Практикум 8. UniProt Proteomes и EMBOSS

1. Поиск протеома, соответствующего геномной сборке

Геномная сборка из первого семестра: GCA_003054495.1. Полная сборка вида: GCA_003047205.1.

Ссылка NCBI Datasets: GCA_003047205.1

Идентификаторы сборки: INSDC: GCA_003047205.1. В RefSeq данная сборка не представлена.

Поисковый запрос в UniProt Proteomes: genome_assembly:GCA_003047205.1

Результат: протеом UP000241323.

2. Поиск и скачивание референсного протеома

Поиск референсного протеома выполнен с запросом, содержащим ограничение по таксону и статусу протеома:

taxonomy_id:178899 AND proteome_type:1

Результат: UP000241323 (Reference proteome).

Протеом скачан в формате swiss (сжатый gzip) через REST API UniProt:

wget 'https://rest.uniprot.org/uniprotkb/stream?compressed=true&format=txt&query=(proteome:UP000241323)' -O ~/term2/pr8/UP000241323.swiss.gz

3. Оценка числа белков с альфа-спиралями

Скрипт count_helices.sh считает записи (а не строки), содержащие поля FT HELIX и FT TRANSMEM, используя разделитель записей //.

#!/bin/bash
echo "Всего записей:"
zcat $1 | grep -c '^//'

echo "Записей с FT HELIX:"
zcat $1 | awk '/^FT   HELIX/{found=1} /^\/\//{if(found) count++; found=0} END{print count}'

echo "Записей с FT TRANSMEM:"
zcat $1 | awk '/^FT   TRANSMEM/{found=1} /^\/\//{if(found) count++; found=0} END{print count}'
            

Результаты:

Выводы:

• FT HELIX = 0: в протеоме вторичная структура не аннотирована (типично для TrEMBL).
• FT TRANSMEM = 539 записей: трансмембранные участки почти всегда альфа-спиральные, это нижняя оценка числа белков с альфа-спиралями (около 20% протеома).
• Реальное число белков с альфа-спиралями заведомо выше, но по данным UniProt точно определить невозможно.

4. Оценка количества ферментов

Скрипт count_enzymes.sh считает записи с EC и ключевыми словами KW:

#!/bin/bash
echo "Записей с EC:"
zcat $1 | awk '/EC=/{found=1} /^\/\//{if(found) count++; found=0} END{print count}'

echo "Записей с KW (Hydrolase, Transferase...):"
zcat $1 | awk '/^KW.*(Hydrolase|Transferase|Oxidoreductase|Lyase|Isomerase|Ligase|Translocase)/{found=1} /^\/\//{if(found) count++; found=0} END{print count}'
            

Результаты скрипта:

Поисковые запросы на сайте UniProt:

1. proteome:UP000241323 AND ec:* — 580 находок (все белки с любым кодом EC).
2. proteome:UP000241323 AND keyword:"Hydrolase" — 215 находок (белки с ключевым словом Hydrolase).

Выводы:

• Поиск по EC даёт 580 белков (около 22% протеома) — это белки, для которых предсказана конкретная ферментативная реакция.
• Поиск по KW даёт 957 записей (около 36% протеома) — более широкая оценка, включающая белки с ферментативными доменами без точного кода EC.
• Реальное число ферментов, вероятно, находится между этими оценками или выше, так как часть гипотетических белков может обладать неизвестной ферментативной активностью.
• Оба запроса на сайте UniProt валидны и дают корректные результаты.