PODSTAWY BIOINFORMATYKI WYKŁAD 4 DOPASOWANIE SEKWENCJI

Podobne dokumenty
PODSTAWY BIOINFORMATYKI WYKŁAD 4 DOPASOWANIE SEKWENCJI

PODSTAWY BIOINFORMATYKI 8 DOPASOWYWANIE SEKWENCJI AMINOKWASÓW

PRZYRÓWNANIE SEKWENCJI

Przyrównanie sekwencji. Magda Mielczarek Katedra Genetyki Uniwersytet Przyrodniczy we Wrocławiu

Dopasowanie sekwencji (sequence alignment)

Dopasowywanie sekwencji (ang. sequence alignment) Metody dopasowywania sekwencji. Homologia a podobieństwo sekwencji. Rodzaje dopasowania

Porównywanie i dopasowywanie sekwencji

Dopasowanie sekwencji Sequence alignment. Bioinformatyka, wykłady 3 i 4 (19, 26.X.2010)

Dopasowania par sekwencji DNA

Dopasowanie sekwencji Sequence alignment. Bioinformatyka, wykłady 3 i 4 (16, 23.X.2012)

Porównywanie i dopasowywanie sekwencji

Bioinformatyka. (wykład monograficzny) wykład 5. E. Banachowicz. Zakład Biofizyki Molekularnej IF UAM

Przyrównywanie sekwencji

Politechnika Wrocławska. Dopasowywanie sekwencji Sequence alignment

Bioinformatyka Laboratorium, 30h. Michał Bereta

Wykład 5 Dopasowywanie lokalne

dopasowanie sekwencji Porównywanie sekwencji Etapy dopasowywania sekwencji Homologia, podobieństwo i analogia

PODSTAWY BIOINFORMATYKI WYKŁAD 5 ANALIZA FILOGENETYCZNA

Bioinformatyka Laboratorium, 30h. Michał Bereta

Spis treści. Przedmowa... XI. Wprowadzenie i biologiczne bazy danych. 1 Wprowadzenie Wprowadzenie do biologicznych baz danych...

Konstruowanie drzew filogenetycznych. Magda Mielczarek Katedra Genetyki Uniwersytet Przyrodniczy we Wrocławiu

Dopasowanie par sekwencji

prof. dr hab. inż. Marta Kasprzak Instytut Informatyki, Politechnika Poznańska Dopasowanie sekwencji

Bioinformatyka. Ocena wiarygodności dopasowania sekwencji.

Generator testów Bioinformatyka wer / 0 Strona: 1

Generator testów Bioinformatyka_zdalne wer / 0 Strona: 1

Dopasowanie sekwencji c.d. Sequence alignment. Bioinformatyka, wykład 5 (16.XI.2010) krzysztof_pawlowski@sggw.pl

Porównywanie sekwencji białkowych

Algorytmy kombinatoryczne w bioinformatyce

Algorytmy kombinatoryczne w bioinformatyce

Bioinformatyka. Porównywanie sekwencji

PODSTAWY BIOINFORMATYKI 6 BAZA DANYCH NCBI - II

Dopasowanie sekwencji c.d. Sequence alignment. Bioinformatyka, wykład 5 (6.XI.2012) krzysztof_pawlowski@sggw.pl

Generator testów bioinformatyka wer / Strona: 1

Motywy i podobieństwo

3 Przeszukiwanie baz danych

Bioinformatyka II Modelowanie struktury białek

BIOINFORMATYKA. edycja 2016 / wykład 11 RNA. dr Jacek Śmietański

Analizy filogenetyczne

Wyszukiwanie podobnych sekwencji w bazach danych. Wyszukiwanie w sekwencji nukleotydów czy aminokwasów? Czułość i selektywność

Ewolucja molekularna człowieka okiem bioinformatyka. Justyna Wojtczak Jarosław Jeleniewicz

Bioinformatyka Laboratorium, 30h. Michał Bereta

Genomika Porównawcza. Agnieszka Rakowska Instytut Informatyki i Matematyki Komputerowej Uniwersytet Jagiellooski

Spis treści 8 Ewolucja molekularna Ewolucyjne podstawy porównywania sekwencji Identyfikacja sekwencji i jej funkcji...

