Последовательности белков

Эволюция семейства белков
Эволюционные домены и их
выравнивание
Основные этапы биоинформатического анализа
молекулярной эволюции
• Выбор последовательностей и их выравнивание
• Построение/выбор эволюционной модели
• Реконструкция эволюции
– реконструкция филогенетического дерева
– оценка силы давления и направления отбора
– сравнение скоростей эволюции
– ...
• Оценка статистической значимости реконструкции
•
?
Весна, 2008, А.Б.Рахманинова
Что отображает выравнивание?
(три возможных смысла)
1. Сопоставление остатков есть гипотеза об их общем
происхождении.
2. Сопоставление есть гипотеза (или утверждение) об
одинаковой или «гомологичной» (что бы это ни
значило) функции остатков.
3. Сопоставление есть гипотеза или утверждение о
сходном пространственном расположении остова цепи
в районе данного остатка.
Разумеется, эти смыслы не взаимоисключающи!
Известно, что пространственная структура консервативнее в эволюции, чем
последовательность. Поэтому по наложению структур судят об общности
происхождения.
При сравнении похожих структур белков, как правило,
анализируется только положение атомов CA каждого из
аминокислотных остатков.
Пример пространственного
наложения структур двух родственных
белков. Изображены только CA-атомы
и условные линии, соединяющие их.
Против этих остатков должны стоять гэпы.
Пара
сопоставленных
остатков
Обычное дело…
В истории многих белков имели место случаи рекомбинации:
FAS_PNECA
Q83I90 _TROW8
Домен белка
Три определения:
•Функциональный домен: часть белка, которая, будучи получена в
эксперименте отдельно от остального белка, сохраняет какую-либо из его
функций.
•Структурный домен: часть белка, хорошо обособленная в пространстве от
остальных частей (не формализовано!).
•Эволюционный домен: относительно консервативная часть
последовательности, замеченная в перестановках с другими подобными
частями.
Материал по эволюционным доменам самый большой, поскольку
известных последовательностей во много раз больше, чем известных
структур, и во много-много раз больше, чем результатов экспериментов
по сохранению функции частью белка.
Домены, выделенные по разным определениям, часто совпадают. Однако есть примеры, когда
один эволюционный домен состоит из двух структурных и т.п.
Эволюционные домены
223 белка
ЕС 4.1.2.25
243 белка
ЕС 2.7.6.3
507 белков
• 25 белков
• 9 белков
• 2 белка
• 12 белков
ЕС 2.5.1.15
Выравнивать имеет смысл последовательности
(эволюционных) доменов
(а, вообще говоря, не полноразмерных белков)!
Тем самым, домен белка – основной объект
науки о выравниваниях, эволюции,
функциональной аннотации и т.п.
Программы множественного
выравнивания
• ClustalW (можно считать устаревшей)
• Muscle (существенно быстрее и чуть аккуратнее)
• MAFFT (то же, имеет медленную и аккуратную опцию “einsi”)
• T-COFFEE
• PROBCONS
• DI-ALIGN
Множественное выравнивание может породить специфическую информацию о
домене. Эта информация может быть использована для поисков ортологичных
белков в новых последовательностях.
Для поиска мотивов и доменов в новых последовательностях используют:
• паттерны
• профили PSSM
• профили HMM
Паттерн для цинкового пальца
Prosite
Паттерн для цинкового пальца типа С2Н2:
C-x(2,4)-C-x(3)-[LIVMFYWC]-x(8)-H-x(3,5)-H
[a-zAZ] все возможные аминокислоты в данной позиции
 Х(2,4)  любая аминокислота от 2 до 4 раз
 Х(3)  любая аминокислота ровно 3 раза
 {P}  любая аминокислота, кроме пролина

PSSM или PSW
PSSM, или Position-Specific Scoring Matrix,  тип матрицы, в которой вес
замены аминокислотного остатка зависит от его положения в выравнивании.
Например, замена Tyr-Trp в позиции 5 не эквивалентна той же самой замене
в позиции 10. Это является принципиальным отличием от PAM или BLOSUM.
В ячейках PSSM-матрицы стоят положительные или отрицательные целые
числа. Положительные указывают, что аминокислота замещается чаще, чем
можно ожидать в случайной модели. Отрицательные значения,
соответственно, наоборот.
