Домены и профили

Выбор домена и доменной архитектуры

Для анализа из базы данных Pfam был выбран ATP-grasp-like domain. Данный домен содержит сайт свяызвания АТФ и у некоторых бактерий входит в состав фермента, участвующего в синтезе глутатиона.

Таблица 1. Характеристики домена
ID AC seed full Uniprot average length average id%
ATP-grasp_6 PF18419 28 307 1874 54 49

Была выбрана доменная архитектура: Glu_cys_ligase(PF04262), ATP-grasp_6 (Рис.1). Она характерна для 29 последовательностей, список AC.

domen
Рис. 1. Доменная архитектура GSHAB_CLOPE.

После этого был скачан файл с последовательностями full.fasta, создан файл с последовательностями белков с выбранной архитектурой и построены гистограммы длин последовательностей.

chart_full
Рис. 2. Гистограмма длин белков семейства ATP-grasp_6
chart_domen
Рис. 3. Гистограмма длин белков с выбранной доменной архитектурой

Выбранные белки имеют длину 730-820 аминокислот.

Построение HMM профиля

Последовательности с выбранной доменной архитектурой были выровнены в Jalview алгоритмом muscle. Далее была проведена ревизия - удалены высокосходные последовательности (Remove redundancy 80%), участок после второго домена (границы доменов в выравнивании 15-605), и ещё несколько последовательностей. Осталось 20 из 29 последовательностей.

С помощью пакета HMMER по данным последовательностям был построен и откалиброван HMM-профиль: 

hmm2build -g out_hmm.txt align_domen_after.fasta
hmm2calibrate out_hmm.txt
Далее по этому профилю выполнялся поиск в файле со всеми последовательностями: 
hmm2search out_hmm.txt full.fasta --cpu 1 > search_out.txt
Результаты.

После этого была составлена таблица, содержащая информацию о находках. Были посчитаны значения specificity, 1 - sensitivity и F1, построена ROC-кривая и график F1:

roc
Рис. 4. ROC-кривая
f1
Рис. 5. Гграфик F1

Порог веса по ROC-кривой 838,4. При таком пороге находятся 19 из 29 последовательностей с двудоменной архитектурой. Максимум F1 достигается при весе 853,7 - этому соответствует 18 из 19 белков. Такой порог мне кажется более удачным, так как в первом случае помимо одной правильной находки добавляется три неправильные.