PODSTAWY BIOINFORMATYKI WYKŁAD 4 DOPASOWANIE SEKWENCJI

Transkrypt

1 PODSTAWY BIOINFORMATYKI WYKŁAD 4 DOPASOWANIE SEKWENCJI

2 DOPASOWANIE SEKWENCJI 1. Dopasowanie sekwencji - definicja 2. Wizualizacja dopasowania sekwencji 3. Miary podobieństwa sekwencji 4. Przykłady programów 5. Podsumowanie

3 DOPASOWANIE SEKWENCJI Dopasowanie = przyrównanie (sequence alignment) Poszukiwanie ciągów znaków (zasad nukleotydowych lub reszt aminokwasowych), które posiadają to samo ułożenie w przyrównywanych sekwencjach gap, indel, match, mismatch ACAAAATGTA A C A - - A A A T G T A ACACTAGATA A C A C T A G A T - - A Stwierdzone różnice pomiędzy sekwencjami świadczą o mutacjach, które zaszły po rozdzieleniu się sekwencji od wspólnego przodka delecja, insercja, substytucja

4 DOPASOWANIE SEKWENCJI Podobieństwo sekwencji może wynikać z homologii lub homoplazji (konwergencji)

5 DOPASOWANIE SEKWENCJI

6 DOPASOWANIE (LICZBA SEKWENCJI) Pair-wise alignment (dwie sekwencje) Multiple sequence alignment (wiele sekwencji)

7 DOPASOWANIE (POKRYCIE SEKWENCJI) GLOBALNE Obejmuje całe sekwencje Sekwencje podobne na całej długości Bliskie pokrewieństwo, podobna długość LOKALNE Identyfikacja podobnych regionów w obrębie przyrównanych sekwencji Sekwencje o różnych długościach Sekwencje o niskim poziomie podobieństwa Wiele możliwych dopasowań

8 SEKWENCJE NUKLOETYDÓW

9 DOPASOWANIE SEKWENCJI NUKLEOTYDÓW WYBÓR NAJLEPSZEGO DOPASOWANIA g c t g a a c g c t a t a a t c g c t g a a c g c t a t a a t c g c t g a a c g c t a t a a t c g c t g a - a - - c g - - c t - a t a a t c g c t g - a a - c g - c t a t a a t c -

10 WYBÓR NAJLEPSZEGO DOPASOWANIA Algorytmy dopasowania sekwnecji 1. macierze punktowe (dot-matrix) 2. programowanie dynamiczne (dynamic programming) 3. metody słowne (k tuple methods)

11 DOT-MATRIX P O D S T A W Y B I O I N F O R M A T Y K I B I O I N F O R M A T Y K A P O D S T A W Y B I O I N F O R M A T Y K I B I O I N F O R M A T Y K A P O D S T A W Y B I O I N F O R M A T Y K I B B I I O O I I N N F F O O R R M M A A T T Y Y K K A

12 DOT-MATRIX B I O L O G I A P O D S T A W Y B I O I N F O R M A T Y K I B I O L O G I A B I O I N F O R M A T Y K A B I O L O G I A P O D S T A W Y B I O I N F O R M A T Y K I B I O L O G I A B I O I N F O R M A T Y K A B I O L O G I A P O D S T A W Y B I O I N F O R M A T Y K I B I O L O G I A B I O I N F O R M A T Y K A

13 DOT-MATRIX DOPASOWANIE: Leptyna Homo sapiens Leptyna Mus musculus

17 DOT-MATRIX DOPASOWANIE:

18 Leptyna Mus musculus DOT-MATRIX DOPASOWANIE: Leptyna Homo sapiens

19 DOT-MATRIX DOPASOWANIE: Leptyna Homo sapiens Leptyna Takifugu rubripes

20 Leptyna Homo sapiens DOT-MATRIX DOPASOWANIE: Leptyna Homo sapiens Leptyna Takifugu rubripes Leptyna Takifugu rubripes

21 DOT-MATRIX DOPASOWANIE: Leptyna Homo sapiens Leptyna Mus musculus DOPASOWANIE: Leptyna Homo sapiens Leptyna Takifugu rubripes

22 DYNAMIC PROGRAMMING Analiza dwuwymiarowej macierzy z naniesionymi wartościami ocen dopasowania danych reszt wyznaczenie ścieżki Ścieżka reprezentująca najlepsze przyrównanie, ma najwyższą możliwą wartość punktacji Identyczne reszty = 1 Brak skojarzenia = 0 Kara = -1 Jaki jest score? Xiong J., Podstawy bioinformatyki 22

