Программы пакета BLAST для работы с нуклеотидными последовательностями

Создание индексных файлов для работы с локальными версиями программ

На сервере kodomo (и kodomo-count) нашли три файла:

vc_genome.fasta включает последовательности из EMBL, составляющие полный геном холерного вибриона (Vibrio cholerae);
pa_genome.fasta - полный геном синегнойной палочки (Pseudomonas aeruginosa);

pm_genome.fasta - полный геном бактерии Pasteurella multoci.

Для этих файлов (для каждого в отдельности) были созданы индексные файлы при помощи программы formatdb (предварительно ознакомившмсь с ней), при этом использовались следующие параметры:

-i Файл подаваемый на вход программе
-p Тип последовательности в файле (T - аминокислотная,F - нуклеотидная).
-n Первая часть файла с расширением (nhr, nin или nsq).

Для того, чтобы получить индексные файлы были использованы следующая команда:
formatdb -i vc_genome.fasta -p F -n vc (расшифровывается так: команда formatdb создает индексный файл нуклеотидной последовательности содержащейся в файле vc_genome.fasta и сохраняет его в трех файлах с названием vc).
Для второй и третей последовательности аналогично.
На выходе мы получаем три индексных файла.

Поиск в неаннотированном геноме генов, кодирующих белки, похожие на заданный

Суть задания заключается в том, что у меня есть белок (в данном случае, используется мой белок DPO3E_Ecoli), и я знаю его аминокислотную последовательность. Меня интересует, нет ли такого же или похожего белка в другом геноме, который еще неаннотирован. Для этого нам следует использовать программу, которая делает локальное выравнивание моей аминокислотной последовательности и транслированной нуклеотидной последовательности (последовательность соответственно транслируется в 6 рамках), для этого наиболее подходящей является программа TBLASTN. Для получения выравниваний были выполнены следующие команды:

blsatall -p tblastn -d vc -i Dpo3E.fasta -o result1.txt
blsatall -p tblastn -d pa -i Dpo3E.fasta -o result2.txt
blsatall -p tblastn -d pm -i Dpo3E.fasta -o result3.txt

Результаты поиска занесены в таблицу

Поиск гомологов DPO3E_Ecoli	Геном Vibrio cholerae (холерного вибриона)	Геном Pasteurella multocida	Геном Pseudomonas aeruginosa (синегнойной палочки)
Характеристика лучшей находки:
E-value находки	1e-80	6e-81	2e-66
Координаты выравнивания(-ий) в записи генома	4052-4762(хромосома 1, секция 203) complement	288-995 complement	2226-2933 (секция 169)complement
AC соответствующей записи EMBL	AE004295	AE006046	AE004608
Координаты CDS в записи EMBL (если они есть)	4049-4792 complement	255-1016 complement	нет данных
AC UniProt в записи EMBL (если есть)	P03007	Q9CPE0 (дан ID, но не было AC, дажепри поимке в SRS)	нет данных
Число находок с Е-value<0,01	2	1	2
Число находок с Е-value<0,01	2	1	2
Изменение E-value	Увеличилось в 4 раза	Увеличилось в 5 раз	Увеличилось в 2 раза

Как мы видим, значение E-value изменилось (увеличилось) во всех случаях, что не удивительно, вспомнив определение этого значения (банк поиска увеличился, а соответственно увеличилась и вероятность найти такую последовательность в случайном банке).

Ниже приведеныфайлы, которые использовались:

Поиск гомологов с помощью программы BLASTN

В рабочую директорию скопировали файл с геномом моего белка (для выполнения этого использовались последовательности из прошлого задания). Затем провели поиск гомологлв данного гена в трех геномах при помощи программы BLASTP.
Для запуска программы использовалась такая команда:
blastall -p blastn -d 3g1 -i DPO3E_ECOLI.fasta -o blnres.txt
В результате получили ряд выравниваний, лучшее из них приведено ниже:

>embl|AE006046|AE006046 Pasteurella multocida subsp. multocida str.
           Pm70 section 13 of 204 of the complete genome.
          Length = 10484

 Score = 63.9 bits (32), Expect = 5e-10
 Identities = 104/128 (81%)
 Strand = Plus / Minus

                                                                       
Query: 34  gataccgaaaccaccggtatgaaccagattggtgcgcactatgaaggccacaagatcatt 93
           ||||||||||| || || ||||||||  ||||||| || |||||||| ||    || |||
Sbjct: 977 gataccgaaacaacggggatgaaccaatttggtgcacattatgaagggcattgtattatt 918

                                                                       
Query: 94  gagattggtgccgttgaagtggtgaaccgtcgcctgacgggcaataacttccatgtttat 153
           || |||||||| |||||  || | || |||||||| ||||||||||| |||||| |||||
Sbjct: 917 gaaattggtgcggttgagatgatcaatcgtcgcctcacgggcaataatttccatatttat 858

                   
Query: 154 ctcaaacc 161
            |||||||
Sbjct: 857 atcaaacc 850

Лучшая находка ( из Pasteurella multocida) имела значительно более высокое E-value (5e-10). Что интересно, найден была та же запись, что и при поиске белка в данном организме в предыдущих частях этого задания, даже участок частично совпадал, но выравнивание было поболее короткому участку. Это может свидетельствовать о том, что мы действительно ищем то что нужно, а главное находим то, что нужно. Теперь, если мы посмотрим не только на это выравнивание, но и на остальные, то мы заметим, что под вторым и третьим номером идут как раз те последовательности (по другим организмам), которые мы находили в предыдущей части данного задания (из тех же записей и расположены там же). Это дает нам право говорить о том, что мы действительно нашли то, что нужно.