Поиск схожих последовательностей в базах данных. Локальное выравнивание. Семейство программ серии BLAST

Август 4, 2022

Главная
Биология
Поиск схожих последовательностей в базах данных. Локальное выравнивание. Семейство программ серии BLAST

Содержание

2. Выравнивание последовательностей —размещение двух или более последовательностей ДНК, РНК или белков друг под другом таким образом,
3. Цель выравнивания – добиться максимального количества совпадений. Что лучше? Просто написать последовательности друг под другом Двигать
4. Алгоритм локального выравнивания был предложен Т. Ф. Смитом и М. Уотерменом в 1981 г. В обоих
5. – Стоимость замены, вcтавки, делеции Значительно чаще 1 длинная делеция, чем много коротких => штраф за
6. AACGTTTCCAGTCCAAATAGCTAGGC ===--=== =-===-==-====== AACCGTTC TACAATTACCTAGGC Hits(+1): 18 Misses (-2): 5 Gaps (existence -2, extension -1): 1
7. http://blast.ncbi.nlm.nih.gov/Blast.cgi BLAST (Basic Local Alignment Search Tool) — семейство компьютерных программ, служащих для поиска гомологов белков
8. Используя BLAST, можно сравнить имеющуюся последовательность с последовательностями из базы данных и найти последовательности предполагаемых гомологов.
9. Принципы работы BLAST 1. Для каждого слова длины W в искомой последовательности составляется список схожих слов,
10. 2. Для каждого слова обрабатываем составленный для него список схожих слов - ищем, по заранее построенной
11. 3. Расширяем выравнивание вправо и влево от найденных “затравок” используя алгоритм динамического программирования сначала без гэпов
13. После максимального продления размеров всех возможных «слов» изучаемой последовательности, определяются выравнивания с максимальным количеством совпадений для
18. ДНК: megaBLAST – другой алгоритм для сравнения ДНК. Оптимизирован для длинных похожих последовательностей. Оптимален для поиска
20. Пример последовательности в формате FASTA : >OVAX_CHICK GENE X PROTEIN QIKDLLVSSSTDLDTTLVLVNAIYFKGMWKTAFNAEDTREMPFHVTKQESKPVQMMCMNNSFNVATLPAEKMKILELPFASGDLSMLVLLPDEVSDLERIEKTINFEKLTEWTNPNTMEKRRVKVY Пустые строки в середине не
21. Вырожденные нуклеотидные коды (красный цвет), рассматриваются как «mismatches» нуклеотидного выравнивания. Для тех программ, которые используют аминокислотные
22. Nucleotide Sequence Databases Nr All GenBank + RefSeq Nucleotides + EMBL + DDBJ + PDB sequences
23. Peptide Sequence Databases Nr All non-redundant GenBank CDS translations + RefSeq Proteins + PDB + SwissProt
25. Белок: PSI-BLAST (Position-Specific Iterated -BLAST) поиск удаленных белковых гомологов с использованием PSSM (position-specific scoring matrix) PHI-BLAST
27. При определении сходства ключевым элементом является матрица замен, так как она определяет показатели сходства для любой
28. Выбор параметров Меняйте параметры только, если по умолчанию не работает (параметры по умолчанию подобраны хорошо для
29. Выбор параметров Матрица:BLOSUM для локального выравнивания обычно лучше, чем PAM Чем выше номер BLOSUM – тем
33. E-value (the expectation value) – представляет число различных элайментов с баллами эквивалентными или лучшими, чем S,
39. PSI – BLAST Алгоритм: Несколько раундов поиска Первый раунд – просто blastp (BLOSUM62) Построение PSSM на
41. DELTA – BLAST (Domain Enhanced Lookup Time Accelerated BLAST)
48. MEGAN V5.11.3 http://ab.inf.uni-tuebingen.de/software/megan/ Основное применение программы для разбора и анализа результата BLAST сравнения набора ридов против
49. MEGAN V5.11.3 http://ab.inf.uni-tuebingen.de/software/megan/ The aim of MEGAN is to provide a tool for studying the taxonomic
50. MEGAN V5.11.3 http://ab.inf.uni-tuebingen.de/software/megan/ However, the main application of the program is to parse and analyze the
51. MEGAN V5.11.3 http://ab.inf.uni-tuebingen.de/software/megan/ New input to the program is usually provided as a BLAST file obtained
54. DNA Master http://cobamide2.bio.pitt.edu/ DNA Master это Multiple Document Interface (MDI) программа для создания, модификации и анализа
55. domain A discrete portion of a protein assumed to fold independently of the rest of the
56. RAST (Rapid Annotation using Subsystem Technology) is a fully-automated service for annotating bacterial and archaeal genomes.
58. LOCUS FJ795028 701 bp mRNA linear PRI 06-APR-2009 DEFINITION Homo sapiens tumor necrosis factor alpha (TNF)
59. CDS /gene="TNF" /note="APC1 protein" /codon_start=3 /product="tumor necrosis factor alpha" /protein_id="ACO37640.1" /db_xref="GI:226201421" /translation="STESMIRDVELAEEALPKKTGGPQGSRRCLFLSLFSFLIVAGAT TLFCLLHFGVIGPQREEFPRDLSLISPLAQAVRSSSRTPSDKPVAHVVANPQAEGQLQ WLNRRANALLANGVELRDNQLVVPSEGLYLIYSQVLFKGQGCPSTHVLLTHTISRIAV SYQTKVNLLSAIKSPCQRETPEGAEAKPWYEPIYLGGVFQLEKGDRLSAEINRPDYLD FAESGQVYFGIIAL«
61. Скачать презентацию

