Предсказание генов прокариот

Дан контиг contig.txt микробиома кардиального отдела желудка болотного валлаби Wallabia bicolor. Задача – при помощи программ getorf, BLASTP и GeneMark проаннотировать этот фрагмент: определить границы белок-кодирующих генов, по возможности определить их функцию и обосновать свои выводы.

Использование getorf

Будем искать открытые рамки считывания длиной от 60 триплетов, используя бактериальный генетический код (11).

getorf contig.txt -minsize 180 -table 11

Результат:

>Vasyutkina_1 [92 - 1315] 
VTPKYSTWKQIMSNLDGSNQQNTENTPKDVEVVTTESSKFDDIRHYRNDEVPNAIQSILN
NDQVISGISGYMFKRVPKFLSFIVKPFVKAVLKKKFAKVKTIREVQEYVAQFMNGIIRDT
TDGFTYSGFDKLDKNKGYLFISNHRDISLDPAFINMACFAEDLDTVKIAIGDNLLRMPVA
TDLMKLNKSFIVKRSISSPKEKLKAFSELSEYIGLAIKENHNVWIAEREGRAKDGNDIAE
AAIMKMFYIYGKKQGFSFKDYIKQLNIVPVSITYEYDPRDIQKARELYESAQNGEYIKSE
FEDIESIVGGITGYKGHVHISAGAPLCGDYENAQELADEIDRYVHKHYRMFPSILAAANV
TENLDPKDKEKFEKHMAEVPQELKEIVRSMYAKAYENNQKAQTIQAKH
>Vasyutkina_2 [2635 - 2880] 
GLWKINCSSFFKSPHKWGCAPGLQHVDIKISTVLLCISFMMSLYLWVRNALTLYLLYLKI
YNDLTFKLLNVNISLIPLRLWF
>Vasyutkina_3 [2665 - 1487] (REVERSE SENSE) 
KKMNNLFSTNLNYQKLVSQFGSPLLILDKATIRYQYLALHKALPNVTLHYALKPLPLNTV
VSVLKELGSSFDLASNGEVDIVKSANIDPKTCIHTHPIKKDQDIKYALEYGCNVFVYDNE
TELEKFTKYKDQVKLLLRVSFPNPETKVDLSKKFGTTPENVLNLLQKAKDKGFNIYGLSF
HVGSQVPNSKRHVEAITSCNNLINQAQDLGINISVLDIGGGFPVDYQNAEPIDIDSFCAP
IREALKNTPKNVQILAEPGRFISAPAMHNICTVTGISRRFDKNWYYLDDGVYCSYSGQIF
DHVCYPKFTPYNSHINVESCVLAGPTCDSIDVIAEDIKLPKLELNDLLVGKMMGAYTIAT
ATEFNFIPKSKIIELDLADSSSTIYTEELLNAA
>Vasyutkina_4 [750 - 523] (REVERSE SENSE) 
FSLIAKPMYSLNSENAFNFSFGELIERLTIKLLFNFIKSVATGILNKLSPIAIFTVSKSS
AKQAIFIKAGSNEMSL
>Vasyutkina_5 [465 - 280] (REVERSE SENSE) 
VNPSVVSRIIPFINCATYSCTSRIVFTLANFFLSTAFTKGFTMKDKNLGTLLNMYPEIPL
IT

Для каждой из рамок программой blastp на сайте NCBI был проведен поиск гомологов по банку swissprot. Дополнительный параметр - поиск только бактериальных последовательностей. [Organism: bacteria (taxid:2)]

Будем считать последовательности близкими, если E-value находки меньше 0.001 и не менее 80% банковской последовательности покрыто выравниванием. Только для рамки №3 были найдены последовательности с такими параметрами. Для рамки №1 обнаруживается одна последовательность с E-value 0.001, но выравнивание покрывает ее не более чем на 40%. Данные о находке приведены в таблице 1. Организмы из рода Selenomonas обнаружены в ЖКТ жвачных животных (источник). Это подтверждает правильность находки.

Использование GeneMark

Контиг был обработан программой GeneMark. Она использует эвристические алгоритмы. Дополнительный параметр - запрос файла выдачи в формате PDF. В результате был получен файл с данными о найденных генах gmhmmp.out, а также график кодирующего потенциала, который показан на рис. 1. Горизонтальная ось графика - это номер (позиция) каждой буквы контига, а вертикальная ось показывает, какова вероятность у этой позиции кодировать ген. Жирные горизонтальные полосы выделяют области с высоким кодирующим потенциалом, то есть те, которые, возможно, являются генами. Данные о предсказанных генах приведены в таблице 1.

Рис. 1. График кодирующего потенциала данного контига. Получено с помощью GeneMark

Сравнение предсказаний

Таблица 1. Гены, найденные в контиге

Всего программой GeneMark предсказаны 2 возможных гена, они соответствуют рамкам №1 и №3 с незначительным сдвигом. Также на рис. 1 можно заметить остальные рамки считывания, найденные getorf, в этих областях кодирующий потенциал существенно больше 0. Но он недостаточно высок для того, чтобы программа GeneMark считала эти области возможными генами. Из имеющихся данных можно сделать вывод, что GeneMark успешно находит области, где высока вероятность нахождения гена. Однако нельзя утверждать, что для найденных областей обязательно найдутся гомологи с высоким сходством. В целом, удобнее использовать GeneMark для поиска наиболее вероятных кодирующих областей, чем перебирать все найденные getorf рамки считывания.

Использование GeneMark с другими эвристическими параметрами

Есть 2 варианта работы GeneMark: с эвристическими параметрами 1999 и 2010 года. В этой работе использовались более старые параметры. Результат работы GeneMark с параметрами 2010 года: gmhmmp2010.out, файл PDF. Для данного контига изменений нет. Я думаю, для сравнения результатов нужно подобрать другой файл со "спорными" областями.