Практикум 9: Выравнивание последовательностей

Задание 1. Программа подсчёта инделей

Назначение программы

Программа indels.py предназначена для анализа результатов глобального (needle) или локального (water) выравнивания двух последовательностей. Она подсчитывает количество инделей — непрерывных блоков гэпов (-) — в каждой из двух выровненных последовательностей и выводит суммарный результат.

Использование

python indels.py <файл с выравниванием>

Программа не требует дополнительного ввода от пользователя.

Исходный код

 import sys
import re

def count_indels(seq):
    count = 0
    in_gap = False
    for c in seq:
        if c == '-':
            if not in_gap:
                count += 1
                in_gap = True
        else:
            in_gap = False
    return count

def parse_emboss_alignment(filename):
    seqs = {}
    with open(filename) as f:
        for line in f:
            # Пропускаем строки комментариев и пустые строки
            if line.startswith('#') or line.startswith('/') or not line.strip():
                continue
            
            # Извлекаем название последовательности и её часть
            match = re.match(r'^(\S+)\s+\d+\s+([A-Za-z-]+)\s+\d+', line)
            if match:
                name = match.group(1)
                seq_part = match.group(2)
                if name not in seqs:
                    seqs[name] = ''
                seqs[name] += seq_part
    
    names = list(seqs.keys())
    if len(names) < 2:
        raise ValueError("Не удалось найти две последовательности в файле")
    
    return names[0], seqs[names[0]], names[1], seqs[names[1]]


if len(sys.argv) != 2:
    print("Использование: python indels.py <файл_выравнивания>")
    sys.exit(1)

name1, seq1, name2, seq2 = parse_emboss_alignment(sys.argv[1])

i1 = count_indels(seq1)
i2 = count_indels(seq2)

print(f"{name1} {i1}")
print(f"{name2} {i2}")
print(f"Total {i1 + i2}")

Краткое описание работы программы

1. Парсинг файла — функция parse_emboss_alignment() читает файл, игнорирует служебные строки (#, /) и с помощью регулярного выражения r'^(\S+)\s+\d+\s+([A-Za-z-]+)\s+\d+' извлекает названия последовательностей и их фрагменты (буквы и символы -), собирая полные последовательности в словарь.
2. Подсчёт инделей — функция count_indels() проходит по строке последовательности, считая каждый переход от символа (не гэпа) к гэпу как один индель. Несколько подряд идущих гэпов считаются как один индель.
3. Вывод результатов — программа печатает три строки:
   • название первой последовательности и количество её инделей
   • название второй последовательности и количество её инделей
   • Total и сумму инделей обеих последовательностей

Задание 2. Глобальное и локальное выравнивание гомологичных белков

Глобальное выравнивание (needle)

Локальное выравнивание (water)

Задание 4. Комментарии к выравниваниям

Введение

В рамках выполнения задания были проведены глобальное (программа needle) и локальное (программа water) выравнивания трёх пар гомологичных белков: DNAK, GYRA и RPOB из Escherichia coli (штамм K12) и Bacillus subtilis (штамм 168).

1. Пара DNAK (шаперон DnaK)

2. Пара GYRA (ДНК-гираза, субъединица A)

3. Пара RPOB (РНК-полимераза, субъединица beta)

Все три пары белков гомологичны, но по-разному:

Общие выводы

Задание 5. Результат применения программ выравнивания к неродственным белкам

Выбор пары: DNAK_ECOLI (шаперон DnaK) и GYRA_BACSU (ДНК-гираза). Эти белки выполняют разные функции и не имеют эволюционного родства.

Результаты глобального выравнивания (needle)

Результаты локального выравнивания (water)

Сравнение с гомологичными парами

Выводы

1. Score зависит от длины белков, поэтому абсолютные пороги (Score > 500) ненадёжны.
2. Для оценки гомологии лучше смотреть на процент идентичности и долю гэпов
3. Локальное выравнивание может быть обманчивым: находит один похожий участок даже у неродственных белков и выдаёт неинформативные результаты, поэтому первостепенно выполнение глобального выравнивания.

Задание 6. Множественное выравнивание

(а) Мнемоника и информация о белках

Мнемоника: DNAK
Рекомендованное полное имя белка из ECOLI: Chaperone protein DnaK (Heat shock protein 70)
Количество найденных белков: по запросу id:DNAK* AND reviewed:true найдена 801 запись. Уникальных белков с разными суффиксами организмов – около 25.

Выбранные 5 белков (помимо DNAK_ECOLI и DNAK_BACSU):

(б) Как делалось выравнивание

Семь последовательностей в формате FASTA были объединены в один файл. Множественное выравнивание выполнено с помощью программы Muscle из командной строки:

muscle -align dnaK_7.fasta -output alignment_pr9.fa

Полученное выравнивание в формате FASTA загружено в программу Jalview через File → Input Alignment → From File. В Jalview закрыты все лишние окна, применена раскраска колонок по проценту идентичности (Colour → Percentage Identity).

(в) Гиперссылка на файл с проектом Jalview

Ссылка на файл выравнивания alignment_pr9.fa

(г) Комментарии к выравниванию

По моему мнению, белок DNAK_BACSU выровнялся хуже всего (наибольшее количество отклоняющихся от консенсусных позиций в колонках, гэпы). Белок DnaK (Hsp70) является высококонсервативным, поэтому даже эволюционно далёкие представители имеют много консервативных позиций.

Все ли они гомологичны? Да, все представленные белки являются гомологичными. Они принадлежат к одному семейству белков теплового шока 70 кДа.

Характеристики выравнивания

• Наиболее консервативные участки: 152 -184 (3 не абсолютно консервативные колонки), 366-408 (5 не абсолютно консервативных колонок)
• Наименее консервативный участок: 79 - 102