B L A

BLAST
Задание №1. Создание индексных файлов для программ пакета BLAST
Цель: создать индексные файлы пакета BLAST для поиска по геномам различныз
бактерий
Краткое описание работы: при выполнении задания были задействованы файлы
pm_genome.fasta - полный геном бактерии Pasteurella multocida, pm_genome.fasta - полный
геном бактерии Salmonella typhimurium, pm_genome.fasta - полный геном бактерии
Xanthomonas campestris. Индексные файлы, требуемые в задании, были созданы с
помощью команды formatdb. Используемые параметры:
-i - файл, подаваемый на вход
-p тип последовательности, записанной в файле (T - аминокислотная, F - нуклеотидная)
-n название файлы (без расширения)
Строка запроса в Unix:
formatdb -i pm_genome.fasta -p F -n pm
полученный файл лежит здесь.
formatdb -i st_genome.fasta -p F -n st
полученный файл лежит здесь.
formatdb -i xc_genome.fasta -p F -n st
полученный файл лежит здесь.
Для поиска по трем геномам сразу была создана новая переменная:
g_s="$genpath/st_genome.fasta $genpath/xc_genome.fasta $genpath/pm_genome.fasta". Строка
запроса в Unix:
formatdb -i $g_s.fasta -p F -n 3g
полученный файл лежит здесь. Результаты: получены требуемые индексные файлы.
Задание №2. Поиск в геноме участков, кодирующих белки, похожие на
заданный
Цель: выяснить, не закодированы ли белки, похожие на белок Malk_ecoli из организма
Escherichia coli K-12 в неаннотированном геноме бактерий Pasteurella multocida,
Salmonella typhimurium и Xanthomonas campestris.
Краткое описание работы: для решения поставленной задачи была выбрана программа
TBLASTN. Строка запроса в Unix:
для Pasteurella multocida:
blastall -p tblastn -d pm -i malk_ecoli.fasta -o pmres.txt для Salmonella typhimurium: blastall -p
tblastn -d st -i malk_ecoli.fasta -o stres.txt для Xanthomonas campestris: blastall -p tblastn -d xc
-i malk_ecoli.fasta -o xcres.txt
Результаты: результаты сведены в Таблицу 1
Поиск гомологов
Malk_ecoli
Pasteurella multocida
Salmonella
typhimurium
Xanthomonas campestris
Число находок с
44
Е-value<0,001
55
32
AE006213 Pasteurella
multocida subsp.
multocida str. m70
section 180 of 204 of the
complete genome.
Характеристика
Length = 10860 Score =
лучшей находки:
290 bits (743) Expect =
7e-80 Identities =
164/354 (46%), Positives
= 220/354 (62%), Gaps =
7/354 (1%) Frame = -1
AE008897|
Salmonella
typhimurium
LT2, section 201
of 20 of the
complete
genome. Length
= 20409 Score =
693 bits (1789),
Expect = 0.0
Identities =
353/371 (95%),
Positives =
364/371 (98%)
Frame = +3
AE012320|
Xanthomonas campestris
pv. campestris str. ATCC
33913, section 228 of
460 of the complete
genome. Length = 13110
Score = 320 bits (821),
Expect = 1e-88 Identities
= 182/363 (50%),
Positives = 236/363
(65%), Gaps = 8/363 (2%)
Frame = -1
E-value находки
7e-80
0.0
1e-88
AC
соответствующей
записи EMBL
AE006213
AE008897
AE012320
Координаты
выравнивания в
записи EMBL
6846-5794
17748- 18854
6081- 5029
Координаты CDS
complement(5740..6846) 17748..18857 complement(4987..6081)
в записи EMBL
AC UniProt в
записи EMBL
P19566
Q9CK71
Q8P8U9
Выводы: исходя из полученных результатов, можно сделать вывод, что во всех трех
геномах есть белки, гомологичные белку Malk_ecoli из организма Escherichia coli K-12. В
Таблице1 проанализирована первые из списков находок. Но всё же самым близким
гомологом является - гомолог Malk_ecoli из организма Salmonella typhimurium выравнивание по длине равно 1106 остатков при e-value = 0.0 - довольно неплохой
результат, если учесть, что мы искали в полном геноме.
Задание №3. Аналогичный поиск сразу в нескольких геномах
Цель: выяснить, не закодированы ли белки, похожие на белок Malk_ecoli из организма
Escherichia coli K-12 в неаннотированных геномах бактерий Pasteurella multocida,
Salmonella typhimurium или Xanthomonas campestris
Краткое описание работы: индексные файлы для поиска по трем геномам сразу были
созданы ранее (см. первое задание)
С помощью программы TBLASTN был проведен поиск сразу по трем геномам бактерий
Pasteurella multocida, Salmonella typhimurium и Xanthomonas campestris.
Строка запроса в Unix:
blastall -p tblastn -d 3g -i malk_ecoli.fasta -o 3gres.txt
Результаты: результаты сведены в Таблице 2 .
Количество находок с E-value<0.001
131
Характеристика лучшей находки
AE008897| Salmonella typhimurium LT2,
section 201 of 220 of the complete
genome. Length = 20409 Score = 693 bits
(1789), Expect = 0.0 Identities = 353/371
(95%), Positives = 364/371 (98%) Frame =
+3
E-value лучшей находки
0.0
AC соответствующей записи EMBL
AE008897
Координаты выравнивания в записи
EMBL
17748- 18854
Координаты CDS в записи EMBL
17748..18857
AC UniProt в записи EMBL
Q9CK71
Выводы: прежде всего стоит заметить, что во всех трех организмах достаточно много
гомологов белка Malk_ecoli. Неудивительно, что суммарное количество находок с
заданным e-value при поиске сначала по одному, потом по второму и третьему организму
равно количеству находок при поиске в трех геномах сразу. Лучшей находкой как был,
так и остался белок с АС=AE008897 из организма Salmonella typhimurium. В принципе это
неудивительно, потому что значение e-value у этого белка минимальное - 0.0. Таким
образом, эта находка по определению лучшая, поэтому она и осталась первой при поиске
по трем геномам сразу.
Задание №4. Поиск гомологов с помощью программы BLASTN
Цель: поиск гомологов определенного гена белка Malk_ecoli из организма Escherichia coli
с помощью программы BLASTN.
Краткое описание работы: использовался файл gen_malk.fasta с геном белка Malk_ecoli.
Поиск гомологов во всех трех геномах (pm_genome.fasta, st_genome.fasta и
xc_genome.fasta) был произведен следующим образом:
blastall -p blastn -d 3g -i gen_malk.fasta -o MALK_ECOLI.txt
Результаты: Описание лучшей находки.
Выводы: Наверное, главным наблюдением можно считать, что разброс E-value и Score
меньше при поиске с помощью программы TBLASTN, нежели с помощью программы
BLASTN. Это свидетельствует о том, что BLASTN хорошо подходит для поиска самых
близких гомологов, ас помощью TBLASTN можно искать и не самые близкие гомологи.
Это связано со многими параметрами, которые лежат в основе работы обеих программ. В
принципе работы TBLASTN лежит поиск по аминокислотной последовательности с
учетом нескольких соответствующих нуклеотидных последовательностей
(вырожденность генетического кода, чаще всего в 3 позиции). А в BLASTN такого нет.
Поэтому получили больше гомологов с несильно различающимся и достаточно
маленьким значением e-value.
Все эти факты на практике подтвердили то, что мы уже знаем в теории - TBLASTN
подходит для поиска всех гомологов (с разной степенью гомологии, не обязательно очень
близкие). А BLASTN подходит для поиска очень близких гомологов.