Wstęp do Biologii Obliczeniowej

D: Dopasowanie sekwencji. Programowanie dynamiczne

Bioinformatyka 2 (BT172) Progresywne metody wyznaczania MSA: T-coffee

Bioinformatyka wykład 8, 27.XI.2012

PODSTAWY BIOINFORMATYKI

Statystyczna analiza danych

Porównywanie sekwencji białek i kwasów nukleinowych

MACIERZE MUTACYJNE W ANALIZIE GENOMÓW czy możliwa jest rekonstrukcja filogenetyczna? Aleksandra Nowicka

MSA i analizy filogenetyczne

Homologia, podobieństwo i analogia

PODSTAWY BIOINFORMATYKI 6 ANALIZA FILOGENETYCZNA

W kierunku równoległej implementacji pakietu T-Coffee

Samouczek: Konstruujemy drzewo

Analizy DNA in silico - czyli czego można szukać i co można znaleźć w sekwencjach nukleotydowych???

MultiSETTER: web server for multiple RNA structure comparison. Sandra Sobierajska Uniwersytet Jagielloński

Bioinformatyka 2 (BT172) Struktura i organizacja kursu

ANALIZA DANYCH POCHODZĄCYCH Z SEKWENCJONOWANIA NASTĘPNEJ GENERACJI

Bioinformatyka wykład 10

ANALIZA DANYCH POCHODZĄCYCH Z SEKWENCJONOWANIA NASTĘPNEJ GENERACJI

RMSD - Ocena jakości wybranych molekularnych struktur przestrzennych

Algorytmika dla bioinformatyki

FILOGENETYKA. Bioinformatyka, wykład 7 (24.XI.200..XI.2008)

Analizy DNA in silico - czyli czego można szukać i co można znaleźć w sekwencjach nukleotydowych???

Księgarnia PWN: Paul G. Higgs, Teresa K. Attwood - Bioinformatyka i ewolucja molekularna

FILOGENETYKA. Bioinformatyka, wykład. 8 c.d. 0)

Bioinformatyka II Modelowanie struktury białek

Wykład Bioinformatyka. Wykład 9. E. Banachowicz. Zakład Biofizyki Molekularnej IF UAM

Podstawy bioinformatyki dla biotechnologów

Podstawy ewolucji molekularnej. Ewolucja sekwencji DNA i białek

Podstawy ewolucji molekularnej. Ewolucja sekwencji DNA i białek

Ćwiczenia nr 5. Wykorzystanie baz danych i narzędzi analitycznych dostępnych online

Wykład Bioinformatyka Bioinformatyka. Wykład 7. E. Banachowicz. Zakład Biofizyki Molekularnej IF UAM. Ewolucyjne podstawy Bioinformatyki

1. KEGG 2. GO. 3. Klastry

Analizy DNA in silico - czyli czego można szukać i co można znaleźć w sekwencjach nukleotydowych???

FILOGENETYKA. Bioinformatyka,, wykład 7 (29.XI.2007)

Bioinformatyka wykład 3.I.2008

PODSTAWY BIOINFORMATYKI 11 BAZA DANYCH HAPMAP

Podstawy ewolucji molekularnej. Ewolucja sekwencji DNA i białek

Filogenetyka molekularna I

Sekwencjonowanie Nowej Generacji ang. Next Generation Sequencing

Księgarnia PWN: A.D. Baxevanis, B.F.F. Ouellette Bioinformatyka

Bioinformatyka Laboratorium, 30h. Michał Bereta

WIZUALIZACJA ALGORYTMÓW OPTYMALNEGO DOPASOWANIA SEKWENCJI NUKLEOTYDÓW I AMINOKWASÓW

Autor: mgr inż. Agata Joanna Czerniecka. Tytuł: Nowa metoda obliczeniowa porównywania sekwencji białek

