BLAST Что такое выравнивание Выравнивание 2х последовательностей BLAST на NCBI: –Что это такое –Как выбрать правильную программу –Как выбрать правильную базу данных –Как запустить –Как интерпретировать результаты

Почему нас интересует локальное сходство последовательностей? Мы верим, что: 1. функцию, структуру и многие другие свойства белка/ДНК определяет последовательность; 2.родственные белки имеют похожие свойства молекулы, похожие по последовательности, похожи и по свойствам Т.о. свойства можно предсказать, анализируя изученные последовательности, похожие на данную

Гомологичные последовательности – последовательности, имеющие общее происхождение (общего предка) Признаки гомологичности белков сходная 3D-структура в той или иной степени похожая аминокислотная последовательность аналогичная функция разные другие соображения…

Гомологи Ортологи Паралоги Ксенологи ? ( W.M.Fitch, Syst.Zool.19,99(1970)

Ортологи последовательности, возникшие из одного общего предшественника в процессе видообразования. Ортологи, как правило, имеют одну и ту же функцию Паралоги последовательности, возникшие из одного общего предшественника в результате дупликации одного гена в одном организме. Паралоги, как правило, имеют разные функции.

Средство поиска сходства - выравнивание «Идеальное» выравнивание – запись последовательностей одна под другой так, чтобы гомологичные фрагменты оказались друг под другом. домовой скупидом водомерка лесовоз---лесо---воз ледоходлед---оход---

Схожие 3D структуры Вставка в «синей» последовательности

Как выровнять 2 последовательности? Цель - максимальное количество совпадений Просто написать их друг под другом Двигать друг относительно друга Вставлять пробелы Что лучше? лесовоз---лесо---воз ледоходлед---оход--- Гэп – пропуск в последовательности

Матрицы замен Матрица 20*20 на пересечении 2х aa их уровень сходства (?): –Похожесть по свойствам (объем, гидрофильность, заряд и т.д.) –Эволюционное родство – частота замен 1ой aa на другую в изученных белках 2 сорта последних: РАМ (Point Accepted Mutations) – на выравниваниях очень близких белков (РАМ20 = РАМ^20) BLOSUM (BLOck Scoring Matrix) – на блоках выравниваний далеких белков (без делеций) (BLOSUM62 – на белках со средним уровнем сходства 62% попарно)

Делеции/инсерции Общий штраф Значительно чаще 1 длинная делеция, чем много коротких => штраф за внесение делеции + штраф за удлинение делеции

Типы выравнивания Локальное – поиск фрагментов наиболее похожих друг на друга домовой домовой домовой скупидом водомерка водомерка Глобальное – сравнение последовательностей целиком: каждый нуклеотид (аминокислота) находит себе пару лесовоз---лесо---воз ледоходлед---оход--- ?

Критерии качества выравнивания Количество идентичных (похожих) аминокислот/нуклеотидов –Для белков – более 25% id при длине > 100 aa –Для ДНК – более 70% id при длине > 100 nt Длина выравнивания Вероятность наблюдать такое сходство случайным образом –Зависит от базы данных Score – общая мера сходства: –Зависит от программы

BLAST – Basic Local Alignment and Search Tool Локальное выравнивание Главная задача – поиск похожих последовательностей в базах данных (=> главное достоинство – скорость) Очень неточно восстанавливает сходство Основная программа поиска по БД Для специализированных БД часто предлагается на сайте БД Для поиска среди известных последовательностей есть специальные сервера

Родной BLAST – NCBI ( )

Какую программу BLAST выбрать? ПрограммаQueryТип БДСравнивает BlastnДНК Blastpбелок белки BlastxДНКбелокбелки TblastnбелокДНКбелки TblastxДНК белки

Дополнительные программы ДНК: –megaBLAST – другой алгоритм для сравнения ДНК. Оптимизирован для длинных похожих последовательностей. Оптимален для поиска хитов в родном геноме или очень близких видах –Discontiguous megaBLAST – аналогично, параметры подобраны для более далеких видов Белок: –PSI-BLAST (Position-Specific Iterated -BLAST) поиск удаленных белковых гомологов с использованием PSSM (position-specific scoring matrix) –PHI-BLAST (Pattern-Hit Initiated -BLAST) ищет гомологичные белки, удовлетворяющие заданному паттерну

Какую программу выбрать? ДНК Локализацию в родном геноме Ортологичный локус в близком виде Похожую, возможно, некодирующую, ДНК Белок-кодирующий ген в последовательности Гомолога с заданной функцией BLAST

Стандартный input

Промежуточная страница - СD

Output - I

Output - II

Output - III

Output IV

E-value, bit score E-value (the expectation value) – оценка числа раз наблюдать хит такого же качества при таком размере базы данных (0 - e-6 – хорошо, > – плохо) Как правило, BLAST недооценивает e-value! Bit Score – мера статистической значимости (вес – сумма стоимостей всех точечных замен) выравнивания, (меньше 50 – плохо)

