Парное выравнивание. Матрицы замен. BLAST

структурно или функционально два белка (или гена)

Выявляет домены или мотивы,

которые являются общими между белками

Используется для анализа и аннотации генома (поиск и описание генов, участков кодирующих рРНК и тРНК, поиск регуляторных сигналов)

Кафедра биоинформатики МБФ РНИМУ

белка более информативна (20 против 4 символов); многие аминокислоты имеют

общие физико-химические свойства
Нуклеотидные кодоны вырождены: изменения в третьей позиции часто не приводит к изменению аминокислоты
Последовательности ДНК могут быть переведены в белковые, и затем использоваться в парных выравниваниях

Кафедра биоинформатики МБФ РНИМУ

кДНК (комплементарная ДНК (кДНК, англ. сDNA) — это ДНК, синтезированная

на матрице зрелой мРНК в реакции, катализируемой обратной транскриптазой).
исследование некодирующих областей ДНК
изучения полиморфизма ДНК
пример: ДНК неандертальца против современной человеческой ДНК

Кафедра биоинформатики МБФ РНИМУ

для достижения максимальных уровней идентичности (и консервативности, в случае аминокислотных

последовательностей) с целью оценки степени сходства и возможной гомологии.

МБФ РНИМУ
Beta globin (NP_000509)
2HHB
myoglobin
(NP_005359)
2MM1

которые возникли из общего предкового гена во время видообразования; могут

быть или не быть ответственным за аналогичные функции.

Паралоги: Гомологичные последовательности в пределах одного вида, которые возникли путем дупликации генов.

оценку сходства
Определить условия (штраф) для пробелов (вставки, делеции) при выравнивании
Счет

отражает степень сходства
Выравнивание может быть глобальными или локальными
Оценить вероятность того, что выравнивание произошло случайно

Кафедра биоинформатики МБФ РНИМУ

буквы или вставка буквы.
Редакционное расстояние: минимальное количество элементарных преобразований, переводящих

одну последовательность в другую.
Формализация задачи сравнения последовательностей: найти редакционное расстояние и набор преобразований, его реализующий

Редакционное расстояние

остатки (аминокислоты) в одинаковых позициях последовательностей одни и те же.

«+» оценка

Несовпадение (mismatch) – остатки (аминокислоты) в одинаковых позициях последовательностей разные. «-» или «+» оценка

Штраф за пробел (gap penalty) – в одной из последовательностей произошла вставка или делеция, поэтому необходимо добавить пробел. Т.к. такое событие происходит реже, чем изменение остатка, то за это действие вводится штраф. Штрафы могут быть разные: за начало пробела (gap opening) и за продолжение пробела (gap extension). «-» оценка

между собой. Она основана на идентичности и консервативности.
Кафедра биоинформатики МБФ

РНИМУ

Идентичность (identity) : Степень, в которой две (нуклеотидные или аминокислотные) последовательности одинаковы.

Консервативность (conservation) : Изменения в определенном положении аминокислотного остатка или (реже, нуклеотидного) в последовательности, которые сохраняют физико-химические свойства исходного остатка.

формате fasta format) и кликнем BLAST.

Выберем “Algorithm parameters” и обратим

внимание на опцию Matrix.

myoglobin
Myoglobin RefSeq
Query = HBB
Subject = MB
Средняя строка показывает identities;
+ sign

for similar matches

Информация о выравнивании: score, expect value, identities, positives, gaps…

myoglobin:
Score = сумма совпадений (match), несовпадений (mismatch), создание пробела

(gap creation), и продолжение пробела (gap extension)

V matching V дает +4 Эти оценки даны на основе
T matching L дает -1 матрицы замен “scoring matrix”!

position scores -1
Создание пробела – большой штраф;
Расширение пробела – небольшой

штраф.

биоинформатики МБФ РНИМУ
4
3
2
1
0
Происхождение жизни
Происхождение эукариот
Насекомые
Грибы/животные
Растения/животные
Самые ранние окаменелости
Эукориоты/
археи
Когда вы делаете попарное

выравнивание гомологичных белков человека и растений, вы изучаете последовательности общего предка, жившего 1500000000 лет назад!