Слайд 2

Выравнивание последовательностей —размещение двух или более последовательностей ДНК, РНК или белков

друг под другом таким образом, чтобы легко увидеть сходные участки в этих последовательностях. Сходство первичных структур двух молекул может отражать их функциональные, структурные или эволюционные взаимосвязи.
Все выравнивания принято делить на глобальные (последовательности сравниваются полностью) и локальные (сравниваются только определённые участки последовательностей).

Слайд 3

Цель выравнивания – добиться максимального количества совпадений. Что лучше?
Просто написать последовательности

друг под другом
Двигать друг относительно друга
Вставлять пробелы

Слайд 4

Алгоритм локального выравнивания был предложен Т. Ф. Смитом и М. Уотерменом в 1981 г.
В

обоих случаях число совпадающих нуклеотидов - 8

Слайд 5

– Стоимость замены, вcтавки, делеции
Значительно чаще 1 длинная делеция, чем много

коротких => штраф за удлинение делеции
– Бонус за совпадение букв

Система оценки
Цена изменения данной позиции в выравнивании последовательностей

Слайд 6

AACGTTTCCAGTCCAAATAGCTAGGC
===--=== =-===-==-======
AACCGTTC TACAATTACCTAGGC
Hits(+1): 18
Misses (-2): 5
Gaps (existence -2, extension -1):

1 Length: 3
Score = 18 * 1 + 5 * (-2) – 2 – 2 = 6

Score – общая мера сходства:

Слайд 7

http://blast.ncbi.nlm.nih.gov/Blast.cgi
BLAST (Basic Local Alignment Search Tool) — семейство компьютерных программ,

служащих для поиска гомологов белков или нуклеиновых кислот, для которых известна первичная структура или её фрагмент.

GenBank – экспоненциальный рост объема данных, следовательно нужна быстрая (даже в ущерб точности) программа
Главная задача – поиск похожих последовательностей в базах данных (=> главное достоинство – скорость)

Слайд 8

Используя BLAST, можно сравнить имеющуюся последовательность с последовательностями из базы данных

и найти последовательности предполагаемых гомологов. Является важнейшим инструментом для молекулярных биологов.
Программа BLAST была разработана S. Altschul, W. Gish, W. Miller, E. Myers, и D.J. Lipman в 1990-1993 г.г.
Основана на алгоритме Смита — Ватермана , и сравнивает отрезки всех возможных длин и оптимизирует меру сходства по всем отрезкам и всем выравниваниям этих отрезков.
Несмотря на снижение сходства родственных последовательностей с течение времени при их эволюции, мы можем рассчитывать обнаружить короткие участки высокого сходства, не затронутые мутациями.

Слайд 9

Принципы работы BLAST
1. Для каждого слова длины W в искомой последовательности

составляется список схожих слов, вес выравнивания которых выше определенного порога T

(в белках — W =3 аминокислоты,
а для нуклеиновых кислот - 11 нуклеотидов)

Слайд 10

2. Для каждого слова обрабатываем составленный для него список схожих слов

- ищем, по заранее построенной хэш-таблице, последовательности в базе данных, имеющие точное вхождение данных слов

Слайд 11

3. Расширяем выравнивание вправо и влево от найденных “затравок” используя алгоритм

динамического программирования сначала без гэпов (пробелов), а затем с их использованием.

