PSI-BLAST. Множественное выравнивание. Профили. Домены

материалы используемые в презентации взяты из книги Bioinformatics and Functional

Genomics by Jonathan Pevsner Copyright © 2009 by John Wiley & Sons, Inc. и соответствующего курса по биоинформатики Johns Hopkins School of Medicine

в виде запроса для белков RefSeq, BLASTP не "найдет" миоглобин

человека. Потому что эти два белка имеют слишком отдаленное родство. PSI-BLAST в NCBI, а также скрытые Марковские модели легко решают эту проблему.

[2] Нельзя задавать запрос для поиска в виде 10 000 пар оснований или миллионов пар оснований. Многие BLAST подобные инструменты для геномной ДНК имеют такие возможности: PatternHunter, Megablast, BLAT и BLASTZ.

Кафедра биоинформатики МБФ РНИМУ

базу данных в поисках совпадений с вашей последовательностью белка путем

использования оценочной матрицы, которая настроена на ваш запрос.

Общая идея : заменяем сиквенс белка вероятностной моделью семейства белков

Кафедра биоинформатики МБФ РНИМУ

запустите поиск в базе данных последовательностей белков [2] PSI-BLAST строит множественное

выравнивание последовательностей затем создает «профиль» или специализированную позиционно-специфическую оценочную матрицу (PSSM - position-specific scoring matrix).

Кафедра биоинформатики МБФ РНИМУ

аминокислот в каждой позиции
Кафедра биоинформатики МБФ РНИМУ
R,I,K
C
D,E,T
K,R,T
N,L,Y,G

R N D C Q E G H I L

K M F P S T W Y V
1 M -1 -2 -2 -3 -2 -1 -2 -3 -2 1 2 -2 6 0 -3 -2 -1 -2 -1 1
2 K -1 1 0 1 -4 2 4 -2 0 -3 -3 3 -2 -4 -1 0 -1 -3 -2 -3
3 W -3 -3 -4 -5 -3 -2 -3 -3 -3 -3 -2 -3 -2 1 -4 -3 -3 12 2 -3
4 V 0 -3 -3 -4 -1 -3 -3 -4 -4 3 1 -3 1 -1 -3 -2 0 -3 -1 4
5 W -3 -3 -4 -5 -3 -2 -3 -3 -3 -3 -2 -3 -2 1 -4 -3 -3 12 2 -3
6 A 5 -2 -2 -2 -1 -1 -1 0 -2 -2 -2 -1 -1 -3 -1 1 0 -3 -2 0
7 L -2 -2 -4 -4 -1 -2 -3 -4 -3 2 4 -3 2 0 -3 -3 -1 -2 -1 1
8 L -1 -3 -3 -4 -1 -3 -3 -4 -3 2 2 -3 1 3 -3 -2 -1 -2 0 3
9 L -1 -3 -4 -4 -1 -2 -3 -4 -3 2 4 -3 2 0 -3 -3 -1 -2 -1 2
10 L -2 -2 -4 -4 -1 -2 -3 -4 -3 2 4 -3 2 0 -3 -3 -1 -2 -1 1
11 A 5 -2 -2 -2 -1 -1 -1 0 -2 -2 -2 -1 -1 -3 -1 1 0 -3 -2 0
12 A 5 -2 -2 -2 -1 -1 -1 0 -2 -2 -2 -1 -1 -3 -1 1 0 -3 -2 0
13 W -2 -3 -4 -4 -2 -2 -3 -4 -3 1 4 -3 2 1 -3 -3 -2 7 0 0
14 A 3 -2 -1 -2 -1 -1 -2 4 -2 -2 -2 -1 -2 -3 -1 1 -1 -3 -3 -1
15 A 2 -1 0 -1 -2 2 0 2 -1 -3 -3 0 -2 -3 -1 3 0 -3 -2 -2
16 A 4 -2 -1 -2 -1 -1 -1 3 -2 -2 -2 -1 -1 -3 -1 1 0 -3 -2 -1
...
37 S 2 -1 0 -1 -1 0 0 0 -1 -2 -3 0 -2 -3 -1 4 1 -3 -2 -2
38 G 0 -3 -1 -2 -3 -2 -2 6 -2 -4 -4 -2 -3 -4 -2 0 -2 -3 -3 -4
39 T 0 -1 0 -1 -1 -1 -1 -2 -2 -1 -1 -1 -1 -2 -1 1 5 -3 -2 0
40 W -3 -3 -4 -5 -3 -2 -3 -3 -3 -3 -2 -3 -2 1 -4 -3 -3 12 2 -3
41 Y -2 -2 -2 -3 -3 -2 -2 -3 2 -2 -1 -2 -1 3 -3 -2 -2 2 7 -1
42 A 4 -2 -2 -2 -1 -1 -1 0 -2 -2 -2 -1 -1 -3 -1 1 0 -3 -2 0