PDMKVVSNAS CTTNCLAPLA
human GAKRVIISAP SAD.APM..F VMGVNHEKYD NSLKIISNAS CTTNCLAPLA

plant GAKKVIISAP SAD.APM..F VVGVNEHTYQ PNMDIVSNAS CTTNCLAPLA
bacterium GAKKVVMTGP SKDNTPM..F VKGANFDKY. AGQDIVSNAS CTTNCLAPLA
yeast GAKKVVITAP SS.TAPM..F VMGVNEEKYT SDLKIVSNAS CTTNCLAPLA
archaeon GADKVLISAP PKGDEPVKQL VYGVNHDEYD GE.DVVSNAS CTTNSITPVA

fly KVINDNFEIV EGLMTTVHAT TATQKTVDGP SGKLWRDGRG AAQNIIPAST
human KVIHDNFGIV EGLMTTVHAI TATQKTVDGP SGKLWRDGRG ALQNIIPAST
plant KVVHEEFGIL EGLMTTVHAT TATQKTVDGP SMKDWRGGRG ASQNIIPSST
bacterium KVINDNFGII EGLMTTVHAT TATQKTVDGP SHKDWRGGRG ASQNIIPSST
yeast KVINDAFGIE EGLMTTVHSL TATQKTVDGP SHKDWRGGRT ASGNIIPSST
archaeon KVLDEEFGIN AGQLTTVHAY TGSQNLMDGP NGKP.RRRRA AAENIIPTST

fly GAAKAVGKVI PALNGKLTGM AFRVPTPNVS VVDLTVRLGK GASYDEIKAK
human GAAKAVGKVI PELNGKLTGM AFRVPTANVS VVDLTCRLEK PAKYDDIKKV
plant GAAKAVGKVL PELNGKLTGM AFRVPTSNVS VVDLTCRLEK GASYEDVKAA
bacterium GAAKAVGKVL PELNGKLTGM AFRVPTPNVS VVDLTVRLEK AATYEQIKAA
yeast GAAKAVGKVL PELQGKLTGM AFRVPTVDVS VVDLTVKLNK ETTYDEIKKV
archaeon GAAQAATEVL PELEGKLDGM AIRVPVPNGS ITEFVVDLDD DVTESDVNAA

Множественное выравнивание последовательностей
глицеральдегид 3-фосфат дегидрогеназ:
пример очень высокого консерватизма

частоту замен в 18 глобинах (миоглобины и гемоглобины от человека

до миноги).

Черный: Идентичные
Серые: очень консервативные замены (частота >40%)
Белые: слабо консервативные замены (частота >21%)
Red: замен не наблюдалось

lys обнаружен в 58% сайтов arg

Два белка с 50% идентичностью могут иметь 80 изменений среди 100 остатков. (Почему? Потому что, любой остаток может быть предметом обратных мутаций.)

i мутирует в аминокислоту j для всех пар аминокислот.
Матрицы замен

строятся путем соединения большого и разнообразного набора проверенных попарных выравниваний (или множественных выравниваний) аминокислот.
Матрицы замен должны отражать истинные вероятности мутаций, происходящих в течении эволюции.
PAM и BLOSUM - два основных типа матриц замен.

Кафедра биоинформатики МБФ РНИМУ

(Percentage of Acceptable Point Mutations) или матрица Dayhoff. Исходная матрица

PAM рассчитана по набору глобальных выравниваний близкородственных белков (>85% идентичность) со средней вероятностью мутации в 1%. Остальные матрицы получены путем возведения матрицы в соответствующую степень. Наиболее часто используется матрица PAM250.
Матрицы серии BLOSUM рассчитаны на основе блоков, составленных из непрерывных выравненных фрагментов. Матрица BLOSUM62 рассчитана по выравненным наборам с идентичностью не менее 62%.