пары сегментов с максимальным сходством

Слайд 12

Слайд 13

После максимального продления размеров всех возможных «слов» изучаемой последовательности, определяются выравнивания

с максимальным количеством совпадений для каждой пары запрос — последовательность базы данных, и полученная информация фиксируется.
Теоретически локальное выравнивание может начинаться с любой пары нуклеотидов или аминокислот выровненных последовательностей. Однако HSP, как правило, не начинаются близко к краю (началу или концу) последовательностей.

Слайд 14

Слайд 15

Слайд 16

Слайд 17

Слайд 18

ДНК:
megaBLAST – другой алгоритм для сравнения ДНК. Оптимизирован для длинных

похожих последовательностей. Оптимален для поиска совпадений в родном геноме или очень близких видах
Discontiguous megaBLAST – аналогично, параметры подобраны для более далеких видов

Слайд 19

Слайд 20

Пример последовательности в формате FASTA :
>OVAX_CHICK GENE X PROTEIN QIKDLLVSSSTDLDTTLVLVNAIYFKGMWKTAFNAEDTREMPFHVTKQESKPVQMMCMNNSFNVATLPAEKMKILELPFASGDLSMLVLLPDEVSDLERIEKTINFEKLTEWTNPNTMEKRRVKVY
Пустые строки

в середине не допускаются
Последовательности должны быть представлены в стандартных IUB / IUPAC кодах аминокислот и нуклеиновых кислот, со следующими исключениями: строчные буквы принимаются; один дефис или тире может быть использованы для представления пробела неопределенной длины. Перед отправкой запроса любые цифры в последовательности запроса должны быть либо удалены либо заменены соответствующими буквенными кодами (например, N для неизвестного остатка нуклеиновой кислоты или Х для неизвестного остатка аминокислоты). Поддерживаемые коды нуклеиновых кислот:
A adenosine C cytidine G guanine
T thymidine N A/G/C/T (any)U uridine
K G/T (keto) S G/C (strong) Y T/C (pyrimidine)
M A/C (amino)W A/T (weak) R G/A (purine)
B G/T/C D G/A/T H A/C/T
V G/C/A - gap of indeterminate length

Слайд 21

Вырожденные нуклеотидные коды (красный цвет), рассматриваются как «mismatches» нуклеотидного выравнивания.
Для тех

программ, которые используют аминокислотные последовательности (BLASTP и TBLASTN), принятые коды аминокислот :
A alanine P proline B aspartate/asparagine Q glutamine C cystine R arginine D aspartate S serine E glutamate T threonine F phenylalanine U selenocysteine G glycine V valine H histidine W tryptophan I isoleucine Y tyrosine
K lysine Z glutamate/glutamine L leucine X any
M methionine * translation stop N asparagine - gap
Для аминокислот, U заменяется X перед началом поиска
blast не будет принимать «-» в запросе. Для представления пробелов, используйте N или X

Слайд 22

Nucleotide Sequence Databases
Nr All GenBank + RefSeq Nucleotides + EMBL +

DDBJ + PDB sequences (excluding HTGS0,1,2, EST, GSS, STS, PAT, WGS).
refseq_rna RNA entries from NCBI's Reference Sequence project
refseq_genomic Genomic entries from NCBI's Reference Sequence project
Est Database of GenBank + EMBL + DDBJ sequences from EST Divisions
est_human Human subset of est.
est_mouse Mouse subset.
est_others Non-Mouse, non-Human subset of est.
Gss Genome Survey Sequence, includes single-pass genomic data, exon-trapped sequences, and Alu PCR sequences.
Htgs Unfinished High Throughput Genomic Sequences: phases 0, 1 and 2 (finished, phase 3 HTG sequences are in nr)
Pat Nucleotides from the Patent division of GenBank.
Pdb Sequences derived from the 3-dimensional structure from Brookhaven Protein Data Bank
Month All new or revised GenBank + EMBL + DDBJ + PDB sequences released in the last 30 days.
Dbsts Database of GenBank+EMBL+DDBJ sequences from STS Divisions .
Chromosome A database with complete genomes and chromosomes from the NCBI Reference Sequence project.
Wgs A database for whole genome shotgun sequence entries.
env_nt Nucleotide sequences from environmental samples

Слайд 23

Peptide Sequence Databases
Nr All non-redundant GenBank CDS translations + RefSeq Proteins

+ PDB + SwissProt + PIR + PRF
Refseq RefSeq protein sequences from NCBI's Reference Sequence Project.
Swissprot Last major release of the SWISS-PROT protein sequence database (no updates).
Pat Proteins from the Patent division of GenPept.
pdb Sequences derived from the 3-dimensional structure from Brookhaven Protein Data Bank.
Month All new or revised GenBank CDS translation+PDB+SwissProt+PIR+PRF released in the last 30 days.
env_nr Protein sequences from environmental samples.