PSSM создаются при работе с PSI-BLAST.
Построение PSSM
Позиция
1 2 3 4 5 6
Sequence 1
A T G T C G
Pos
1
2
3
4
5
6
Сред.
частота
Sequence 2
A A G A C T
A
0.6
0.6
-
0.4
-
0.2
0.3
Sequence 3
T A C T C A
T
0.2
0.2
-
0.4
0.2
0.2
0.2
Sequence 4
C G G A G G
G
-
0.2
0.6
-
0.2
0.6
0.27
C
0.2
-
0.4
0.2
0.6
-
0.23
Sequence 5
Pos
1
2
A A C C T G
3
4
5
Наблюдаемые частоты по позициям
6
Pos
1
2
3
4
5
6
A
2.0
2.0
-
1.33
-
0.67
A
1.0
1.0
-
0.41
-
-0.58
T
1.0
1.0
-
2.0
1.0
1.0
T
0.0
0.0
-
1.0
0.0
0.0
G
-
0.74
2.22
-
0.74
2.22
G
-
-0.43
1.15
-
-0.43
1.15
C
0.87
-
1.74
0.87
2.61
-
C
-0.2
-
0.8
-0.2
1.38
-
Нормализированные значения
Переведённые в log2
Поиск AACTCG с PSSM
Pos
1
2
3
4
5
6
A
1.0
1.0
-
0.41
-
-0.58
T
0.0
0.0
-
1.0
0.0
0.0
G
-
-0.43
1.15
-
-0.43
1.15
C
-0.2
-
0.8
-0.2
1.38
-
•1.0+1.0+0.8+1.0+1.38+1.15 = 6.33
•26.33 = ~80
•Итак, соответствие между профилем и
последовательностью AACTCG в 80 больше, чем
между профилем и случайной последовательностью
из 6 нуклеотидов
PSSM для С2Н2 из Prosite
/GENERAL_SPEC: ALPHABET='ABCDEFGHIKLMNPQRSTVWYZ'; LENGTH=28;
/DISJOINT: DEFINITION=PROTECT; N1=3; N2=26;
/NORMALIZATION: MODE=1; FUNCTION=LINEAR; R1=-0.6689; R2=0.02078310; TEXT='-LogE';
/CUT_OFF: LEVEL=0; SCORE=441; N_SCORE=8.5; MODE=1; TEXT='!';
/CUT_OFF: LEVEL=-1; SCORE=344; N_SCORE=6.5; MODE=1; TEXT='?';
/DEFAULT: D=-20; I=-20; B1=-50; E1=-50; MI=-105; MD=-105; IM=-105; DM=-105;
A B C D E F G H I K L M N P Q R S T V W Y Z
/I:
B1=0; BI=-105; BD=-105;
.............
/M: SY='C'; M=-10,-20,118,-30,-30,-20,-30,-30,-30,-30,-20,-20,-20,-40,-30,-30,-10,-10,-10,-50,-30,-30;
/M: SY='E'; M= -5, 3,-24, 3, 6,-22,-11, -6,-20, 1,-21,-14, 4, -1, 1, -3, 5, 2,-18,-29,-15, 3;
/I:
I=-12; MI=0; MD=-30; IM=0; DM=-30;
/M: SY='E'; M= -9, -2,-26, 1, 14,-18,-17, -4,-13, -1,-11, -8, -5,-12, 4, -5, -5, -8,-12,-24, -9, 8;
/M: SY='C'; M=-10,-20,119,-30,-30,-20,-30,-30,-30,-30,-20,-20,-20,-40,-30,-30,-10,-10,-10,-50,-29,-30;
/M: SY='G'; M= -3, -1,-28, -1, -7,-28, 36,-11,-33,-11,-27,-18, 4,-15,-10,-12, 1,-13,-27,-24,-23, -9;
/M: SY='K'; M=-10, -2,-28, -3, 8,-25,-19, -7,-26, 36,-24, -8, -1,-12, 10, 27, -9, -9,-18,-19, -8, 8;
/M: SY='A'; M= 8, -7, -9,-11, -7,-17, -7,-14,-16, -6,-16,-11, -4,-15, -6, -5, 8, 4, -7,-27,-15, -7;
/M: SY='F'; M=-19,-29,-19,-37,-28, 71,-29,-17, 0,-28, 9, 0,-20,-30,-36,-19,-19, -9, -1, 9, 31,-28;
................