23 METODY HEURYSTYCZNE WYKORZYSTANIE METODY SŁOWNEJ Sprawdzenie tylko części przyrównań, które byłyby analizowane zwykłymi metodami programowania dynamicznego znaczne przyspieszenie (50-100x)! Zmniejszenie czułości i specyficzności Nie gwarantuje poprawnego wygenerowania przyrównania Użyteczna, gdy pełny algorytm jest z przyczyn technicznych zbyt kosztowny lub gdy jest nieznany Magda Mielczarek Podstawy bioinformatyki

24 LOKALNE PRZYRÓWNANIE SEKWENCJI NUKLEOTYDÓW BLAST Basic Local Alignment Search Tool BLASTN przyrównanie nukleotydów blast.ncbi.nlm.nih.gov poszukuje regionów genomu o wysokim dopasowaniu do danej sekwencji

25 LOKALNE PRZYRÓWNANIE SEKWENCJI NUKLEOTYDÓW BLAST Przeszukuje połączone światowe bazy danych sekwencji kwasów nukleinowych (lub białkowych) wykorzystując podaną sekwencję jako zapytanie Przyrównuje sekwencję z innymi sekwencjami dostępnymi w bazie Poszukuje wysoko punktowanych, ciągłych segmentów pokrewnych sekwencji

26 BLAST Etapy działania: Tworzenie listy słów analizowanej sekwencji (X bp) Wyszukanie słów w sekwencyjnej bazie danych (identyfikacja sekwencji, z którymi zapytanie będzie skojarzone) Ocena (macierz substytucji) Przyrównanie parami poprzez rozszerzanie słów w obu kierunkach, ocena (wartość graniczna) seed-and-extend paradigm Podstawy bioinformatyki

27 GLOBALNE PRZYRÓWNANIE SEKWENCJI NUKLEOTYDÓW CLUSTAL-OMEGA

28 GLOBALNE PRZYRÓWNANIE SEKWENCJI NUKLEOTYDÓW

29 PRZYRÓWNANIE SEKWENCJI NUKLEOTYDÓW

30 PRZYRÓWNANIE SEKWENCJI NUKLEOTYDÓW DOPASOWANIE SEKWENCJI NUKLEOTYDÓW: Leptyna Homo sapiens Leptyna Mus musculus

33 PRZYRÓWNANIE SEKWENCJI NUKLEOTYDÓW DOPASOWANIE: Leptyna Homo sapiens Leptyna Takifugu rubripes

34 PRZYRÓWNANIE SEKWENCJI NUKLEOTYDÓW DOPASOWANIE: Leptyna Homo sapiens Leptyna Takifugu rubripes

36 RODZINA PROGRAMÓW CLUSTAL Metoda progresywna etapowe składanie przyrównania na podstawie podobieństwa par sekwencji

37 WYBÓR NAJLEPSZEGO DOPASOWANIA 1. Algorytmy dopasowania sekwnecji 1. macierze punktowe (dot-matrix) 2. programowanie dynamiczne (dynamic programming) 3. metody słowne (k tuple methods) 2. Może istnieć kilka najlepszych dopasowań 3. Miary określające jakość dopasowania wizualizacja podobieństwa (dot-matrix) miary zróżnicowania sekwencji miary podobieństwa sekwencji

38 MIARA ZRÓŻNICOWANIA SEKWENCJI NUKLEOTYDÓW ODLEGŁOŚĆ HAMMINGA: Liczba pozycji różniących się literami Łańcuchy o równych długościach g c t g a a c g c t a t a a t c = 6 ODLEGŁOŚĆ LEVENSHTEINA: Minimalna liczba operacji potrzebna do zmiany jednego łańcucha w drugi Dozwolone operacje: insercja, delecja, mutacja punktowa - zmiana litery Łańcuchy o różnych długościach c - - t g a a c c t a t a a t c = 4

39 MIARA PODOBIEŃSTWA SEKWENCJI NUKLEOTYDÓW PROSTA: np. Różne litery -1 Jednakowe litery +1 g c t g a a c g c t a t a a t c = -4 ZŁOŻONA np.: Tranzwersja (a,g) (t,c) 0 Tranzycja (a g lub c t) 1 Jednakowe 2 g c t g a a c g c t a t a a t c = 6

40 PRZYRÓWNANIE SEKWENCJI NUKLEOTYDÓW TABELE KODOWANIA ZDARZEŃ Jednakowe litery Różne litery Rozpoczęcie przerwy Kontynuacja przerwy Penalizacja afiniczna łatwiej poszerzyć przerwę niż otworzyć nową -12/-1 pkt