Слайд 24

Слайд 25

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

Слайд 26

Слайд 27

При определении сходства ключевым элементом является матрица замен, так как она

определяет показатели сходства для любой возможной пары нуклеотидов или аминокислот. В большинстве программ серии BLAST используется матрица BLOSUM62 (Blocks Substitution matrix 62 % identity, блоковая матрица замен с 62 % идентичностью).

Слайд 28

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
Фильтрация
Low-complexity region. 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

Слайд 29

Выбор параметров
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
Штраф за удлинение ~10 раз ниже, чем за внесение
Если сравниваете удаленные гомологи, то лучше всего довольно высокий штраф за внесение делеции и низкий за удлинение
Близкие гомологи – штрафы ближе друг к другу

Слайд 30

Слайд 31

Слайд 32

Слайд 33

E-value (the expectation value) – представляет число различных элайментов с баллами

эквивалентными или лучшими, чем S, которое, как ожидается, будет найдено при поиске базе данных случайно. Чем ниже значение Е, тем больше значимость выравнивания. (0 - e-6 – хорошо, > 0.001 - 0.01 – плохо). Этот параметр определяет статистический порог значимости выравнивания. Для низких значений, равна р, вероятности случайного выравнивания.
Как правило, BLAST недооценивает e-value!
Bit Score – мера статистической значимости (вес – сумма стоимостей всех точечных замен) выравнивания, (меньше 50 – плохо). Bit Score могут быть использованы для сравнения выравниваний из различных поисков.

Слайд 34

Слайд 35

Слайд 36

Слайд 37

Слайд 38

Слайд 39

PSI – BLAST
Алгоритм:
Несколько раундов поиска
Первый раунд – просто blastp (BLOSUM62)
Построение

PSSM на основе полученных хитов 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)
MSTTGQVIRCKAAILWKPGAPFSIEEVEVAPPKAKEVRIKVVATGLCGTEMKVLGSKHLDLLYPTILGHEGAGIVESIGEGVSTVKPGDKVITLFLPQCGECTSCLNSEGNFCIQFKQSKTQLMSDGTSRFTCKGKSIYHFGNTSTFCEYTVIKEISVAKIDAVAPLEKVCLISCGFSTGFGAAINTAKVTPGSTCAVFGLGGVGLSVVMGCKAAGAARIIGVDVNKEKFKKAQELGATECLNPQDLKKPIQEVLFDMTDAGIDFCFEAIGNLDVLAAALASCNESYGVCVVVGVLPASVQLKISGQLFFSGRSLKGSVFGGWKSRQHIPKLVADYMAEKLNLDPLITHTLNLDKINEAVELMKTGKW
G - H - E - x - {EL} - G - {AP} - x(4) - [GA] - x(2) - [IVSAC]

Слайд 40

Слайд 41

DELTA – BLAST (Domain Enhanced Lookup Time Accelerated BLAST)

Слайд 42

Слайд 43

Слайд 44

Слайд 45

Слайд 46

Слайд 47

Слайд 48

MEGAN V5.11.3
http://ab.inf.uni-tuebingen.de/software/megan/
Основное применение программы для разбора и анализа результата BLAST

сравнения набора ридов против одной или нескольких референсных баз данных, как правило, с использованием BLASTN, BLASTX или BLASTP для сравнения с NCBI-NT, NCBI-NR или конкретной геномной базы данных. Результатом такого анализа является оценка таксономического содержания (профиль вида) образца, из которого риды были получены. Программа использует несколько различных алгоритмов чтобы поместить риды в систематику, присваивая каждый риду к таксону на определенном уровне в иерархии NCBI, на основе обращений к известным последовательностям, как записаным в файле BLAST.

Слайд 49

MEGAN V5.11.3
http://ab.inf.uni-tuebingen.de/software/megan/
The aim of MEGAN is to provide a tool

for studying the taxonomic content of a set of DNA reads, typically collected in a metagenomics project. In a preprocessing step, a sequence alignment of all reads against a suitable database of reference DNA or protein sequences must be performed to produce an input file for the program. MEGAN is suitable for DNA reads (metagenome data), RNA reads (metatranscriptome data), peptide sequences (metaproteomics data) and, using a suitable synonyms file that maps SILVA ids to taxon ids, for 16S rRNA data (amplicon sequencing). At start-up, MEGAN first reads in the current NCBI taxonomy (consisting of over one million taxa). A first application of the program is that it facilitates interactive exploration of the NCBI taxonomy.