/M: SY='H'; M=-20, 0,-30, 0, 0,-20,-20, 99,-30,-10,-20, 0, 10,-20, 10, 0,-10,-20,-30,-30, 20, 0;
/M: SY='Q'; M=-10,-10,-25,-12, 1,-16,-22, -2, -6, 1, -3, 6, -9,-17, 13, 3, -9, -8, -9,-19, -4, 6;
/M: SY='R'; M=-13, -8,-26, -9, 0,-19,-19, -4,-21, 20,-16, -6, -2,-17, 6, 35, -8, -7,-14,-21, -9, 0;
/I:
I=-12; MI=0; MD=-29; IM=0; DM=-29;
/M: SY='V'; M= -3,-16,-17,-21,-17, -6,-25,-20, 11,-15, 2, 3,-12,-18,-14,-14, -2, 9, 13,-25, -7,-17;
/M: SY='H'; M=-20, 0,-30, 0, 0,-20,-20, 97,-30,-10,-20, 0, 10,-20, 10, 0,-10,-20,-30,-30, 19, 0;
...................
/I:
E1=0;
C-x(2,4)-C-x(3)-[LIVMFYWC]-x(8)-H-x(3,5)-H
Встречается в ProSite и PsiBlast
HMM Профиль
P12
Старт
2
P23
3
P34
4
1
Наблюдаемые состояния
P45
5
P12’
2’
P23’
3’
P34’
4’
Финиш
P45’
Спрятанные состояния
HMM содержит предсказательную информацию о вставках и делециях
раздельно
Хорошо подготовленная HMM может быть использована для поиска далеких
гомологов.
Может использоваться для классификации белков.
Улучшенное предсказание генов и промоторов.
Предсказание трансмембранных участков белков.
Узнавание укладки белка.
HMMer (http://hmmer.wustl.edu/) набор программ для Linux
HMM Профиль
ID
AC
DT
DE
MA
MA
MA
MA
MA
MA
MA
MA
MA
20;
MA
SEQUENCE_PROFILE; MATRIX.
ZZ99999;
Tue Apr 21 21:25:58 2009
Generated from MSF file: 'RT07.weighted.ali'.
/GENERAL_SPEC: ALPHABET='ABCDEFGHIKLMNPQRSTVWYZ'; LENGTH=287;
/DISJOINT: DEFINITION=PROTECT; N1=6; N2=282;
/NORMALIZATION: MODE=1; FUNCTION=LINEAR; R1=0.0000000; R2=0.0100000; TEXT='No_units';
/CUT_OFF: LEVEL=0; SCORE=850; N_SCORE=8.5; MODE=1; TEXT='!';
/CUT_OFF: LEVEL=-1; SCORE=650; N_SCORE=6.5; MODE=1; TEXT='?';
/DEFAULT: M0=-8; D=-20; I=-20; B1=*; E1=*; MI=-105; MD=-105; IM=-105; DM=-105;
/I: B1=0; BI=-105; BD=-105;
/M: SY='M'; M=-10,-20,-20,-30,-20,0,-20,0,20,-10,20,60,-20,-20,0,-10,-20,-10,10,-20,0,-10;
/M: SY='G'; M=0,-10,-30,-10,-20,-30,70,-20,-40,-20,-30,-20,0,-20,-20,-20,0,-20,-30,-20,-30,/M: SY='I';M=-10,-30,-30,-40,-30,0,-40,-30,50,-30,20,20,-20,-20,-20,-30,-20,-10,30,-20,0,-
30;
/GENERAL_SPEC:
/DISJOINT:
/NORMALIZATION:
/CUT_OFF:
/DEFAULT:
/I:
/M:
Общие указания
Описание разделителей.
Значения для нормализации результатов выравнивания.
Рекомендуемые значения Cut-off.
Значения по умолчанию для специфических позиций
Вставка в профиле.
Совпадение в профиле.