20 аминокислот

Все аминокислоты от позиции 1 до последней позиции белковой последовательности запроса в PSI-BLAST

R N D C Q E G H I L

K M F P S T W Y V
1 M -1 -2 -2 -3 -2 -1 -2 -3 -2 1 2 -2 6 0 -3 -2 -1 -2 -1 1
2 K -1 1 0 1 -4 2 4 -2 0 -3 -3 3 -2 -4 -1 0 -1 -3 -2 -3
3 W -3 -3 -4 -5 -3 -2 -3 -3 -3 -3 -2 -3 -2 1 -4 -3 -3 12 2 -3
4 V 0 -3 -3 -4 -1 -3 -3 -4 -4 3 1 -3 1 -1 -3 -2 0 -3 -1 4
5 W -3 -3 -4 -5 -3 -2 -3 -3 -3 -3 -2 -3 -2 1 -4 -3 -3 12 2 -3
6 A 5 -2 -2 -2 -1 -1 -1 0 -2 -2 -2 -1 -1 -3 -1 1 0 -3 -2 0
7 L -2 -2 -4 -4 -1 -2 -3 -4 -3 2 4 -3 2 0 -3 -3 -1 -2 -1 1
8 L -1 -3 -3 -4 -1 -3 -3 -4 -3 2 2 -3 1 3 -3 -2 -1 -2 0 3
9 L -1 -3 -4 -4 -1 -2 -3 -4 -3 2 4 -3 2 0 -3 -3 -1 -2 -1 2
10 L -2 -2 -4 -4 -1 -2 -3 -4 -3 2 4 -3 2 0 -3 -3 -1 -2 -1 1
11 A 5 -2 -2 -2 -1 -1 -1 0 -2 -2 -2 -1 -1 -3 -1 1 0 -3 -2 0
12 A 5 -2 -2 -2 -1 -1 -1 0 -2 -2 -2 -1 -1 -3 -1 1 0 -3 -2 0
13 W -2 -3 -4 -4 -2 -2 -3 -4 -3 1 4 -3 2 1 -3 -3 -2 7 0 0
14 A 3 -2 -1 -2 -1 -1 -2 4 -2 -2 -2 -1 -2 -3 -1 1 -1 -3 -3 -1
15 A 2 -1 0 -1 -2 2 0 2 -1 -3 -3 0 -2 -3 -1 3 0 -3 -2 -2
16 A 4 -2 -1 -2 -1 -1 -1 3 -2 -2 -2 -1 -1 -3 -1 1 0 -3 -2 -1
...
37 S 2 -1 0 -1 -1 0 0 0 -1 -2 -3 0 -2 -3 -1 4 1 -3 -2 -2
38 G 0 -3 -1 -2 -3 -2 -2 6 -2 -4 -4 -2 -3 -4 -2 0 -2 -3 -3 -4
39 T 0 -1 0 -1 -1 -1 -1 -2 -2 -1 -1 -1 -1 -2 -1 1 5 -3 -2 0
40 W -3 -3 -4 -5 -3 -2 -3 -3 -3 -3 -2 -3 -2 1 -4 -3 -3 12 2 -3
41 Y -2 -2 -2 -3 -3 -2 -2 -3 2 -2 -1 -2 -1 3 -3 -2 -2 2 7 -1
42 A 4 -2 -2 -2 -1 -1 -1 0 -2 -2 -2 -1 -1 -3 -1 1 0 -3 -2 0

обратите внимание, что данная аминокислота (например, аланин) в последовательности запроса может по разному оцениваться при совпадении с аланином - в зависимости от положения в белке

Выберите последовательность и запустите поиск в базе данных последовательностей белков [2]

PSI-BLAST строит множественное выравнивание последовательностей затем создает «профиль» или специализированную позиционно-специфическую оценочную матрицу (PSSM - position-specific scoring matrix).

[3] PSSM используется при запросе для дальнейшего поиска в базе данных

[4] PSI-BLAST оценивает статистическую значимость (E values)

Выберите последовательность и запустите поиск в базе данных последовательностей белков [2]

PSI-BLAST строит множественное выравнивание последовательностей затем создает «профиль» или специализированную позиционно-специфическую оценочную матрицу (PSSM - position-specific scoring matrix).