WSTĘP DO BIOINFORMATYKI Konspekt wykładu - wiosna 2018/19

Olimpiada Biologiczna

Acknowledgement. Drzewa filogenetyczne

Bioinformatyka Laboratorium, 30h. Michał Bereta

PODSTAWY BIOINFORMATYKI 12 MIKROMACIERZE

Filogenetyka molekularna I. Krzysztof Spalik

plezjomorfie: podobieństwa dziedziczone po dalszych przodkach (c. atawistyczna)

Bioinformatyka wykład 9

PODSTAWY BIOINFORMATYKI WYKŁAD 3 BIOLOGICZNE BAZY DANYCH (1)

ZAJĘCIA ORGANIZACYJNE WSTĘP DO BIOINFORMATYKI

Ćwiczenie 5/6. Informacja genetyczna i geny u różnych grup organizmów. Porównywanie sekwencji nukleotydowych w bazie NCBI z wykorzystaniem BLAST.

PODSTAWY BIOINFORMATYKI WYKŁAD 3 BIOLOGICZNE BAZY DANYCH (2)

Transkrypt:

PODSTAWY BIOINFORMATYKI WYKŁAD 4 DOPASOWANIE SEKWENCJI

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

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

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

DOPASOWANIE SEKWENCJI

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

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

SEKWENCJE NUKLOETYDÓW

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 -

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

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

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

DOT-MATRIX DOPASOWANIE: Leptyna Homo sapiens Leptyna Mus musculus

DOT-MATRIX DOPASOWANIE: Leptyna Homo sapiens Leptyna Mus musculus

DOT-MATRIX DOPASOWANIE: Leptyna Homo sapiens Leptyna Mus musculus

DOT-MATRIX DOPASOWANIE: Leptyna Homo sapiens Leptyna Mus musculus

DOT-MATRIX DOPASOWANIE: http://dotlet.vital-it.ch/

Leptyna Mus musculus DOT-MATRIX DOPASOWANIE: http://dotlet.vital-it.ch/ Leptyna Homo sapiens

DOT-MATRIX DOPASOWANIE: Leptyna Homo sapiens Leptyna Takifugu rubripes

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

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

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

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 2015 23

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

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

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 2015 26

GLOBALNE PRZYRÓWNANIE SEKWENCJI NUKLEOTYDÓW CLUSTAL-OMEGA http://www.ebi.ac.uk/tools/msa/clustalo/

GLOBALNE PRZYRÓWNANIE SEKWENCJI NUKLEOTYDÓW

PRZYRÓWNANIE SEKWENCJI NUKLEOTYDÓW

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

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

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

PRZYRÓWNANIE SEKWENCJI NUKLEOTYDÓW DOPASOWANIE: Leptyna Homo sapiens Leptyna Takifugu rubripes

PRZYRÓWNANIE SEKWENCJI NUKLEOTYDÓW DOPASOWANIE: Leptyna Homo sapiens Leptyna Takifugu rubripes

PRZYRÓWNANIE SEKWENCJI NUKLEOTYDÓW DOPASOWANIE: Homo sapiens Mus musculus Takifugu rubripes Copyright 2014, Joanna Szyda

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

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

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

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 -1-1-1-1+1+1-1-1 = -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 +0+1+0+0+2+2+1+0 = 6

