На страницу третьего семестра

Программы пакета BLAST

Создание индексных файлов для работы с локальными версиями программ семейства BLAST

Для выполнения задания использовались три файла с геномами


• 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 multocida

С помощью программы formatdb были созданы индексные файлы, при этом использовались следующий параметры:

 
-i     файл, подаваемый на вход
-p     тип последовательности в файле (T - аминокислотная, F - нуклеотидная)
-n     первая часть файла с расширением (nhr, nin или nsq)

Для генома синегнойной палочки (Pseudomonas aeruginosa) использовалась команда:

formatdb -i pa_genome.fasta -p F -n pa


Аналогично создала в своей рабочей директории 3 индексных файла для поиска по каждому из геномов..

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

Есть аминокислотная последовательность белка Cyns_ecoli из Escherichia coli K-12.
Задача — определить, не закодированы ли похожие белки в неаннотированном геноме другого организма,

Выбрала подходящую для решения данной задачи программу TBLASTN и провела с ее помощью поиск в мини-базе данных, сформированной созданными ранее тремя индексными файлами..

blastall -p tblastn -d pa -i cyns.fasta -o result1.txt
Аналогичные команды для других геномов, с изменением имени файла, подаваемого на вход, а также имени файла с результатом. По результатам поиска заполнила таблицу.



Поиск гомологов xxx_Ecoli		Геном Vibrio cholerae	Геном Pseudomonas aeruginosa	Геном Pasteurella multocida
Характеристика лучшей находки:
	E-value находки	3.4	2e-59	0.14
	координаты выравнивания(-ий) в записи генома	14191-14069(complement)	10075-9608(complement)	5207-5082(complement)
AC соответствующей записи EMBL		AE004273	AE004631	AE006207
	Координаты CDS в записи EMBL (если они есть)	complement(12314..14254)	невозможно определить*	complement(4542..5525)
	AC UniProt в записи EMBL (если есть)	Q9KQK8	невозможно определить*	Q9CKB5
Число находок с Е-value<0,01		-	1 находка	-
E-value лучшей находки в трех геномах		3е-59(Pseudomonas aeruginosa)
Число находок с Е-value<0,01 в трех геномах		1 находка

*Невозможно определить что-либо в записи EMBL, так как АС записи, получаемой в предыдущем упражнении не имеет под собой данных. В банке EMBL она заменена на другую, точнее включена в запись полного генома с другим АС. Необходимые данные в ней определить невозможно. Таким образом единственная находка с подходящим значением e-value была получена в геноме Pseudomonas aeruginosa, причем как в случае отдельного поиска, так и в случае поиска по трем геномам. Заметим, что e-value при этом меняет свое значение на большее, это, видимо, связано с наибольшим количеством неблагоприятных находок при поиске по трем геномам. Таким образом можно говорить в целом об одной находке, удовлетворяющей нашим требованиям, хотя и не с полной уверенностью.


Аналогичный поиск сразу в нескольких геномах

Создала в своей директории индексные файлы BLAST для поиска по всем трем геномам сразу. С помощью выбранной ранее программы провела поиск по трем геномам. При создании индексных файлов одновременно трёх геномов были проведены следующие операции:

• Замена пути к файлу переменной:

  genpath=/home/export/samba/public/tmp

• Введение переменной, объединяющей все три файла:

  genomes="$genpath/vc_genome.fasta $genpath/pa_genome.fasta $genpath/pm_genome.fasta"

• Запуск программы:

  formatdb -i "$genomes" -n 3g -p F

Индексные файлы: 3g.nhr, 3g.nin и 3g.nsq.

Поиск гомологов с помощью программы BLASTN

Скопировала в свою рабочую директорию fasta-файл с гeном cyns_ecoli. Поискала гомологов этого гена в трёх геномах программой BLASTN. E-value лучшей находки =3е-07 в геноме Pseudomonas aeruginosa. Использовала команду: blastall -p blastn -d 3g -i gene1.fasta -o resultgene1.txt
Выравнивание:

Score = 54.0 bits (27), Expect = 3e-07
 Identities = 99/123 (80%)
 Strand = Plus / Minus

                                                                        
Query: 349  ggcgatggcattattagcgcgattaacttcaaactcgacgttaagaaagtggcggacccg 408
            ||||| ||||| || |||||||| |||||||| || ||| | ||||| || | |||||||
Sbjct: 9727 ggcgacggcatcatcagcgcgatcaacttcaagctggacatcaagaaggtcgaggacccg 9668

                                                                        
Query: 409  gaaggtggcgaacgtgcggtcatcaccttagatggtaaatatctgccgaccaaaccgttc 468
            ||||| |||   || ||||| |||||| | || || || || ||||||||||| ||||||
Sbjct: 9667 gaaggcggctcgcgggcggtgatcaccctcgacggcaagtacctgccgaccaagccgttc 9608

               
Query: 469  tga 471
            |||
Sbjct: 9607 tga 9605 


В самом деле, можно сказать, что данному выравниванию можно доверять, ибо идентичность равна 80 процентам, что много. К тому же само выравнивание имеет довольно большую длинну, и участки полных совпадений тоже не очень короткие. E-value хоть и не очень мало, все же приемлемо.