[3] PSSM используется как запрос для поиска в базе данных

[4] PSI-BLAST оценивает статистическую значимость (E values)

[5] Итеративное повторение шагов [3] и [4], обычно 5 раз.
При каждом новом поиске, новый профиль используется в качестве запроса.

threshold
1 104 49
2 173 96
3 236 178
4 301 240
5 344 283
6 342 298
7 378 310
8 382 320

МБФ РНИМУ

итерация 2

итерация 3

3e-07
Кафедра биоинформатики МБФ РНИМУ

2, E value 1e-42!!!

3, E value 6e-34

protein
apolipoprotein D

маленькой) картине
retinol-binding
protein
Запрос RBP

матрицы позволяют сосредоточиться на большой (или маленькой) картине

мощные чем PAM или BLOSUM

связей между белками (

ложное усиление последовательностей, не связанных с запросом. Например, запрос с биспиральным (coiled-coil) мотивом может выявить тысячи других негомологичных белков с этим мотивом.

Даже однажды вошедший выше порога в результат поиска PSI-BLAST ложный белок останется при последующих итерациях – проблема искажения (corruption)

Кафедра биоинформатики МБФ РНИМУ

со значением E

с искажением: [1] Применить фильтрацию искажающих участков профиля сгенерированного PSI-BLAST (например, программа SEG: http://www.ncbi.nlm.nih.gov/Education/BLASTinfo/Seg.html [2] Настроить порог E значения ниже 0,001 (по умолчанию), например E = 0,0001. [3] Просмотреть результаты каждой из итерации.       Удалить подозрительные хиты, сняв флажок.

Кафедра биоинформатики МБФ РНИМУ

PSI-BLAST: проблема искажения

участки
идентификация белковых семейств
Структурный анализ
определить последовательность ковариация
моделирование гомологии
Практическое применение
определить консервативные сайты

связывания праймеров
конструирование мутагенетических экспериментов
анализ мутантов

Кафедра биоинформатики МБФ РНИМУ

В 1990-х исследователи начали понимать, что выравнивание нескольких последовательностей (профилей) дает гораздо больше информации, чем парные выравнивания.

частично или полностью выровнены
Гомологичные остатки выровнены в столбцах по всей

длине последовательностей
Остатки гомологичны в эволюционном смысле
Остатки гомологичны в структурном смысле

Кафедра биоинформатики МБФ РНИМУ

Множественное выравнивание последовательностей

Bioinformatic Methods I. Coursera

множественные выравнивания, и много другое

caveolin в поле поиска
Кафедра биоинформатики МБФ РНИМУ

набор кавеолинов. Изменить Display на Multiple alignment.

белков хорошо выравнены, хотя пробелы также включены.

альтернативным сплайсингом

(MSA) пяти глобинов белков. Мы будем использовать пять известных программ

MSA: ClustalW, Praline, MUSCLE (используется в HomoloGene), ProbCons и TCoffee. Каждая программа имеет уникальные особенности.
Мы сосредоточимся на остатках гистидина (H), который имеет важную роль в связывании кислорода в глобинах, и должны быть выровнены. Но часто выравнивание не совпадает, и все пять программ дают разные ответы.
Вывод: не существует единственно верного подхода к MSA. Десятки новых программ были разработаны в последние годы.

Кафедра биоинформатики МБФ РНИМУ

изменяется в зависимости от используемого алгоритма

последовательности …
Соответствующие трехмерные структуры белков также эволюционируют…
может оказаться невозможным идентификации

аминокислотных остатков, которые выравниваются должным образом (структурно) в течение множественного выравнивания последовательностей
Для двух белков, с 30% идентичностью аминокислотной последовательности, совмещается около 50% отдельных аминокислот в двух структурах

Кафедра биоинформатики МБФ РНИМУ

Свойства множественного выравнивания последовательностей

быть высоко консервативны
может быть консервативные домены, такие как трансмембранный домен
может

быть консервативны особенности вторичной структуры
может быть участки в последовательностях являются паттернами вставок или делеций

Кафедра биоинформатики МБФ РНИМУ

Особенности множественного выравнивания последовательностей

представляющий собой достаточно стабильную и независимую подструктуру белка, фолдинг которой

проходит независимо от остальных частей [wikipedia].
Домен – это часть полипептидной цепи (или вся цепочка), которая сворачивается независимо в стабильную третичную структуру [C.Brenden & John Tooze]
Доменами в белках называют области в третичной структуре, которым свойственна определенная автономия структурной организации [Степанов В.М.]