Слайд 50

MEGAN V5.11.3
http://ab.inf.uni-tuebingen.de/software/megan/
However, the main application of the program is to

parse and analyze the result of an alignment of a set of reads against one or more reference databases, typically using BLASTN, BLASTX or BLASTP or similar tools including DIAMOND to compare against NCBI-NT, NCBI-NR or genome specific databases. The result of a such an analysis is an estimation of the taxonomical content (“species profile”) of the sample from which the reads were collected. The program uses a number of different algorithms to “place” reads into the taxonomy by assigning each read to a taxon at some level in the NCBI hierarchy, based on their hits to known sequences, as recorded in the alignment file. Alternatively, MEGAN can also parse files generated by the RDP website or the Silva website

Слайд 51

MEGAN V5.11.3
http://ab.inf.uni-tuebingen.de/software/megan/
New input to the program is usually provided as

a BLAST file obtained from a BLAST alignment of the given set of reads against a reference database such as NCBI-nr or NCBI-nt. MEGAN supports BLASTN, BLASTX and BLASTP standard text-format, and BLAST XML format as well as multiple output formats provided by tools similar to BLAST, like RapSearch2 and DIAMOND.

Слайд 52

Слайд 53

Слайд 54

DNA Master
http://cobamide2.bio.pitt.edu/
DNA Master это Multiple Document Interface (MDI) программа для создания,

модификации и анализа ДНК, РНК и белковых последовательностей.
Why do you call it the world's greatest sequence explorer?
Try it; see what it does. Did you find what you wanted? How easy was that? Need something different? Let us know.

Слайд 55

domain
A discrete portion of a protein assumed to fold independently of

the rest of the protein and possessing its own function.
E value
The Expectation value or Expect value represents the number of different alignments with scores equivalent to or better than S that is expected to occur in a database search by chance. The lower the E value, the more significant the score and the alignment.
filtering
Filtering, also known as masking, removes regions of (nucleic acid or amino acid) sequence having characteristics that may lead to spurious high scores.
gap
homology
Similarity attributed to descent from a common ancestor. Homologous biological components (genes, proteins, structures) are called homologs. See also orthologs and paralogs.
motif
A short conserved region in a protein sequence. Motifs are frequently highly conserved parts of domains. PSSM
A Position-Specific Scoring Matrix (PSSM) is a profile that gives the log-odds score for finding a particular matching amino acid in a target sequence.
query
The input sequence (or other type of search term) to which all of the entries in a database are to be compared.

Слайд 56

RAST (Rapid Annotation using Subsystem Technology) is a fully-automated service for annotating bacterial and archaeal genomes.

It provides high quality genome annotations for these genomes across the whole phylogenetic tree.

Слайд 57

Слайд 58

LOCUS FJ795028 701 bp mRNA linear PRI 06-APR-2009
DEFINITION Homo sapiens tumor

necrosis factor alpha (TNF) mRNA, partial cds.
ACCESSION FJ795028
VERSION FJ795028.1 GI:226201420
KEYWORDS .
SOURCE Homo sapiens (human)
ORGANISM Homo sapiens
Eukaryota; Metazoa; Chordata; Craniata; Vertebrata; Euteleostomi;
Mammalia; Eutheria; Euarchontoglires; Primates; Haplorrhini;
Catarrhini; Hominidae; Homo.
REFERENCE 1 (bases 1 to 701)
AUTHORS Guan,W.J., Ma,Y.H., Yu,L.L., Na,R.S. and Liu,S.
TITLE Direct Submission
JOURNAL Submitted (28-FEB-2009) Academy of Agricultural Sciences, Institute
of Animal Science, Quanmingyuan West, Beijing 100193, People's
Republic of China
FEATURES Location/Qualifiers
source 1..701
/organism="Homo sapiens"
/mol_type="mRNA"
/db_xref="taxon:9606"
/chromosome="6"
/map="6p21.3"
/sex="male"
/tissue_type="placenta"
/country="China"
/collection_date="2008"
gene <1..701
/gene="TNF"

Слайд 59

CDS <1..701
/gene="TNF"
/note="APC1 protein"
/codon_start=3
/product="tumor necrosis factor alpha"
/protein_id="ACO37640.1"