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

MIARY PODOBIEŃSTWA SEKWENCJI AMINOKWASÓW

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

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

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

MIARA PODOBIEŃSTWA SEKWENCJI AMINOKWASÓW TABELA PAM250 C 12 G -3 5 P -3-1 6 S 0 1 1 1 A -2 1 1 1 2 T -2 0 0 1 1 3 D -5 1-1 0 0 0 4 E -5 0-1 0 0 0 3 4 N -4 0-1 1 0 0 2 1 2 Q -5-1 0-1 0-1 2 2 1 4 H -3-2 0-1 -1-1 1 1 2 3 6 K -5-2 -1 0-1 0 0 0 1 1 0 5 R -4-3 0 0-2 -1-1 -1 0 1 2 3 6 V -2-1 -1-1 0 0-2 -2-2 -2-2 -2-2 4 M -5-3 -2-2 -1-1 -3-2 0-1 -2 0 0 2 6 I -2-3 -2-1 -1 0-2 -2-2 -2-2 -2-2 4 2 5 L -6-4 -3-3 -2-2 -4-3 -3-2 -2-3 -3 2 4 2 6 F -4-5 -5-3 -4-3 -6-5 -4-5 -2-5 -4-1 0 1 2 9 Y 0-5 -5-3 -3-3 -4-4 -2-4 0-4 -5-2 -2-1 -1 7 10 W -8-7 -6-2 -6-5 -7-7 -4-5 -3-3 2-6 -4-5 -2 0 0 17 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

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

MIARA PODOBIEŃSTWA SEKWENCJI AMINOKWASÓW TABELA BLOSUM45 G 7 P -2 9 D -1-1 7 E -2 0 2 6 N 0-2 2 0 6 H -2-2 0 0 1 10 Q -2-1 0 2 0 1 6 K -2-1 0 1 0-1 1 5 R -2-2 -1 0 0 0 1 3 7 S 0-1 0 0 1-1 0-1 -1 4 T -2-1 -1-1 0-2 -1-1 -1 2 5 A 0-1 -2-1 -1-2 -1-1 -2 1 0 5 M -2-2 -3-2 -2 0 0-1 -1-2 -1-1 6 V -3-3 -3-3 -3-3 -3-2 -2-1 0 0 1 5 I -4-2 -4-3 -2-3 -2-3 -3-2 -1-1 2 3 5 L -3-3 -3-2 -3-2 -2-3 -2-3 -1-1 2 1 2 5 F -3-3 -4-3 -2-2 -4-3 -2-2 -1-2 0 0 0 1 8 Y -3-3 -2-2 -2 2-1 -1-1 -2-1 -2 0-1 0 0 3 8 W -2-3 -4-3 -4-3 -2-2 -2-4 -3-2 -2-3 -2-2 1 3 15 C -3-4 -3-3 -2-3 -3-3 -3-1 -1-1 -2-1 -3-2 -2-3 -5 12 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

MIARA PODOBIEŃSTWA SEKWENCJI AMINOKWASÓW INTERPRETACJA WARTOŚCI W TABELACH PAM i BLOSUM I -4-2 -4-3 -2-3 -2-3 -3-2 -1-1 2 3 5 L -3-3 -3-2 -3-2 -2-3 -2-3 -1-1 2 1 2 5 F -3-3 -4-3 -2-2 -4-3 -2-2 -1-2 0 0 0 1 8 Y -3-3 -2-2 -2 2-1 -1-1 -2-1 -2 0-1 0 0 3 8 W -2-3 -4-3 -4-3 -2-2 -2-4 -3-2 -2-3 -2-2 1 3 15 C -3-4 -3-3 -2-3 -3-3 -3-1 -1-1 -2-1 -3-2 -2-3 -5 12 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 = -3 2. Mutacja Izoleucyna Valina zachodzi 10 0.3 = 1.995 częściej niż średni poziom mutacji dla wszystkich aminokwasów 3. Mutacja Izoleucyna Cysteina zachodzi 10-0.3 = 0.501 rzadziej niż średni poziom mutacji dla wszystkich aminokwasów

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

DOPASOWANIE SEKWENCJI AMINOKWASÓW

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 http://www.uniprot.org/uniprot/p61769 Mus musculus http://www.uniprot.org/uniprot/q91xj8

DOPASOWANIE SEKWENCJI AMINOKWASÓW

DOPASOWANIE SEKWENCJI AMINOKWASÓW CLUSTAL-OMEGA http://www.ebi.ac.uk/tools/msa/clustalo/

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

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

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

DOPASOWANIE SEKWENCJI AMINOKWASÓW BLAST http://blast.ncbi.nlm.nih.gov/blast.cgi

DOPASOWANIE SEKWENCJI AMINOKWASÓW BLAST http://blast.ncbi.nlm.nih.gov/blast.cgi