Поиск ортологов и паралогов

Составление списка гомологичных белков, включающих паралоги

Для начала я скопировал себе в папку протеомы выбранных бактерий и сконкатенировал их в общий fasta файл. Из этого файла развернул базу данных blastp. Затем я получил список идентификаторов SwissProt гомологов искомого белка с префиксом для USA с помощью следующих команд:

blastp -db proteomes -query POA6H1.fasta -evalue 0.001 -out out.fasta
grep -oE '\w+_\w{5}' out.fasta | sort | uniq | sed -e 's/^/sw:/' > blast_hits

Затем я с помощью seqret вытянул из базы данных SwissProt большинство получившихся гомологов. К сожалению, не все гомологи обнаружились в этой базе данных, так что остальные последовательности я выделил вручную с UniProt.

Ниже привожу выдачу blastp:

Sequences producing significant alignments:                          (Bits)  Value

sp|P0A6H1|CLPX_ECOLI ATP-dependent Clp protease ATP-binding subun...  860     0.0
sp|A8GAR0|CLPX_SERP5 ATP-dependent Clp protease ATP-binding subun...  806     0.0
sp|Q8ZC66|CLPX_YERPE ATP-dependent Clp protease ATP-binding subun...  805     0.0
sp|B4EU54|CLPX_PROMH ATP-dependent Clp protease ATP-binding subun...  769     0.0
sp|Q12LA2|CLPX_SHEDO ATP-dependent Clp protease ATP-binding subun...  712     0.0
sp|P57981|CLPX_PASMU ATP-dependent Clp protease ATP-binding subun...  612     0.0
sp|P44838|CLPX_HAEIN ATP-dependent Clp protease ATP-binding subun...  587     0.0
sp|A8GL96|HSLU_SERP5 ATP-dependent protease ATPase subunit HslU O...  96.7    7e-22
sp|B4F171|HSLU_PROMH ATP-dependent protease ATPase subunit HslU O...  96.7    7e-22
sp|Q8ZJJ5|HSLU_YERPE ATP-dependent protease ATPase subunit HslU O...  95.1    2e-21
sp|Q12IT8|HSLU_SHEDO ATP-dependent protease ATPase subunit HslU O...  94.0    4e-21
sp|P0A6H5|HSLU_ECOLI ATP-dependent protease ATPase subunit HslU O...  93.6    6e-21
sp|P57968|HSLU_PASMU ATP-dependent protease ATPase subunit HslU O...  93.2    9e-21
sp|P43773|HSLU_HAEIN ATP-dependent protease ATPase subunit HslU O...  92.0    2e-20
tr|A8GCD8|A8GCD8_SERP5 ATP-dependent Clp protease, ATP-binding su...  51.6    4e-07
tr|A0A5P8YGZ0|A0A5P8YGZ0_YERPE ATP-dependent Clp protease ATP-bin...  51.2    4e-07
tr|B4EV83|B4EV83_PROMH ATP-dependent Clp protease ATP-binding sub...  50.1    1e-06
tr|B4F2B3|B4F2B3_PROMH ATP-dependent zinc metalloprotease FtsH OS...  46.6    1e-05
sp|P0AAI3|FTSH_ECOLI ATP-dependent zinc metalloprotease FtsH OS=E...  46.2    2e-05
tr|A8G901|A8G901_SERP5 ATP-dependent zinc metalloprotease FtsH OS...  46.2    2e-05
tr|A0A5P8YB42|A0A5P8YB42_YERPE ATP-dependent protease OS=Yersinia...  46.2    2e-05
tr|A0A5P8YCE6|A0A5P8YCE6_YERPE ATP-dependent zinc metalloprotease...  45.8    2e-05
tr|Q9CNJ2|Q9CNJ2_PASMU ATP-dependent zinc metalloprotease FtsH OS...  43.1    2e-04
sp|P0ABH9|CLPA_ECOLI ATP-dependent Clp protease ATP-binding subun...  43.1    2e-04
sp|P71377|FTSH_HAEIN ATP-dependent zinc metalloprotease FtsH OS=H...  42.7    2e-04
tr|Q9CKU5|Q9CKU5_PASMU ComM OS=Pasteurella multocida (strain Pm70...  41.6    5e-04
tr|Q12QI8|Q12QI8_SHEDO ATP-dependent zinc metalloprotease FtsH OS...  41.2    7e-04

Затем, я скриптом вырезал только идентификаторы из имени последовательностей, и получил fasta файл, который уже использовал для построения дерева.

Реконструкция и визуализация

Выравнивание и построение дерева проводил с требуемыми настройками. Cссылка на скачивание Newick формулы.

Изображение дерева

Рисунок 1. Филогенетическое дерево гомологичных белков, цветовыми группами показаны группы ортологов.

Рисунок 2. Филогенетическое дерево гомологичных белков, цветовыми схлопнутыми группами показаны группы ортологов. Для группы CLPA из четырех всего один белок содержал аннотацию, для группы FTSH - два из семи.

Приведу некоторое обсуждение групп схлопнутых на рисунке 2:

FTSH: среди этой группы есть белки всех семи бактерий, но пять из них не аннотированы. Группа содержит ветвь {YERPE, SERP5}, соответствующую семейству Yersiniaceae, ветвь - {HAIEN, PASMU}, соотвествущую семейство Pasteurellaceae. Дерево группы не соответсвтвует эталонному, есть несуществующая ветвь {SHEDO, PROMH}.
CLPA: среди этой группы есть белки четырех из семи бактерий, три из них не аннотированы. Группа соответствует порядку Enterobacterales. Дерево группы не соответсвтвует эталонному - нет ветви {YERPE, SERP5}, соответствующей семейству Yersiniaceae.
HSLU: среди этой группы есть белки всех семи бактерий, все аннотированы. Группа содержит все таксоны, содержащиеся в эталонном дереве (три клады, перечисленные выше). Дерево соответствует эталонному дереву по топологии, но укоренено не в ту ветвь (в ветвь, отделяющую Pasteurellaceae)
CLPX: среди этой группы есть белки всех семи бактерий, все аннотированы. Топология и укоренение группы идентичны группе HSLU

Примеры пар ортологов: CLPX_ECOLI и CLPX_SERP5, CLPX_SERP5 и CLPX_YERPE, CLPX_YERPE и CLPX_PROMH

Примеры пар паралогов: CLPX_ECOLI и HSLU_ECOLI, HSLU_ECOLI и CLPA_ECOLI, CLPA_ECOLI и FTSH_ECOLI