Bioinformatyka Laboratorium, 30h. Michał Bereta

Transkrypt

1 Bioinformatyka Laboratorium, 30h Michał Bereta 1

2 Często dopasować chcemy nie dwie sekwencje ale kilkanaście lub więcej 2

3 Istnieją dokładne algorytmy, lecz są one niewydajne (złożoność O(N S ), N - długość sekwencji, S liczba sekwencji) Często interesuje nas dopasowanie albo dwóch sekwencji albo kilkunastu lub więcej Rzadko kiedy chodzi o dopasowanie 3 czy 4 sekwencji Często chodzi nam o dopasowanie spokrewnionych ze sobą (podobnych) sekwencji wstęp do analizy filogenetycznej 3

4 Homologia podobieństwo ze względu na wspólnego przodka wspólne ewolucyjne pochodzenie struktur organizmów z różnych grup taksonomicznych (np. ręka człowieka i skrzydło ptaka) podobieństwo sposobów zachowania się (jeśli odziedziczone po wspólnym przodku) 4

5 Homoplazja podobieństwo ze względu na konwergencję Konwergencja proces powstawania morfologicznie i funkcjonalnie podobnych cech (analogicznych) w grupach organizmów odlegle spokrewnionych w odpowiedzi na podobne lub takie same wymagania środowiskowe niezależność ewolucyjna np. opływowe kształty ryb i waleni np. skrzydła ptaków i owadów 5

6 6

7 Sekwencje homologiczne są podobne Sekwencje podobne nie muszą być homologiczne Sekwencje homologiczne Podobne funkcje Podobieństwo konserwatywnych fragmentów 7

8 Homologi Geny podobne pochodzące od wspólnego przodka Ortologi Rozdzielenie nastąpiło w wyniku specjacji rozdzielenia się gatunków Paralogi Rodzielenie nastąpiło w wyniku duplikacji genu Mogą mieć różne funkcje w organiźmie Można rozważać paralogi w jednym organiźmie (np. Mioglobina I hemoglobina u człowieka) Przykład: hemoglobina u człowieka i mioglobina u szympansa są paralogami, a nie ortologami, dlatego, że w tym przypadku duplikacja genu nastąpiła przed specjacją. Analogi Podobne cechy pojawiają się niezależnie 8

9 Metoda progresywnego dopasowania wielosekwencyjnego Konsktrukcja drzewa filogenetycznego (przewodniego) dla zadanych sekwencji Stopniowe dodawanie sekwencji do konstruowanego dopasowania w kolejności wyznaczonej drzewem przewodnim Wykorzystywane dopasowanie globalne 9

10 Drzewo przewodnie 10

11 Sekwencje genów kodujących heksokinazy u Ludzi Szczurów Muszki owocowej Drożdży Zarodźca sierpowego 11

12 W genomach ssaków, grzybów i owadów od czasu oddzielenia się linii ewolucyjnych doszło do niezależnych duplikacji odpowiednich genów. 12

13 Każdy z ludzkich genów ma swój gen homologiczny u szczura. Wniosek: duplikacje genów musiały zajść przed oddzieleniem się linii ewolucyjnych ludzi i szczurów. 13

14 Drzewo przewodnie Dla każdej pary sekwencji wyznacza się dopasowanie Na podstawie dopasowań wyznacza się odległości ewolucyjne dla każdej pary sekwencji Najprostszy sposób: policzyć odsetek pozycji D, na których występują różne reszty Uwzględniając fakt, że podstawienia mogły zachodzić wielokrotnie na tych samych pozycjach, można wprowadzać poprawki (np. poprawka Kimury) Istnieją różne poprawki wynikające z różnych modeli ewolucyjnych (temat na osobny wykład) 14

15 Drzewo przewodnie Przykładowa poprawka (Feng i Doolittle) na podstawie oceny S dopasowania pary sekwencji S rand średnie dopasowanie losowych sekwencji S ident średnie dopasowanie identycznych sekwencji 15

16 Drzewo przewodnie Mając macierz odległości ewolucyjnych między wszystkimi sekwencjami można ich użyć do konstrukcji drzewa np. metoda przyłączenia sąsiada do konstruowania drzewa wraz z metodą środkowego punktu do wyznaczenia korzenia drzewa 16

17 Podczas kolejnych kroków konstruowania dopasowania wielosekwencyjnego: Dopasowanie sekwencji w istniejących dopasowaniach się nie zmienia W kolejnych krokach istnieje konieczność dopasowania: Sekwencja + sekwencja (dopasowanie globalne) Dopasowanie + nowa sekwencja Dopasowanie + dopasowanie 17

18 Podczas dopasowania innego niż dwóch sekwencji algorytm w zasadzie nie zmienia się (alg. Needlemana-Wunscha), istnieje jednak konieczność dodatkowych zabiegów: Uśrednianie punktacji Wstawiane przerwy muszą pojawić się w każdej sekwencji dopasowania 18

19 LRNIHHANGASM LRAI-HANGASM Istniejące dopasowanie 1 RRGIHANGAFSM RRFIHANAA-SM Istniejące dopasowanie 2 Ocena = [ S(N,G) + S(N,F) + S(A,G) + S(A,F) ]/ 4 19

20 LRNIHHANGASM LRAI-HANGASM Istniejące dopasowanie 1 RRGIHA-NGAFSM RRFIHA-NAA-SM Istniejące dopasowanie 2 Nowe znaki przerw w istniejącym zamrożonym dopasowaniu wstawiane są na danej pozycji w każdej sekwencji należącej do tego dopasowania. 20

21 LRNIHHANGASM LRAI-HANGASM Istniejące dopasowanie 1 RRGIHA-NGAFSM RRFIHA-NAA-SM Istniejące dopasowanie 2 LRNIHHANGASM- LRAI-HANGASM- RRGIHA-NGAFSM RRFIHA-NAA-SM Nowe dopasowanie, zostaje od tej pory zamrożone. 21

22 Metoda progresywnego dopasowania wielosekwencyjnego Jest to metoda heurystyczna (nie jest dokładna) Efekt dopasowania zależy od drzewa przewodniego, tablicy podstawień, funkcji kary Złożoność : O(SN 2 ) Działa lepiej dla sekwencji o podobnej długości Na podstawie otrzymanego dopasowania można otrzymać nowe drzewo przewodnie (filogenetyczne), które jednak może być silnie skorelowane z oryginalnym drzewem 22

23 Możliwe ulepszenia Zmniejszenie wpływu blisko spokrewnionych sekwencji Uzależnienie kar za przerwy od pozycji gdzie występują (na podstawie struktury drugorzędowej białek) Przerwy zazwyczaj nie są wstawiane w obrębie elementów struktury drugorzędowej, ale raczej w obrębie łączących ich pętli Dopasowanie odpowiednich macierzy PAM lub BLOSUM 23

24 Najbardziej popularna implementacja metody progresywnej to program Clustal. Istnieją alternatywne algorytmy, np. T-Coffee. 24

25 Problematyka konstruowania dopasowań wielosekwencyjnych oraz drzew filogenetycznych jest ze sobą powiązana. Obecnie zazwyczaj najpierw wyznacza się dopasowanie wielosekwencyjne a dopiero następnie konstruuje się drzewo filogenetyczne. 25

26 26

27 zawartość pliku CytBProt.txt (wszystkie sekwencje) 27

28 28

29 29

30 30

31 31

32 Unipro UGENE Zadanie Wykonaj dopasowanie wszystkich sekwencji z pliku CytBProt.txt 32

33 Unipro UGENE 33

34 Unipro UGENE 34

35 Unipro UGENE 35

36 Unipro UGENE 36