41 MIARY PODOBIEŃSTWA SEKWENCJI AMINOKWASÓW

42 DOPASOWYWANIE SEKWENCJI 1. Miary podobieństwa sekwencji aminokwasów 2. Zastosowanie programów: CLUSTAL BLAST

43 MIARA PODOBIEŃSTWA SEKWENCJI AMINOKWASÓW KODOWANIE ZDARZEŃ odzwierciedlenie właściwości fizykochemicznych 1. Sekwencje różnicują się na drodze ewolucji uwzględnienie prawdopodobieństwa poszczególnych mutacji wśród wszystkich białek o znanej sekwencji i odległości ewolucyjnej 2. Konsekwencje metaboliczne mutacji uwzględnienie czy zmiana aminokwasu powoduje zmianę konformacji = funkcji białka 3. Najczęściej wykorzystywane tabele PAM BLOSUM

44 MIARA PODOBIEŃSTWA SEKWENCJI AMINOKWASÓW TABELE PAM 1. Percent Accepted Mutation 2. Tabele opracowano dla różnych odległości ewolucyjnych między sekwencjami, np. PAM1 sekwencje różniące się 1% aminokwasów = blisko spokrewnionych PAM250 - sekwencje różniące się 80% aminokwasów = daleko spokrewnionych

45 MIARA PODOBIEŃSTWA SEKWENCJI AMINOKWASÓW TABELA PAM250 C 12 G -3 5 P S A T D E N Q H K R V M I L F Y W C G P S A T D E N Q H K R V M I L Copyright F 2017, Y J. WSzyda & M. Mielczarek

46 MIARA PODOBIEŃSTWA SEKWENCJI AMINOKWASÓW TABELE BLOSUM 1. Blocks Substitution Matrix 2. Tabele opracowano na podstawie danych z bazy danych BLOCKS wykorzystując prawdopodobieństwo mutacji w zakonserwowanych regionach 3. przy różnych założeniach dotyczących interpretacji sekwencji o dużym podobieństwie BLOSUM62 sekwencje o ponad 62% aminokwasów identycznych są traktowane jako wspólna grupa ewolucyjna BLOSUM45 sekwencje o ponad 45% aminokwasów identycznych są traktowane jako wspólna grupa ewolucyjna

47 MIARA PODOBIEŃSTWA SEKWENCJI AMINOKWASÓW TABELA BLOSUM45 G 7 P -2 9 D E N H Q K R S T A M V I L F Y W C G P D E N H Q K R S T A M V I L F Copyright Y 2017, W J. CSzyda & M. Mielczarek

48 MIARA PODOBIEŃSTWA SEKWENCJI AMINOKWASÓW INTERPRETACJA WARTOŚCI W TABELACH PAM i BLOSUM I L F Y W C G P D E N H Q K R S T A M V I L F Y W C 1. Mutacja Izoleucyna Valina jest bardziej prawdopodobna = +3, niż Izoleucyna Cysteina = Mutacja Izoleucyna Valina zachodzi = częściej niż średni poziom mutacji dla wszystkich aminokwasów 3. Mutacja Izoleucyna Cysteina zachodzi = rzadziej niż średni poziom mutacji dla wszystkich aminokwasów

49 MIARA PODOBIEŃSTWA SEKWENCJI AMINOKWASÓW 1. BLOSUM90 krótkie, bardzo podobne fragmenty 2. BLOSUM61 ogólne przyrównanie 3. BLOSUM30 mniej podobne sekwencje

50 DOPASOWANIE SEKWENCJI AMINOKWASÓW

51 DOPASOWANIE SEKWENCJI AMINOKWASÓW DOPASOWANIE SEKWENCJI AMINOKWASÓW: Beta-2-mikroglobulina Homo sapiens Beta-2- mikroglobulina Mus musculus 1. Gen zaliczany do tzw. Houskeeping genes wysoki poziom zakonserwowania sekwencji 2. Baza danych UniProt: Homo sapiens Mus musculus

52 DOPASOWANIE SEKWENCJI AMINOKWASÓW

53 DOPASOWANIE SEKWENCJI AMINOKWASÓW CLUSTAL-OMEGA

54 DOPASOWANIE SEKWENCJI AMINOKWASÓW Beta-2-mikroglobulina: Homo sapiens Mus musculus KODY DOPASOWANIA: [ * ] identyczne [ : ] substytucja konserwatywna wymiana w obrębie grupy o podobnej strukturze i właściwościach [. ] substytucja semikonserwatywna wymiana w obrębie grupy tylko o podobnej strukturze

55 DOPASOWANIE SEKWENCJI AMINOKWASÓW Beta-2-mikroglobulina: Homo sapiens Mus musculus Danio rerio Gallus gallus