Профиль целевого семейства. Поиск порога. ROC - кривая

Выбор целевого семейства

Для построения профиля был выбран домен RF1 белка из шестого практикума для которого на указанной странице строился паттерн семейства на сайте Prosite. Соответствующий ему идентификатор PFAM: PF00472, далее приведена ссылка на страницу семейства в EMBL-EBI - Family: RF-1 (PF00472)
Данный домен был обнаружен у факторов высвобождения пептидной цепи, если не считать значительно меньшее количество белков с неизвестной функцией. Домен отвечает в белке за пептидил-тРНК гидролазную активность. Область RF1 содержит высококонсервативный мотив GGQ, в которой глутамин, судя по всему, координирует воду, которая опосредует гидролиз [1].

Выборка последовательностей была определена для таксона Proteobacteria. Запрос в базу данных Uniprot представленн ниже:

database:(type:pfam id:PF00471) taxonomy:proteobacteria AND reviewed:yes

Было найдено 375 последовательностей. Все они принадлежали к одной доменной архитектурой Pfam и были занесены в таблицу. С полученной информацией можно ознакомиться в книге Excel, в первом листе идентификаторов.

Получение выравнивания

muscle -in pr8_out.fasta -out mus_align.fasta

С помощью указанной команды и апплета JalView было построено выравнивание отобранных последовательностей, редактирование выравнивание проводилось вручную, невыровненные фрагменты были удалены, неровное построение сдвинуто по мере сил. С проектом можно ознакомиться скачав его или по ссылке, в представлении html:
Click on the picture below ↓

Построение и калибровка профиля для целевого семейства

Данные задачи были выполнены через SSH-клиент на сервере kodomo следующими командами:

hmm2build profile.out mus_align.fasta hmm2calibrate profile.out

С полученным профилем можно ознакомиться по ссылке: profile.out

Ради проверки коректности задание так же было выполнено с помощью пакета HMMER 3.0:

hmmbuild try_profile.out pr8_try.stk

Полученный в данном случае профиль так же доступен: try_profile.out

Результаты поиска по профилю в SwissProt

Команда ниже выполнила поиск среди записей банка данных SwissProt.

hmm2search --domE 1000 --domT -50 profile.out /srv/databases/emboss/data/uniprot/uniprot_sprot.fasta > swp_find.out

Были найдены найдены последовательности, соответствующие построенному профилю. Флаг -domE обозначает порог E-value для доменов в 1000, флаг --domT - такой же порог для веса со значением -50. То бишь порог веса снижен, когда как лимитирующего порога Е-value не существует. 781 подходящих против 962 не подходящих последовательностей можно считать сравнимми результатами, значит, значения подобраны хорошо.

Данные выдачи были записаны в отдельный, второй лист "Поиск SW" книги Excel. Последовательности, ранее обнаруженные в Uniprot, были отмечены в колонке "Is in ident-s?" знаком '+'.

Определение порога нормализованного веса для всех находок с помощью профиля

Было определено несколько потенциальных порогов и для каждого рассчитаны значения:
Sensуtivity(True Positive/ (True Positive + False negative)
Specificity(True Negative/(False Positive + True Negative),
Precision(True Positive/ (True Positive + False positive))

Параллельно по имеющимся данным средствами Excel были построены гистограмма распредления скоров по убыванию и ROS-кривая:

По гистограмме с дополнительными вычислениями для проверки корректности был вычислен порог - 88,6. Для него мы имеем оптимальное соотношение величин Sensitivity и Specificity - за счет того, что вторая величина имеет порогоое значение 1, а первая ограничивает точность выборки - примерно составляющую 40 процентов. То есть не набрав неверны последовательностей, мы рискуем потерять около 60% - не утешительная картина, но лучшая из возможных. Ниже представлен данные для этого score:

88,6	Истинные классы(1/0)
Предсказательные классы (1/0)	314	0
	True	41	586
Sensitivity: 0,36	Specificity: 1	Precision: 1

Таким образом, вычислим precision порога и профиля: в первом случае считаем процент верных находок относительно всех находок по профилю, во втором случае считаем тот же процент, но в новой выборке, отсекая все до порога. Precision порога мы только что рассчитали.

Вывод: Означенный профиль достаточно функционален в плане определения принадлежности семейству определённой белковой последовательнсти со скором выше порога, однако, он не самый идеальный из возможных. 39% находок по базе это не достаточно большая величина. А выставленный порог, отсекающий 60% верных находок как неверные благоприятной работе не способствует. И хотя величины сравнимы, показания могли бы быть и получше.

Рефренсы:

• 1 - Song H, Mugnier P, Das AK, Webb HM, Evans DR, Tuite MF, Hemmings BA, Barford D; , Cell 2000;100:311-321.: The crystal structure of human eukaryotic release factor eRF1--mechanism of stop codon recognition and peptidyl-tRNA hydrolysis. PUBMED:10676813 EPMC:10676813

Ссылки на ресурсы:

• http://pfam.xfam.org/family/RF-1

Вернуться назад

©Solonovich Vera,2017