Занятие 3: Поисковые системы

Найти белок CDD_BACSU в банке SwissProt с помощью SRS и описать не менее трех особенностей в его аминокислотной последовательности

Поиск осуществляется с помощью SRS - Sequence Retrieval System. Ход выполнения задания кратко представлен в виде скриншотов.

Выберем несколько особенностей, например, вторую альфа-спираль, третий бета-тяж и пятую альфа-спираль.

Вторая альфа-спираль образована тремя аминокислотными остатками (с 48 до 50): тирозином, серином и метионином (YSM):

ID   CDD_BACSU_15;  parent: CDD_BACSU
FT   HELIX        48     50
SQ   Sequence     3 AA;
     YSM
//

Третий бета-тяж образован девятью аминокислотными остатками (с 70 до 78): фенилаланином, глутамином, метионином, лейцином, аланином, валином, аланиом, аланином и аспарагиновой кислотой (FQMLAVAAD):

ID   CDD_BACSU_17;  parent: CDD_BACSU
FT   STRAND       70     78
SQ   Sequence     9 AA;
     FQMLAVAAD
//

Пятая альфа-спираль образована четырьмя аминокислотными остатками (с 117 до 120): валином, глутаминовой кислотой, глутаминовой кислотой и лейцином (VEEL):

ID   CDD_BACSU_23;  parent: CDD_BACSU
FT   HELIX       117    120
SQ   Sequence     4 AA;
     VEEL
//

Получить и сохранить описание всех записей банка трехмерных структур PDB, относящихся к белку CDD_BACSU

В результате сохранения полученной информации мы получим файл all_pdb_files_cdd_bacsu.txt, содержащий в себе информацию четырёх записей pdb (PDB:1JTK, PDB:1UWZ, PDB:1UX0, PDB:1UX1), представленную в виде PDBShortView.

Найти полноразмерные белки из Firmicutes, выполняющие функцию, сходную с функцией белка CDD_BACSU

Сначала составим несколько запросов на все последовательности.

Затем составим запрос только на полноразмерные последовательности.

Таблица встеречаемости в SwissProt белков из Firmicutes, имеющих функцию, сходную с функцией белка CDD_BACSU из Bacillus subtilis

Сохранить полноразмерные последовательности найденных белков в fasta-формате

Выберем первые десять результатов в выдаче по последнему указанному в таблице поисковому запросу.

Затем сохраним выбранные полноразмерные последовательности найденных белков в формате .fasta.

В результате получаем следующий файл с последовательностями: all_fasta_files_similar_cdd_bacsu.fasta.

Сохранить список последовательностей из предыдущего задания, в котором указаны ID, AC, Species, Description и длина последовательности

В разделе Create a view выберем следующие поля: ID, AccessionNumber, Description, Species, Sequence Length.

Отметим 10 последовательностей, которые были сохранены в формате .fasta.

В результате получаем файл ten_similar_cdd_bacsu.xls , представляющий собой плоскую таблицу.

Описать изменения, произошедшие с записью белка CDD_BACSU от первого ее появления в банке Uniprot до последней версии

Воспользуемся сервисом ExPASy.

Изучим историю изменения записи белка CDD_BACSU. Для этого перейдём по ссылке History или Complete history.

Выберем для сравнения первую и последнюю версии записи.

Информация об измененях в записи представлена в наглядной форме.

После изучения страницы сравнения версий записей можно сделать следующие выводы:

• Первая запись датируется 1 ноября 1990 года (01-NOV-1990), последняя - 25 января 2012 года (25-JAN-2012).
• Идентификатор AC остался неизменным - P19079. Идентификатор ID изменился с CDD$BACSU на CDD_BACSU (по сути, изменилась форма записи идентификатора ID).
• Изменения в последовательности отсутствуют.
• Последняя версия записи несёт заметно больший объём информации. Например, появились описание функции белка, ссылки на различные материалы с указанием авторов и другой информации, изменилась форма записи некоторых полей (так, в новой версии присутствует отдельное указание AltName). Отдельно стоит отметить отсутствие информации об особенностях белка (Features) в первой записи.

Таким образом, новая версия записи, состоящая из 182 строк (против 25 строк первой записи), содержит в себе намного больше информации, что, впрочем, естественно. Мы видим, что единственной информацией, сохранившейся на протяжении более чем 20 лет, стали идентификатор AC, последовательность, информация об авторских правах (Copyright) и лицензии, а также идентификатор записи в базе данных PIR (Protein Information Resource).

Найти и изучить страницу с описанием поля Taxonomy банка Swissprot

В SRS зайдём на страницу Library Page, откуда проследуем на страницу с описанием банка SwissProt.

Затем перейдём на страницу описания поля Taxonomy.