оценочная матрица, которая присваивает баллы и прощает несоответствия…
(+17 для замены

W на W
или -5 для замены W на T)

как PAM10, строгих и не терпящих несоответствия
(+13 для замены W

на W
или -19 для замены W на T)

лет

Ig kappa chain 37
Kappa casein 33
luteinizing hormone b 30
lactalbumin 27
complement component 3 27
epidermal growth

factor 26
proopiomelanocortin 21
pancreatic ribonuclease 21
haptoglobin alpha 20
serum albumin 19
phospholipase A2, group IB 19
prolactin 17
carbonic anhydrase C 16
Hemoglobin a 12
Hemoglobin b 12

лет

Ig kappa chain 37
Kappa casein 33
luteinizing hormone b 30
lactalbumin 27
complement component 3 27
epidermal growth

factor 26
proopiomelanocortin 21
pancreatic ribonuclease 21
haptoglobin alpha 20
serum albumin 19
phospholipase A2, group IB 19
prolactin 17
carbonic anhydrase C 16
Hemoglobin a 12
Hemoglobin b 12

human (NP_005203) versus mouse (NP_031812)

лет

apolipoprotein A-II 10
lysozyme 9.8
gastrin 9.8
myoglobin 8.9
nerve growth factor 8.5
myelin basic protein 7.4
thyroid stimulating hormone b

7.4
parathyroid hormone 7.3
parvalbumin 7.0
trypsin 5.9
insulin 4.4
calcitonin 4.3
arginine vasopressin 3.6
adenylate kinase 1 3.2

лет

triosephosphate isomerase 1 2.8
vasoactive intestinal peptide 2.6
glyceraldehyde phosph. dehydrogease 2.2
cytochrome c 2.2
collagen 1.7
troponin C, skeletal

muscle 1.5
alpha crystallin B chain 1.5
glucagon 1.2
glutamate dehydrogenase 0.9
histone H2B, member Q 0.9
ubiquitin 0

РНИМУ

аминокислотных остатков
Кафедра биоинформатики МБФ РНИМУ
Dayhoff определяет оценку двух выровненных остатков

I, J, как 10 кратный логарифм отношения, частоты их совпадения в природе q (на основе известных последовательностей) на вероятность совпадения этих аминокислот случайно p.

биоинформатики МБФ РНИМУ

кодонов; красный = 1 кодон

Встречается одно изменение аминокислоты на 100 а.к.

Встречается одно изменение аминокислоты на 100 а.к.

или низкую консервативность
Кафедра биоинформатики МБФ РНИМУ
fly GAKKVIISAP

SAD.APM..F VCGVNLDAYK PDMKVVSNAS CTTNCLAPLA
human GAKRVIISAP SAD.APM..F VMGVNHEKYD NSLKIISNAS CTTNCLAPLA
plant GAKKVIISAP SAD.APM..F VVGVNEHTYQ PNMDIVSNAS CTTNCLAPLA
bacterium GAKKVVMTGP SKDNTPM..F VKGANFDKY. AGQDIVSNAS CTTNCLAPLA
yeast GAKKVVITAP SS.TAPM..F VMGVNEEKYT SDLKIVSNAS CTTNCLAPLA
archaeon GADKVLISAP PKGDEPVKQL VYGVNHDEYD GE.DVVSNAS CTTNSITPVA

fly KVINDNFEIV EGLMTTVHAT TATQKTVDGP SGKLWRDGRG AAQNIIPAST
human KVIHDNFGIV EGLMTTVHAI TATQKTVDGP SGKLWRDGRG ALQNIIPAST
plant KVVHEEFGIL EGLMTTVHAT TATQKTVDGP SMKDWRGGRG ASQNIIPSST
bacterium KVINDNFGII EGLMTTVHAT TATQKTVDGP SHKDWRGGRG ASQNIIPSST
yeast KVINDAFGIE EGLMTTVHSL TATQKTVDGP SHKDWRGGRT ASGNIIPSST
archaeon KVLDEEFGIN AGQLTTVHAY TGSQNLMDGP NGKP.RRRRA AAENIIPTST

