Занятие 10-11

Выбранный домен:
AC: PF02065
ID: Melibiase
Glycoside hydrolase - гликозид гидролаза
Всего - 44 архитектуры в ~2к последовательностей у ~900 видов. Известно 24 структуры.
Выравнивание в java
Выбранные доменные архитектуры:
1650 последовательностей с монодоменной архитектурой:

Встречается как у Архей, Бактерий и Еукариот.
101 последовательность с дидоменной архитектурой:

Встречается только у Бактерий и Эукариот.
Таблица в Excel
Выравнивание в jar

Архитектуры и таксоны зашифрованы следующим образом: 1 - монодоменная архитектура, 2 - дидоменная,
A - Археи, B - Бактерии, E - Еукариоты.
По соответствующему выравниваю при помощи алгоритма Neighbor joining было выстроено филогенетическое древо.

Хорошо видно, что одно и двух доменные архитектуры хорошо разделены, при этом для каждой архитектуры видно четкое разбиение на бактериальные и эукариотические клады. Археи также попали на отдельную кладу. Исходя из такой картины можно предположить, что исходно существовал вариант с монодоменной архитектурой, который однажды удвоился и закрепился.
Выравнивание было разделено на 2 части по доменной архитектуре: 1d.msf и 2dn.msf. На основе них были построены профили.1df.p и 2df.p. При этом в случае монодоменной архитектуры для обеспечения лучшего качества профиля были исключены археи а в случае дидоменной бактерии. При этом для 2го профиля получаются довольно интересные результаты:

 110.050  11005 pos.       25 -     616 2E_Q02402_9FUNG/1-834 
  99.350   9935 pos.       25 -     619 2E_Q6BJW5_DEBHA/1-834 
   1.160    116 pos.      731 -     834 2E_Q6BJW5_DEBHA/1-834 
 109.560  10956 pos.       22 -     616 2E_B6K2X5_SCHJY/1-830 
   1.820    182 pos.      798 -     830 2E_B6K2X5_SCHJY/1-830 
  87.130   8713 pos.       27 -     602 2B_E6MLM8_9BACT/1-816 
 133.400  13340 pos.       19 -     608 2E_C7ZM03_NECH7/1-814 
 266.790  26679 pos.       26 -     615 2E_A1D5D5_NEOFI/1-812 
 267.910  26791 pos.       26 -     615 2E_B0Y945_ASPFC/1-812 
   1.030    103 pos.        1 -       9 2B_C1F805_ACIC5/1-812 
  55.760   5576 pos.       40 -     618 2B_C1F805_ACIC5/1-812 
 266.850  26685 pos.       26 -     615 2E_Q4WKV0_ASPFU/1-812 
  86.250   8625 pos.       29 -     604 2E_Q2H6Q5_CHAGB/1-800 
  82.950   8295 pos.       37 -     603 2E_Q0UQ91_PHANO/1-792 
  80.310   8031 pos.       36 -     603 2E_Q8RX86_ARATH/1-792 
  80.170   8017 pos.       34 -     601 2E_D7M1B4_ARALL/1-788 
  65.060   6506 pos.       26 -     604 2B_E8V416_TERSS/1-788 
 169.630  16963 pos.       31 -     603 2E_A2Q7N1_ASPNC/1-782 
   1.030    103 pos.      703 -     731 1E_C7ZIF8_NECH7/1-731 
   1.090    109 pos.      693 -     719 1B_C6I2J0_9BACE/1-719 
   1.100    110 pos.      706 -     712 1B_A6DLZ9_9BACT/1-712 
   1.060    106 pos.        1 -      14 1A_E7QZD0_9EURY/1-734

Откуда видно, что FP при весе равном 2 уже будет равняться нули и расти не будет. А FN до веса ~60 будет оставаться равным 3м.

Для профиля 1d картина аналогична:

  45.780   4578 pos.      171 -     601 1B_E9RZ54_9FIRM/1-732 
 103.880  10388 pos.      179 -     621 1E_Q5ATI8_EMENI/1-732 
  35.950   3595 pos.      175 -     607 1E_C7ZIF8_NECH7/1-731 
  71.770   7177 pos.      171 -     600 1B_C6GV73_STRS4/1-724 
  26.810   2681 pos.      170 -     603 1E_C7SEV1_9FUNG/1-724 
  71.530   7153 pos.      167 -     596 1B_Q04IR1_STRP2/1-720 
 103.270  10327 pos.      159 -     601 1E_Q2U1E4_ASPOR/1-720 
  71.530   7153 pos.      167 -     596 1B_Q8CWP3_STRR6/1-720 
 103.720  10372 pos.      159 -     601 1E_B8NCH4_ASPFN/1-719 
  21.700   2170 pos.      154 -     583 1B_C6I2J0_9BACE/1-719 
  18.100   1810 pos.      173 -     605 1B_A6DLZ9_9BACT/1-712 
 103.360  10336 pos.      157 -     599 1E_Q0CEE9_ASPTN/1-709 
  31.510   3151 pos.      151 -     566 1B_A4BGI0_9GAMM/1-708 
  98.790   9879 pos.      148 -     590 1E_B8MJL7_TALSN/1-700

Уже при весе равном 1 FP 0, а FN 3 не будет увеличиваться до веса ~20. Таким образом, учитывая особенности подготовки профилей, они неплохо подходят для поиска последовательностей бактерий и эукариот с однодоменной архитектурой (с трэшхолдом по весу 10) и еукариот и части бактерий с дидоменной архитектурой (трешхолд по весу 20)