/db_xref="GI:226201421"
/translation="STESMIRDVELAEEALPKKTGGPQGSRRCLFLSLFSFLIVAGAT
TLFCLLHFGVIGPQREEFPRDLSLISPLAQAVRSSSRTPSDKPVAHVVANPQAEGQLQ
WLNRRANALLANGVELRDNQLVVPSEGLYLIYSQVLFKGQGCPSTHVLLTHTISRIAV
SYQTKVNLLSAIKSPCQRETPEGAEAKPWYEPIYLGGVFQLEKGDRLSAEINRPDYLD
FAESGQVYFGIIAL«
ORIGIN
1 tgagcactga aagcatgatc cgggacgtgg agctggccga ggaggcgctc cccaagaaga
61 caggggggcc ccagggctcc aggcggtgct tgttcctcag cctcttctcc ttcctgatcg
121 tggcaggcgc caccacgctc ttctgcctgc tgcactttgg agtgatcggc ccccagaggg
181 aagagttccc cagggacctc tctctaatca gccctctggc ccaggcagtc agatcatctt
241 ctcgaacccc gagtgacaag cctgtagccc atgttgtagc aaaccctcaa gctgaggggc
301 agctccagtg gctgaaccgc cgggccaatg ccctcctggc caatggcgtg gagctgagag
361 ataaccagct ggtggtgcca tcagagggcc tgtacctcat ctactcccag gtcctcttca
421 agggccaagg ctgcccctcc acccatgtgc tcctcaccca caccatcagc cgcatcgccg
481 tctcctacca gaccaaggtc aacctcctct ctgccatcaa gagcccctgc cagagggaga
541 ccccagaggg ggctgaggcc aagccctggt atgagcccat ctatctggga ggggtcttcc
601 agctggagaa gggtgaccga ctcagcgctg agatcaatcg gcccgactat ctcgactttg
661 ccgagtctgg gcaggtctac tttgggatca ttgccctgtg a
//

Поиск схожих последовательностей в базах данных. Локальное выравнивание. Семейство программ серии BLAST

Содержание

Выравнивание последовательностей —размещение двух или более последовательностей ДНК, РНК или белков

Цель выравнивания – добиться максимального количества совпадений. Что лучше?Просто написать последовательности

Алгоритм локального выравнивания был предложен Т. Ф. Смитом и М. Уотерменом в 1981 г.В

– Стоимость замены, вcтавки, делецииЗначительно чаще 1 длинная делеция, чем много

AACGTTTCCAGTCCAAATAGCTAGGC===--=== =-===-==-====== AACCGTTC TACAATTACCTAGGCHits(+1): 18Misses (-2): 5Gaps (existence -2, extension -1):

http://blast.ncbi.nlm.nih.gov/Blast.cgi BLAST (Basic Local Alignment Search Tool) — семейство компьютерных программ,

Используя BLAST, можно сравнить имеющуюся последовательность с последовательностями из базы данных

Принципы работы BLAST1. Для каждого слова длины W в искомой последовательности

2. Для каждого слова обрабатываем составленный для него список схожих слов

3. Расширяем выравнивание вправо и влево от найденных “затравок” используя алгоритм

После максимального продления размеров всех возможных «слов» изучаемой последовательности, определяются выравнивания

ДНК: megaBLAST – другой алгоритм для сравнения ДНК. Оптимизирован для длинных

Пример последовательности в формате FASTA :>OVAX_CHICK GENE X PROTEIN QIKDLLVSSSTDLDTTLVLVNAIYFKGMWKTAFNAEDTREMPFHVTKQESKPVQMMCMNNSFNVATLPAEKMKILELPFASGDLSMLVLLPDEVSDLERIEKTINFEKLTEWTNPNTMEKRRVKVYПустые строки

Вырожденные нуклеотидные коды (красный цвет), рассматриваются как «mismatches» нуклеотидного выравнивания. Для тех

Nucleotide Sequence DatabasesNr All GenBank + RefSeq Nucleotides + EMBL +

Peptide Sequence DatabasesNr All non-redundant GenBank CDS translations + RefSeq Proteins

Белок:PSI-BLAST (Position-Specific Iterated -BLAST) поиск удаленных белковых гомологов с использованием PSSM

При определении сходства ключевым элементом является матрица замен, так как она

Выбор параметровМеняйте параметры только, если по умолчанию не работает (параметры по

Выбор параметровМатрица:BLOSUM для локального выравнивания обычно лучше, чем PAMЧем выше номер