Узнать, названия каких таксонов начинаются на bacil, можно с помощью следующего поскового запроса:

bacil*

В результате получаем:

Итак, на bacil начинаются названия следующих таксонов:

bacillaceae
bacillales
bacillariaceae
bacillariales
bacillariophyceae
bacillariophycidae
bacillariophyta
bacillus

Чтобы выяснить, сколько в банке SwissProt записей, описывающих белки из рода Bacillus, составим следующий запрос:

bacillus

Итак, в банке SwissProt 23088 записей, описывающих белки из рода Bacillus.

Аналогично выясняем, что в банке SwissProt 68036 записей, описывающих белки из рода Firmicutes:

Описать особенности сервиса MRS по сравнению с SRS

Используя MRS, находим запись белка CDD_BACSU в SwissProt:

Нас интересует функция Find similar (найти похожие записи).

Если проанализировать полученные с помощью неё результаты, то можно сделать предположение, что сначала выдаются записи со таким же кодом белка (в даном случае - cdd), затем - записи с таким же кодом организма и со сходной информацией о белке (описание и функции).

Можно отметить необходимые записи среди найденных, например, для того, чтобы загрузить их. Однако здесь мы сталкиваемся с ограничением: отмеченные результаты актуальны только для текущей страницы и, соответственно, загрузить можно только видимые на странице результаты; при переходе на другую страницу загрузить записи, отмеченные на предыдущей странице, нельзя; однако если вернуться обратно на страницу, на которой уже были отмечены некоторые результаты, мы увидим, что наши отметки «сохранились».

В MRS также присутствует возможность поиска найденной информации в других банках данных.
Представленный объём информации заметно меньше, нежели в SRS. Однако MRS является достаточно «быстрой» и удобной поисковой системой для работы с биологическими и медицинскими банками данных.
Кроме того, MRS имеет открытый исходный код, что может быть немаловажным аргументом за использование MRS.

Найти записи SwissProt, связанные с научными интересами известного российского биолога А.А.Нейфаха

Для начала узнаем, как правильно записать фамилию учёного.

Теперь необходимо выполнить поиск по запросу neyfakh в поле Reference: Authors. При этом можно выбрать поля, которые мы желаем увидеть в выдаче, а именно Description, References: Authors, References: Title и References: Year:

Затем, отметив необходимые записи, мы можем загрузить результаты в виде таблицы Excel, содержащей необходимые нам поля.

В итоге получаем файл neyfakh.xls.

Если в задании подразумевалось сохранение только тех записей, в которых Нейфах - автор именно первой публикации, то, исключив неподходящие под этот критерий записи, получим следующий файл: neyfakh_onlyfirst.xls.

Как видно из результатов, Нейфах занимался изучением бактерии Bacillus subtilis, является одним из авторов статей на тему генетического контроля синтеза белков.

Описать некоторые существенные отличия в формате записи белка CDD_BACSU в БД Proteins на сайте NCBI от формата Uniprot

Произведя поиск в Entrez, находим нужную нам страницу с записью белка.

Сравнивая формат записи белка в БД Proteins на сайте NCBI с форматом записи Uniprot, мы может сделать следующие выводы:

1. есть различия в расположении некоторых полей информации;
2. названия полей в формате на сайте NCBI записаны полностью, в отличие от сокращений в Uniprot (например, KEYWORDS вместо KW), что, возможно, более удобно при использовании; однако при при работе с форматом Uniprot трудностей с восприятием сокращений, на мой взгляд, не возникает;
3. при использовании формата на сайте NCBI более приятна и удобна работа с полем FEATURES, сравнивая с форматом Uniprot; например, при нажатии на обозначение участка, к которому относится особенность (gene, Region, Site), выделяется соответствующий участок последовательности, при этом можно легко получить, если это требуется, запись участка в формате .fasta и др.;
4. к каждой особенности в первом из рассматриваемых форматов имеются полезные примечания (note, experiment);
5. при работе с записью на сайте NCBI легко и быстро можно перейти к графическому режиму (и многим другим режимам) работы с записью с помощью соответствующей ссылки.

Во многом сравниваемые форматы записей схожи. Работать с записью на сайте NCBI, по моему скромному мнению, не менее удобно, чем с форматом Uniprot, в том числе благодаря наличию удобных настроек отображения необходимой информации и предоставлению средств работы с ней.

Ссылки

1. Документ из банка UniProt для белка CDD_BACSU.
2. Описание всех записей банка трехмерных структур PDB, относящихся к белку CDD_BACSU.
3. Полноразмерные последовательности найденных белков в формате .fasta.
4. Список найденных последовательностей с наличием требуемых в задании полей в формате .xls.
5. Записи SwissProt, связанные с научными интересами известного российского биолога А.А.Нейфаха.