Отобранные виды бактерий

Скобочная формула дерева

Дерево отобранных бактерий, полученное по заданному дереву, в Newick формате:

((CLOTE,MOOTA),((ENTFA,LACAC),(STAAR,(LISMO,(BACAN,GEOKA)))));

Изображение дерева

Изображение построено программой MEGA по записи в Newick формате и далее отредактировано программой Paint.
Указанная таксономия соответствует таксономии NCBI:

Ветви дерева

Неукоренённую топологию полученного дерева можно задать следующим списком разбиений множества листьев дерева, где каждое разбиение соответствует нетривиальной ветви неукоренённого дерева (список охватывает все нетривиальные ветви дерева):

1. {MOOTA, CLOTE} vs {LACAC, ENTFA, STAAR, LISMO, GEOKA, BACAN},
2. {LACAC, ENTFA} vs {STAAR, LISMO, GEOKA, BACAN, MOOTA, CLOTE},
3. {LACAC, ENTFA, MOOTA, CLOTE} vs {STAAR, LISMO, GEOKA, BACAN},
4. {LACAC, ENTFA, STAAR, MOOTA, CLOTE} vs {LISMO, GEOCA, BACAN},
5. {LACAC, ENTFA, STAAR, LISMO, MOOTA, CLOTE} vs {GEOKA, BACAN}.

Дерево имеет n = 8 листьев, и поэтому 2n - 3 = 13 ветвей для неукоренённой топологии, из которых (2n - 3) - n = n - 3 = 5 нетривиальных − перечислены в списке.
Первая из них разделяет выбранных бактерий на классы Clostridia и Bacilli, вторая ветвь выделяет порядок Lactobacillales, третья ветвь выделяет порядок Bacillales, пятая нетривиальная ветвь выделяет семейство Bacillaceae. Для клады, выделяемой четвёртой ветвью, в таксономии NCBI название отсутствует.

Поиск гомологов белка CLPX_ECOLI в выбранных бактериях

Белок CLPX_ECOLI имеет сложную доменную структуру — составлен 3 доменами. Его N- и С-концевые домены, видимо, специфичны для семейства шаперонов CLP, тогда как центральный домен белка относится к подсемейству Cdc48 очень обширного семейства AAA+ АТФаз.

Поиск гомологов этого белка в протеомах выбранных бактерий производился при помощи локального blastp с порогом E-value = 1E-3, длиной якорного слова = 6 aa и матрицей BLOSUM62.
В выдаче программы находки можно разбить на 4 группы по длине выравнивания: >400 aa (находка с самым коротким выравниванием), [300; 400) aa (находка с самым коротким выравниванием), [200; 300) aa (находка с самым коротким выравниванием) и <200 aa за исключением выравниваний находок, имеющих другие выравнивания в одной из предыдущих групп (находка с самым длинным выравниванием). На граничных представителях этих групп показано (и верно для каждой из групп в целом из-за похожих внутри групп паттернов покрытия выравнивания), что белки первой группы имеют все 3 домена искомого белка, белки второй и третьей групп обладают центральным и C-доменом искомого белка, а для длинных белков четвёртой группы гомология с искомым белком выражается лишь наличием AAA+ АТФазного домена. Гомологами CLPX_ECOLI считались белки первой, второй и третьей групп (имеющие гомологичные центральный и C-концевой домены), что согласуется с причислением их к суперсемейству Clp в UniProt.

Таким образом, было найдено 19 гомологов белка CLPX_ECOLI:

Выравнивание и реконструкция филогении гомологов CLPX_ECOLI

Для выравнивания найденных последовательностей использовалась программа MAFFT. Поскольку последовательности, исходя из выравниваний в выдаче blastp, имеют один общий для всех них гомологичный участок, но АТФазный домен имеет сильно вариабельную длину (т.е., видимо, имеются большие неконсервативные инсерции), а также имеются протяжённые негомологичные участки с N-концевой стороны, использовался алгоритм E-INS-I:

Команда:

mafft --ep 0 --genafpair --maxiterate 1000 --bl 45 proteins.fasta > proteins_einsi.msa

Для удаления неконсервативных участков было проведено триммирование выравнивания программой BMGE с удалением колонок, содержащих более 30% гэпов:

Команда:

java -jar $BMGE -i proteins_einsi.msa -t AA -h 1 -g 0.3 -of proteins_einsi_gap30.msa

Филогенетическое дерево было построено по триммированному выравниванию программой IQTREE2 методом ML с моделью LG+G4+C10 (модель LG+G4 подобрана автоматически в соответствии с Bayesian information criterion):

Команда:

iqtree2 -s proteins_einsi_gap30.msa -m LG+G4+C10 

Полученное дерево в Newick формате, переукоренённое по ветви, разделяющей семейства ClpA/B и ClpX, и без указания длин ветвей: ссылка

Примеры пары ортологов на дереве: Q8Y8B1_LISMO и Q5L436_GEOKA, HSLU_BACAN и Q2RJP5_MOOTA, Q5FKR6_LACAC и CLPX_LISMO

Примеры пары паралогов на дереве: Q8Y8B1_LISMO и HSLU_LISMO, Q8Y8B1_LISMO и CLPX_LISMO, HSLU_LISMO и CLPX_LISMO

Визуализация (проведена сервисом iTOL):

Раскраска по ортологичным группам: красный — семейства ClpA/ClpB, зелёный — семейство ClpX sensu stricto, синий — семейство ClpX подсемейство HslU	Ортологичные клады сжаты с сохранением раскраски: ClpA/ClpB включает белки бактерий LISMO, STAA8, GEOKA и LACAC, не совместимо с деревом видов; ClpX s. str. включает белки всех 8 бактерий, не совместимо с деревом видов; ClpX_HslU включает белки всех выбранных бактерий, кроме CLOTE, не совместимо с деревом видов