fly GAAKAVGKVI PALNGKLTGM AFRVPTPNVS VVDLTVRLGK GASYDEIKAK
human GAAKAVGKVI PELNGKLTGM AFRVPTANVS VVDLTCRLEK PAKYDDIKKV
plant GAAKAVGKVL PELNGKLTGM AFRVPTSNVS VVDLTCRLEK GASYEDVKAA
bacterium GAAKAVGKVL PELNGKLTGM AFRVPTPNVS VVDLTVRLEK AATYEQIKAA
yeast GAAKAVGKVL PELQGKLTGM AFRVPTVDVS VVDLTVKLNK ETTYDEIKKV
archaeon GAAQAATEVL PELEGKLDGM AIRVPVPNGS ITEFVVDLDD DVTESDVNAA

биоинформатики МБФ РНИМУ

мутаций?
Оценочная матрица должна быть удобной для попарного выравнивания (или поиска

BLAST) и оценки двух выровненных аминокислотных остатков.
Логарифмы легче использовать для системы оценки. Они позволяют нам суммировать баллы выравненных остатков вместо того, чтобы умножить их.

Кафедра биоинформатики МБФ РНИМУ

выравнивания остатков a,b:

S(a,b) = 10 log10 (Mab/pb)
Mab - вероятность замены

а на b; pb - частота замены а.к. b

Например, триптофан:

S(trp,trp) = 10 log10 (0.55/0.010) = 17.4

Кафедра биоинформатики МБФ РНИМУ

происходит в 1,6 раза чаще, чем ожидалось случайно.
Счет 0 является

нейтральным.
Счет -10 означает, что замена аминокислоты в выравнивании происходит в 10 раз медленней, чем ожидалось случайно.

Кафедра биоинформатики МБФ РНИМУ

консервативный
Менее консервативный

рассмотрении только консервативных участков (блоков) не близкородственных последовательностей
BLOSUM62 - матрица

вычисленная из сравнения последовательностей с не менее чем 62% -ым расхождением

Кафедра биоинформатики МБФ РНИМУ

РНИМУ
Percent identity
Эволюционное расстояние PAMs
“сумеречная зона”

(1970)
Алгоритм локального выравнивания Смита-Уотермана (1981)
BLAST (Basic Local Alignment Search Tool),

эвристическая версия Смита-Уотермана

Кафедра биоинформатики МБФ РНИМУ

осями Х и Y (каждая из осей является соответствующей последовательностью)
Если

остатки в позиции одинаковые, то путь в этой ячейке рисуется в виде диагонали
Поиск оптимальных подпутей, и их добавление для достижения лучшего результата. Включает:
Добавление если нужно пробелов
Разрешение консервативных замен
Изменение системы оценки (скоринга)
Гарантирует нахождение оптимального выравнивания

Кафедра биоинформатики МБФ РНИМУ

выравнивание
Кафедра биоинформатики МБФ РНИМУ

идентичность (оставаться вдоль диагонали)
[2] несовпадение (оставаться вдоль диагонали)
[3] пробел в

одной последовательности (передвижение по вертикали!)
[4] пробел в другой последовательности (передвижение по горизонтали!)

с построения матрицы идентичности

каждой последовательности к другому концу.
Локальное выравнивание находит регионы с оптимальным

соответствием в двух последовательностях ("подпоследовательности").
Локальное выравнивание почти всегда используется для поиска в базах данных, таких как BLAST. Оно полезно для поиска доменов (или ограниченных областей гомологии) внутри последовательностей.
Смит и Уотерман (1981) решили проблему выполнения оптимального локального выравнивания последовательностей. Другие методы (BLAST, FASTA) быстрее, но менее тщательны.

Кафедра биоинформатики МБФ РНИМУ

МБФ РНИМУ
NP_824492, NP_337032
15% identity
30% identity

+ 1, n + 1)
Нет отрицательных значений в скоринговой матрице!

S> 0
Счет в каждой клетке максимальный из четырех значений:
[1] s(i-1, j-1) + новая оценка [i,j] (совпадение или несовпадение)
[2] s(i,j-1) – gap penalty
[3] s(i-1,j) – gap penalty
[4] 0

Кафедра биоинформатики МБФ РНИМУ