Создание паттернов для поиска и распознавания аминокислотных последовательностей

    Для того, чтобы установить оптимальную длину паттернов, кроме паттерна длиной 20 аминокислотных остатков были рассмотрены еще два, составленные из его первых 8 и 14 аминокислотных остатков. Результаты поиска последовательностей, удовлетворяющих паттернам, по банку SwissProt приведены в табл. 1 — 3.
    Поиск по паттернам, являющимся копиями участков последовательности GLMS_ECOLI, позволил найти как саму последовательность GLMS_ECOLI, так и последовательности ортологов из родственных организмов родов Escherichia, Erwinia, Salmonella, Shigella и Yersinia. При этом с уменьшением длины паттерна количество найденных последовательностей увеличивается. Нахождение последовательностей, отличных от GLMS_ECOLI, можно объяснить достаточно высокой консервативностью рассматриваемого участка. В связи с низкой частотой мутаций, за время, прошедшее от расхождения перечисленных выше организмов, данный участок последовательностей практически не претерпел ни одного изменения. При этом с уменьшением длины участка уменьшается и вероятность возникновения в нем каких-либо случайных изменений. Следовательно, участок с меньшей длиной присутствует в неизменном виде в последовательностях большего количества организмов, и паттерн меньшей длины оказывается менее специфичным.
    Сходные результаты получены при поиске по "сильному" паттерну. Кроме последовательностей выравнивания сильный паттерн позволяет обнаружить также ортологичные им последовательности (GLMS и NODM) из родственных организмов. Последовательности NODM (nodulation protein M), как и GLMS, представляют собой глюкозамин — фруктоза-6-фосфатаминотрансферазы [изомеризующие], но участвуют в образовании клубеньков на корнях растений бактериями рода Rhizobium (см. запись P25195 банка SwissProt). С уменьшением длины паттерна увеличивается количество находок. Этот результат можно объяснить теми же причинами, что и результат поиска по паттернам, являющимися копиями участков последовательности GLMS_ECOLI.
    Таким образом, если целью поиска является нахождение каких-либо конкретных белков, то для создания паттернов необходимо использовать достаточно протяженные, но наименее консервативные участки последовательностей.
    Целью поиска по "среднему" и "слабому" паттернам является нахождение максимального числа гомологичных последовательностей. Следует отметить, что поиск последовательностей, гомологичных GLMS_ECOLI, проведенный с помощью программы BLAST, позволил выявить только ортологичные последовательности (критерием ортологичности является присутствие в кратком описании последовательности назвния Glucosamine--fructose-6-phosphate aminotransferase [isomerizing], результаты поиска см. здесь). Таким образом, все выявленные по данному критерию белки выолняют ту же функцию, что и GLMS_ECOLI, то есть являются его ортологами. В связи с тем, что программа BLAST является инструментом для поиска как ортологов, так и паралогов (см. работа с программой BLASTP, раздел "Является ли BLAST инструментом для поиска ортологов?"), можно говорить о том, что среди наиболее близких к GLMS_ECOLI гомологов паралоги отсутствуют. Это позволяет использовать в дальнейшем понятия "гомолог" и "ортолог" в качестве синонимов.
    Использование "средних" и "слабых" паттернов длиной в 14 и 20 аминокислотных остатков позволило выявить от 29 до 38 последовательностей. Все они являются ортологами GLMS_ECOLI из различных бактериальных организмов классов Alphaproteobacteria, Gammaproteobacteria и Spirochaetes (один белок). Таким образом, рассматриваемые паттерны являются специфичными к глюкозамин — фруктоза-6-фосфатаминотрансферазам [изомеризующим] указанных таксонов и обеспечивают достижение цели поиска. Следует отметить, что в данном случае изменение длины паттерна незначительно влияет на количество найденных последовательностей. Это можно объяснить тем, что практически все наиболее консервативные аминокислотные остатки входят в состав первых 14. Аминокислотные остатки с 15-го по 20-й являются избыточными для осуществления поиска родственных последовательностей и даже препятствуют выявлению единичных ортологов.
    Рассмотрим результаты поиска по "среднему" и "слабому" паттернам длиной 8 аминокислотных остатков. Количество выявленных последовательностей равняется соответственно 79 и 301, что значительно выше, чем для более протяженных паттернов. Кроме GLMS и NODM было найдено большое количество негомологичных им последовательностей. Это говорит о том, что при данном уровне консервативности участка последовательности паттерны длиной 8 аминокислотных остатков являются недостаточно специфичными. Следовательно, для нахождения максимального числа гомологов из всех рассмотренных паттернов оптималным является "слабый" паттерн длиной 14 аминокислотных остатков.
    Таким образом, если целью поиска является нахождение максимального количества белков, гомологичных данным, то для создания паттернов необходимо использовать менее протяженные и более консервативные участки последовательностей, чем для поиска конкретных белков. При этом паттерн не должен оказаться слишком коротким.
    Для проверки правильности составления паттернов, с помощью SRS был осуществлен поиск по банку SwissProt всех ортологов GLMS_ECOLI из организмов, принадлежащих классам Alphaproteobacteria и Gammaproteobacteria (критерием являлось присутствие в поле DE номера белка по классификации ферментов — 2.6.1.16). Было найдено 57 гомологов, что превышает количество белков, выявленных с помощью "слабого" паттерна длиной 14 аминокислотных остатков, на 19. Далее были рассмотрены два белка, которые не удовлетворяли паттерну (GLMS_LEGPA и GLMS_XYLFA). Участки этих белков, гомологичные последовательности GLMS_ECOLI 267—286, ограничены аминокислотными остатками со следующими номерами:

• GLMS_LEGPA (307-326)
• GLMS_XYLFA (305-324)