9.1 Pfam

Ссылка на таблицу
Выбранная архитектура

Некоторый белок бактериального жгутика, отвечающий за моторную активность
PDB основного домена
Интересно, что когда домен встречается сам по себе он отвечает за некоторый синтез, сопряженный со жгутиком - и напоминает АТФ-синтазу.

Таблица 1.
номер	ID	AC	название	число последовательностей среди бактерий
1	FliH	PF02108	Flagellar assembly protein FliH	3092
2	Yae1_N	PF09811	Essential protein Yae1, N terminal	75
Доменная архитектура	I0QMR4_9GAMM	I0QMR4	Flagellar assembly protein H	43 в Pfam, 243 в Uniprot

HMM gрофиль семейства белков

1. Отбор последовательностей
Сначала я посроила гистограмму длин белков. В ней я взяла длины с 225 до 275 аимнокислот. Конечно, гистограмма имеет странный вид - вероятно, есть три класса белков, а может и нет. Далее я оставила только нужные строки в таблице, убрав выбивающиеся по длине. С помощью средств Excel (сортировка по виду, сортировка по семейству) я выбрала примерно 50 белков. (смотреть в общей аблице на листе номер 2 или в файле
)
Их AC из первой колонки я скопировала в файл. Далее в Jalview (File -- Fetch sequences -- Uniprot -- OK -- RetrieveIDs) вставила АС, и достала последовательности. С помощью Muscle with defaults выровняла. Далее вруучную отредактировала выравнивание:
убрала 20 колонок с N-конца

14 колонок с C-конца

а также 7 выбивающихся из выравнивания последовательностей. Заново выровняла, сохранила в файл с итоговым выравниванием

hmm2build build.txt aligned_2.fa
hmm2calibrate build.txt

файл с итоговым выравниванием
Я буду тестировать на последовательностях с доменом pf02108, их 15506 штук Команда поиска hmm2search <профиль> <файл с последовательностями> -domE <порог E-value для доменов> -domT <порог веса T для доменов>

hmm2search -E 0.1  build.txt first_dom15000.fasta > findings.txt

Итак, в файле у нас теперь лежат все находки - те последовательности из базы данных (в нашем случае, в учебных целях, это все белки у которых есь один из доменов), обладающих той же архитектурой (то есть 2мя доменами )

 
700	tr|A0A104A7C7|A0A104A7C7_BURCE	1-Jan	18	227	.]	1	233	[]
	197.4	5.90E-05	0	175	0.720164609	0.034396908	0.965603092

Была построена ROC-кривая

И гистограмма весов

Посмотрев на них, я взяла точку, отмеченную красныч, соответствующую порогу на вес 197.4 и E-value = 5.90E-05 . Соответствующая таблица:

Таблица 2.
	Test positive	Test negative	sum
True positive	175	68	243
True negative	525	15258	15263
sum	700	14806	15506

Ссылка на таблицу нужен лист номер 4
Как видно из таблицы, тест мой так себе - специфичность у него низковата.