск ортологов и паралогов

Составление списка гомологичных белков, включающих паралоги

Для поиска гомологов белка CLPX_ECOLI в заданных организмах была создана локальная база данных, содержащая иx протеомы. Эта база данных была подана на вход программе blastp с порогом на e-value 0.001, далее из выдачи программы были выбраны идентификаторы белков, и соответствующие последовательности собраны из базы данных в новый файл с помощью seqret. Все действия от создания базы данных до выравнивания найденных последовательностей выполняются следующим скриптом:

cat *.fasta > proteomes.fasta
makeblastdb -dbtype prot -in proteomes.fasta -out proteomes
blastp -query clpx_ecoli.fasta -db proteomes -evalue 0.001 -out clpx.blast
grep '|' clpx.blast | grep -v '>'| grep -v 'Query'| awk '{print $1}' | awk -F '|' '{print $3}' > names.txt
while read line; do echo 'proteomes.fasta:'$line; done < names.txt > myprots.list
seqret @myprots.list myprots.fasta
muscle -in myprots.fasta -out myprotsalign.fasta

В результате работы blastp был получен следующий результат, содержащий приведенный ниже список белков:

Уже из этих результатов видно, что в первую очередь были найдены гомологи с такой же функцией - АТФ-связывающие субъединицы АТФ-зависимой протеазы Clp всех рассматриваемых организмов. У этих находок высокие значения Score и ничтожно малый E-value. Далее идут белки с другими функциями, значения Score для которых уже на порядок ниже. Самая многочисленная группа среди них - АТФ-зависимые цинк-металлопротеазы.

Реконструкция и визуализация

Реконструкция филогении была произведена с помощью программы MEGA с алгоритмом Maximal Likehood. Было получено следующее дерево, визуализация которого представлена ниже.