HMM Профиль
MA
/CUT_OFF: LEVEL=0; SCORE=850; N_SCORE=8.5; MODE=1; TEXT='!';
MA
/CUT_OFF: LEVEL=-1; SCORE=650; N_SCORE=6.5; MODE=1; TEXT='?';
MA
/DEFAULT: M0=-8; D=-20; I=-20; B1=*; E1=*; MI=-105; MD=-105; IM=-105; DM=-105;
MA
/I: B1=0; BI=-105; BD=-105;
MA
/M: SY='C'; M=-10,-20,120,-30,-30,-20,-30,-30,-30,-30,-20,-20,-20,-40,-30,-30,-10,-10,-10,-50,-30,-30;
MA
/M: SY='E'; M=-6,0,-24,1,6,-23,-11,-3,-22,1,-21,-14,1,3,2,-3,1,-2,-20,-28,-15,3;
MA
/I: I=-5; MI=0; MD=-25; IM=0; DM=-25;
MA
/M: M=-10,-2,-25,-2,-1,-13,-14,-3,-10,-4,-10,-6,-3,-17,-3,-6,-7,-7,-10,-21,-3,-3; D=-5;
MA
/I: I=-5; MI=-25; IM=-25; DM=-25;
MA
/M: SY='C'; M=-10,-20,120,-30,-30,-20,-30,-30,-30,-30,-20,-20,-20,-40,-30,-30,-10,-10,-10,-50,-30,-30;
MA
/M: SY='G'; M=-7,3,-27,5,-1,-25,14,-6,-29,-5,-24,-16,5,-12,-4,-6,0,-9,-24,-25,-18,-3;
MA
/I: I=-5; MI=0; MD=-27; IM=0; DM=-27;
MA
/M: SY='K'; M=-10,-5,-27,-6,5,-19,-20,-6,-20,22,-18,-7,-4,-14,7,19,-8,-6,-15,-18,-6,5;
MA
/M: SY='S'; M=0,-7,-12,-10,-6,-14,-13,-11,-12,-5,-14,-8,-4,-14,-5,-4,5,5,-5,-27,-11,-6;
MA
/M: SY='F'; M=-16,-26,-16,-33,-26,56,-28,-15,-1,-25,7,0,-18,-28,-31,-18,-16,-7,-1,5,28,-26;
..............
MA
/M: SY='H'; M=-20,0,-30,0,0,-20,-20,100,-30,-10,-20,0,10,-20,10,0,-10,-20,-30,-30,20,0;
MA
/M: SY='M'; M=-8,-15,-23,-18,-8,-9,-23,-8,4,-7,5,10,-13,-19,1,-5,-12,-7,0,-19,-3,-5;
MA
/M: SY='R'; M=-8,-5,-22,-7,0,-17,-18,-6,-16,10,-12,-5,-1,-17,3,17,-5,-5,-12,-23,-9,0;
MA
/M: SY='T'; M=-3,-8,-20,-12,-7,-10,-16,-13,-6,-4,-8,-4,-4,-16,-6,-3,2,6,-2,-24,-8,-7;
MA
/I: I=-5; MI=0; MD=-27; IM=0; DM=-27;
MA
/M: SY='H'; M=-18,-4,-3,-5,-5,-20,-22,77,-30,-14,-20,-4,5,-24,3,-5,-10,-18,-26,-34,11,-5;
MA
/I: E1=0; IE=-105; DE=-105;
CC
/GENERATED_BY="pfmake -m c2h2.fasta /usr/share/pftools23/blosum45.cmp";
C-x(2,4)-C-x(3)-[LIVMFYWC]-x(8)-H-x(3,5)-H
Банки семейств белков
• Pfam
• ProSite
Структура Pfam:
• каждое Pfam-A семейство содержит курируемое (“seed”) выравнивание
небольшого количества белков, ярких представителей семейства;
•коллекция HMM-профилей (каждый профиль характеризует
«обобщённую последовательность» некоторого эволюционного домена);
• аннотации эволюционных доменов (собственные и взятые из InterPro);
•автоматические выравнивания (генерируются с помощью профилей;
часто плохого качества – содержат очевидные неточности);
• интерфейс (средства поиска, средства сохранения выравниваний и т.д.)
http://pfam.sanger.ac.uk/
Банки семейств белков
• Pfam
• ProSite
Структура ProSite:
• коллекция белковых семейств и доменов;
• аннотации эволюционных доменов;
• функциональные участки, мотивы, подписи и профили;
• интерфейс (средства поиска, средства сохранения выравниваний и т.д.)
http://au.expasy.org/prosite/
HMM vs PSSM
Считается, что НММ профили более точно находят далёкое сходство...????