основе
греческих ключей
Jelly roll barrel

принять форму множественного выравнивания, и может раскрыть консервативные остатки или

мотивы
Демографические данные могут быть проанализированы в множественном выравнивании (PopSet)
Отдельный запрос может быть использован для поиска в базе данных множественных выравниваний (например, PFAM)
Регуляторные области генов могут быть консенсусными последовательностями идентифицируемыми множественным выравниванием

Кафедра биоинформатики МБФ РНИМУ

Использование множественного выравнивания

на структуре (Expresso)

Кафедра биоинформатики МБФ РНИМУ

деревом), чтобы определить, как объединить попарные выравнивания по одному для

создания множественного выравнивания.

[1] Сделать ряд глобальных попарных выравниваний (Needleman и Wunsch динамический алгоритм программирования)
[2] Создать направляющее дерево
[3] Постепенно выровнять последовательности

Кафедра биоинформатики МБФ РНИМУ

n последовательностей, (n-1)(n) / 2
Для 5 последовательностей, (4)(5) / 2

= 10
Для 200 последовательностей, (199)(200) / 2 = 19,900

в баллы расстояния

Markov models)
Скрытые Марковские модели (HMMs) являются "состояниями", которые описывают вероятность

наличия конкретного аминокислотного остатка расположенного в колонке множественного выравнивания последовательностей
HMMs являются вероятностными моделями
HMMs может дать более чувствительные выравнивания, чем традиционные методы, такие как прогрессивное выравнивание

Кафедра биоинформатики МБФ РНИМУ

захотеть выйти на улицу
Солнце = собака, вероятно, выйдет на улицу
Д
С
0.15
0.85
0.2
0.8
Марковское

состояние = не зависимость от ближайшего предыдущего состояния ("Без памяти")

courtesy of
Sarah Wheelan

лежит в основе реальности (скрытом состоянием цепи)?
R
S
0.15
0.85
0.2
0.8
P(собака идет в дождь)

= 0.2
P(собака идет на солнце) = 0.85

ДНК, РНК) или аминокислот (в белках), которые имеют существенное биологическое

значение. Мотивы в белках позволяют найти участки белков, отвечающие за определённые свойства.

Для обозначения мотива используют стандартные обозначения регулярных выражений

Кафедра биоинформатики МБФ РНИМУ

аминокислот.
Строка из символов алфавита — обозначающая последовательность соответствующих аминокислот.
[ABC] — любая строка

символов, взятых из алфавита в квадратных скобках соответствует любому из соответствующих аминокислот; например [ABC] соответствует любому из аминокислот, из представленных: или a или b или c.
{ABC} — любая строка символов, взятых из алфавита соответствует любой аминокислоте кроме тех, что находятся в фигурных скобках; например {ABC} соответствует любой аминокислоте, кроме: a, b и c.
Главная идея, лежащая в этих обозначениях — принцип соответствия: последовательность элементов паттерна совпадает с последовательностью аминокислот, если и только если последнюю последовательность можно разбить на подпоследовательности таким образом, что каждый элемент массива соответствует соответствующий подпоследовательности в свою очередь.
Например, модель [AB] [ CDE ] F соответствует шести последовательности аминокислот: ACF, ADF, AEF, BCF, BDF и BEF.

Кафедра биоинформатики МБФ РНИМУ

PROSITE дополняет список выражений, описанных выше:
1. «х» — шаблон элемента обозначают

любую аминокислоту.
2. '<' — шаблон ограничивается N-концом последовательности.
3. '>' — шаблон ограничивается C-концом последовательности.
Также символ ' >' может находиться внутри квадратных скобок, например: S [ T> ] соответствует как " ST " и « S >».
4. Если е — шаблон элемента, и m и n два целых десятичных числа и m < = n, то:
- е (m) эквивалентно повторению е ровно m раз - е ( m, n) эквивалентно повторению е ровно k раз для любого целого k удовлетворяющей : m < = k < = n Например:
х (3) эквивалентно Х-Х-Х.
х (2,4) соответствует любой последовательности, которая соответствует хх или ххх или хххх.

Кафедра биоинформатики МБФ РНИМУ

ресурс по анализу белковых семейств
http://pfam.xfam.org//