Сообщение о параметрах В конце файла текстовая информация об использованный параметрах: –Использованная матрица замен –Штрафы за внесение и продление делеции –Дата –Использованная БД –Размер БД –Количество полученных хитов –…

Как сохранить результаты BLAST? Распечатывать плохо – слишком много Сохранить как Web-страницу в браузере – сохраняются линки Можно сохранить в.pdf Графический дисплей можно сохранить как картинку, а остальное – как текст

Выбор параметров Меняйте параметры только, если по умолчанию не работает (параметры по умолчанию подобраны хорошо для большинства ситуаций) Для того, чтобы выбрать более подходящие параметры надо очень ТОЧНО сформулировать задачу

Какие параметры менять? Фильтрация Low-complexity region – другой aa-состав Фильтрация: если Ваш белок содержит большой регион низкой сложности – попробуйте использовать BLAST без соответствующей фильтрации Если Ваш белок содержит очень часто встречающиеся домены, их тоже можно отфильтровать – в ручную ДНК – геном-специфичные повторы!

Параметры выравнивания Матрица:BLOSUM для локального выравнивания обычно лучше, чем PAM –Чем выше номер BLOSUM – тем строже выравнивание (BLOSUM80 вместо BLOSUM45 – более короткие выравнивания) –РАМ – чем ниже, тем строже Штрафы за делеции: –Чем больше штраф за внесение, тем короче выравнивания –Меняете матрицу – надо менять и штраф –Чем ниже номер BLOSUM (выше РАМ), тем меньше штраф за внесение делеции –Штраф за удлинение ~10 раз ниже, чем за внесение Если сравниваете удаленных гомологов, то лучше всего довольно высокий штраф за внесение делеции и низкий за удлинение Близкие гомологи – штрафы ближе друг к другу

Параметры output-формата Количество хитов Выбор базы данных (организм) Выбор порога - Expect (если хитов мало, то можно смотреть на более подозрительные) Entrez query – ключевые слова (например, protease AND human)

PSI - BLAST Алгоритм: –Несколько раундов поиска –Первый раунд – просто blastp (BLOSUM62) –Построение PSSM на основе полученных хитов (можете выбрать те, что надо) –Следующий раунд на основе этой PSSM –Методов итераций, пока множество хитов не перестанет меняться

PHI - BLAST Query – белок + паттерн, которому этот белок удовлетворяет Пример: >P28332|ADH6_HUMAN Alcohol dehydrogenase 6 - Homo sapiens (Human) MSTTGQVIRCKAAILWKPGAPFSIEEVEVAPPKAKEVRIKVVATGLCGTEMKVLGSKHLD LLYPTILGHEGAGIVESIGEGVSTVKPGDKVITLFLPQCGECTSCLNSEGNFCIQFKQSK TQLMSDGTSRFTCKGKSIYHFGNTSTFCEYTVIKEISVAKIDAVAPLEKVCLISCGFSTG FGAAINTAKVTPGSTCAVFGLGGVGLSVVMGCKAAGAARIIGVDVNKEKFKKAQELGATE CLNPQDLKKPIQEVLFDMTDAGIDFCFEAIGNLDVLAAALASCNESYGVCVVVGVLPASV QLKISGQLFFSGRSLKGSVFGGWKSRQHIPKLVADYMAEKLNLDPLITHTLNLDKINEAV ELMKTGKW G - H - E - x - {EL} - G - {AP} - x(4) - [GA] - x(2) - [IVSAC]

Пример простого мотива Алкогольдегидрогеназа 6 (человек) : GHEgAGIvesiGegV Алкогольдегидрогеназа класса 3 (рис) : GHEaAGIvesvGegV Алкогольдегидрогеназа, специфичная к пропанолу (кишечная палочка) : GHEgIGVvaevGpgV Распознающее правило типа «паттерн»: G - H - E - x - {EL} - G - {AP} - x(4) - [GA] - x(2) - [IVSAC] Паттерн – регулярное выражение UNIXa: Например, выражение [AC]-x-V-x(4)-{ED} читается как Ala или Cys- х-Val- х- х- х - х- (любой остаток, но не Glu и не Asp)

Align2seq Выравнивает 2 последовательности точно, как BLAST по базе данных (быстро, но не аккуратно)

Другие программы построения выравниваний Поиск по БД: –FASTA ( –Ssearch (алгоритм Smith-Waterman) ( –BLAT (genome.ucsc.edu) Попарное выравнивание: –Lalign ( –Любая программа из следующей лекции

Более сложное распознающее правило – PSSM. Какая а.к. последовательность будет иметь максимальный вес по этому профилю? A C D E F G H I K L M N P Q R S T V W Y