Сигналы, мотивы, PWM.

Цель практикума: поискать с помощью программы MEME сайт связывания транскрипционного фактора, регулирующего синтез пуринов у одной из гаммапротеобактерий.

Для поиска мотивов было предложено найти у своей бактерии в базе данных Uniprot 8-10 генов, принимающих участие в биосинтезе пуринов (поиск по ключевому слову "Purine biosynthesis"). Далее приведены данные о найденных белках у Salmonella typhimurium LT2 (Uniprot-мнемоника - SALTY).

Entry	Entry name	Protein names	Gene names	Coordinates
P74881	PUR4_SALTY	Phosphoribosylformylglycinamidine synthase	purL STM2565	complement(2708255..2712142)
Q8ZNW5	PURT_SALTY	Formate-dependent phosphoribosylglycinamide formyltransferase	purT STM1883	1975661..1976839
P65882	PURA_SALTY	Adenylosuccinate synthetase	purA STM4366	4609111..4610409
P58688	FOLD_SALTY	Bifunctional protein FolD	folD STM0542	complement(602705..603571)
P26977	PUR2_SALTY	Phosphoribosylamine--glycine ligase	purD STM4175, STMF1.31	complement(4391174..4392463)
Q8ZN60	GUAA_SALTY	GMP synthase [glutamine-hydrolyzing]	guaA STM2510	complement(2622804..2624381)
O68446	PURR_SALTY	HTH-type transcriptional repressor PurR	purR STM1430	complement(1507911..1508936)
P74883	PUR5_SALTY	Phosphoribosylformylglycinamidine cyclo-ligase	purM STM2499	complement(4392475..4394064)
P26978	PUR9_SALTY	Bifunctional purine biosynthesis protein PurH	purH STM4176, STMF1.30	2613072..2614109
P65889	PUR7_SALTY	Phosphoribosylaminoimidazole-succinocarboxamide synthase	purC STM2487	complement(2602103..2602816)

Сборка генома Salmonella typhirium LT2 (AC: AE006468.2)

По координатам кодирующих последовательностей в геноме были найдены координаты 100 предшествующих им (со стороны 5'-конца от стартового кодона) нуклеотидов. Такие нуклеотиды составляют Upstream-регионы генов. Далее с помощью команды descseq upstream-регионы были собраны в единый файл upstream.fasta.

Затем была запущена программа MEME, которая и должна найти мотивы в последовательностях. Командная строка: ememe upstream.fasta -nmotifs 3 -revcomp

Полная выдача программы МЕМЕ.
Разберём, что говорят эти результаты.
Для каждого мотива приведено его информационное содержание (Information Content) - числовой параметр, позволяющий оценить, является данная последовательность мотивом или случайной находкой. По грубым оценкам, слово длины n = I/2 (где I - инормационное содержание) может встретиться в геноме раз в 4^n пар нуклеотидов.
E-value показывает, насколько велика вероятность находки с таким же или большим весом.
Также приведены LOGO - схематичные диаграммы, в которых высота столбца равна I этой позиции и показывает его вклад в суммарное I всего мотива, а высота букв равна I столбца, умноженному на вероятность встретить данную букву на данной позиции. Таким образом, LOGO отображает наиболее правдоподобную последовательность искомого мотива.

Основные характеристики предполагаемых мотивов приведены ниже:

	E-value = 2.7*10^(-3) Information Content = 20.2 (bits) встретился у 7 последовательностей
	E-value = 5.9*10^3 Information Content = 10.4 (bits) встретился у 10 последовательностей
	E-value = 3.6*10^3 Information Content = 10.1 (bits) встретился у 10 последовательностей

В данном случае мотивом можно считать только 1ую последовательность, найденную программой. Такой вывод можно сделать на основании низкого E-value (тысячные доли единицы) и довольно высокого информационного содержания.