Домены и профили
Выбор домена и доменной архитектуры
В прошлом практикуме я в числе прочего изучал внеклеточную часть рецептора CD4 (Pfam: PF09191). Для этого домена есть 25 архитектур. Я выбрал архитектуру из двух доменов, описанную ниже.
-
PF09191 – PF12104
Он встречается в 120 белках, среди которых в качестве типового выделяют A0A087RHA1 (белок, содержащий Ig-подобный домен). При помощи remove redundancy в JalView с redundancy threshold 80 оставил только 40 белков, которые я выравнял при помощи Clustal Omega и дополнительно обрезал от N-конца первого домена до C-конца второго. Крупных делеций в выравнивании не было.
- В качестве положительного контроля взял выравнивание всех белков этой архитектуры, т.е. 120 белков. В идеале ожидаем, что профиль найдет все последовательности в этой выборке.
- Для работы дальнейших скриптов негативную выборку включил в общую выборку. Негативная выборка (объемом 305 белков) – это несколько отличных от нашей архитектур с данным доменом, они перечислены ниже и сохранены в общем файле.
-
PF00047 – PF05790 –
PF09191 – PF05790 –
PF12104 (189 белков)
-
PF00047 – PF05790 –
PF09191 – PF05790 (78 белков)
-
PF07686 – PF05790 –
PF09191 – PF05790 –
PF12104 (38 белков)
При помощи команд из пакета HMMER был создан и откалиброван HMM-профиль. С его помощью был проведен поиск по общей выборке (она состоит от позитивной, обучающей и негативной выборок).
hmm2build -g profile.txt test.fahmm2calibrate profile.txthmm2search --cpu 1 profile.txt negative.fa > hmm2search_negative.output.txthmm2search --cpu 1 profile.txt full.fa > hmm2search_full.output.txt
Далее представлены результирующие файлы: HMM-профиль, результаты поиска во всей выборке и отдельно в негативной выборке (как и ожидалось, везде отрицательный score).
Затем при помощи скрипта Каримовой Карины была получена итоговая таблица находок, и по ней были построены гистограммы находок в разных выборках (рис. 1-3).
Тем же скриптом я построил ROC-кривую и F1 Score (рис. 4). Исходя из них и гистограмм выше, за порог можно принять любое значение от 0 до 300. Пусть порогом будет 150, но можно было считать, что если Score находки положителен, то она имеет нужную доменную архитектуру.
