Сравнительный анализ последовательностей ДНК
description
Transcript of Сравнительный анализ последовательностей ДНК
Сравнительный анализ последовательностей ДНК
БиБи 4 курс
Осень 2005
Идентификация генов• Новый геном => нет обучающей выборки• «Псевдообучение»
– Длинные открытые рамки считывания (ОРС)– Открытые рамки, гомологичные известным генам
• «Самосогласование»– Режем на фрагменты, делим на два кластера, обучаемся– Предсказываем– Переобучаемся– Etc.
• Сравнение с родственными геномами– CRITICA: (пара) ОРС=ген, если сходство на уровне
аминокислотных последовательностей выше, чем можно было бы ожидать для формальных транслятов при заданном уровне сходства нуклеотидных последовательностей
rbsD в энтеробактериях
Sty AGGGTTACACTGCGGC-CAGCGAAACGTTTCGCTAGTGGAGCAGAAAAATGAAGAAAGGCSen AGGGTTACACTGCGGC-CAGCGAAACGTTTCGCTAGTGGAGCAGAAAAATGAAGAAAGGCStm GGGGTTACACTGCGGC-CAGCGAAACGTTTCGCTAGTGGAGCAGAAAAATGAAGAAAGGCEco AGGATTAAACTGTGGGTCAGCGAAACGTTTCGCTGATGGAGAA-AAAAATGAAAAAAGGCYpe TTTTCTAAACTCCTTGTTAGCGAAACGTTTCGCTCTTGGAGTA-GATCATGAAAAAAGGT ** *** **************** ***** * * ***** ***** Sty ACCGTACTCAACTCTGAAATCTCGTCGGTCATTTCCCGTCTGGGGCATACTGATACTCTGSen ACCGTACTCAACTCTGAAATCTCGTCGGTCATTTCCCGTCTGGGGCATACTGATACTCTGStm ACCGTACTCAACTCTGAAATCTCGTCGGTCATTTCCCGTCTGGGGCATACTGATACTCTGEco ACCGTTCTTAATTCTGATATTTCATCGGTGATCTCCCGTCTGGGACATACCGATACGCTGYpe GTATTACTGAACGCTGATATTTCCGCGGTTATCTCCCGTCTGGGCCATACCGATCAGATT * ** ** **** ** ** **** ** *********** ***** *** *
rbsD в энтеробактериях: ответ
Sty AGGGTTACACTGCGGC-CAGCGAAACGTTTCGCTAGTGGAGCAGAAAAATGAAGAAAGGCSen AGGGTTACACTGCGGC-CAGCGAAACGTTTCGCTAGTGGAGCAGAAAAATGAAGAAAGGCStm GGGGTTACACTGCGGC-CAGCGAAACGTTTCGCTAGTGGAGCAGAAAAATGAAGAAAGGCEco AGGATTAAACTGTGGGTCAGCGAAACGTTTCGCTGATGGAGAA-AAAAATGAAAAAAGGCYpe TTTTCTAAACTCCTTGTTAGCGAAACGTTTCGCTCTTGGAGTA-GATCATGAAAAAAGGT ** *** **************** ***** * * ***** ***** Sty ACCGTACTCAACTCTGAAATCTCGTCGGTCATTTCCCGTCTGGGGCATACTGATACTCTGSen ACCGTACTCAACTCTGAAATCTCGTCGGTCATTTCCCGTCTGGGGCATACTGATACTCTGStm ACCGTACTCAACTCTGAAATCTCGTCGGTCATTTCCCGTCTGGGGCATACTGATACTCTGEco ACCGTTCTTAATTCTGATATTTCATCGGTGATCTCCCGTCTGGGACATACCGATACGCTGYpe GTATTACTGAACGCTGATATTTCCGCGGTTATCTCCCGTCTGGGCCATACCGATCAGATT * ** ** **** ** ** **** ** *********** ***** *** *
Паттерн нуклеотидных заменв белок-кодирующих областях:
pdxB в энтеробактериях
Sty TCGCTCG--CAGCGGAAAGAGGATTACGCCCTTCGCCTGGAGGCTGTGCAGGGGC---GCCGGAGATGGGATGCATAATTStm TCGCTCG--CAGCGGAAAGAGGATTACGCCCTTCGCCTGGAGGCTGTGCAGGGGC---GCCGGAGATGGGATGCATAATTSen TCGCTCG--CAGCGGAAAGAGGATTACGCCCTTCGCCTGGAGGCTGTGCAGGGGC---GCCGGAGATGGGATGCATAATTEco TTGCCCG--TGCCAGACGGCAGATTATCTCCCTGACCTGGTGGTTGCCCAGGAGGAGGGCCGGAAATAGGTTGTATCATTKpn ----CGG--TGGCGCAGTGCCTGATGGG-CCTCGCCCTGGAGGACGGTCTGGCAT---ATCAGCAAGGGGGTGCGTCATGYpe TTGTTAGAACAGGGGAAAACGGTAAACAGTGTGGCATTAGATGTCGGTTATAGCT-----CCGCCTCTGCTTTTATCGCC * * * * * * * * * * *
Sty AATTATCCTTTAAC----------CATAAATCTGAGCAATA-TATGCTTGGCGGCCAGATTATGGC--ACACTTGTCCGGStm AATTATCCTTTAAC----------CATAAATCTGAGCAATA-TATGCCTGGCGGCCAGATTATGGC--ACACTTGTCCGGSen AATTATCCTTTAAC----------CATAAATCTGAGCAATA-TATGCCTGGCGGCCAGATTATGGC--ACACTTGTCCGGEco ACGTATCCTTATAC----------CTGAAATCTTCGCAAG--TATGCCTGGCCGCGAGATTATGGC--ACACTTGTCCGGKpn ATTCATCCTTTCGATATCGCGGTGCTGGAACCAGGTGATGAGTATGCCTGGCGGCCAGATTATGGC--ACACTTCCCCAGYpe ATGTTTCAGCAAATAT--------CGGGTACCA-CGCCTGAGCGTTTCCGGCGGGGCAATAGTGGCTTATACTAAGCCCC * ** * * * * *** * ** **** * *** **
Sty TTAACTCTCGTT-CTCAAACAG------GTACGACAGTC--GTGAAAATTCTCGTTGATGAAAATATGCCTTACGCCCGCStm TTAACTCTCGTT-CTCAAACAG------GTACGACAGTC--GTGAAAATTCTCGTTGATGAAAATATGCCTTACGCCCGCSen TTAACTCTCGTT-CTCAAACAG------GTACGACAGTC--GTGAAAATTCTCGTTGATGAAAATATGCCTTACGCCCGCEco TTAACTCTCGT--CTCATACAG------GTAACACAAAC--GTGAAAATCCTTGTTGATGAAAATATGCCTTATGCCCGCKpn TTAACTCTCGTT-CTCAGACAG------GTACTGAACT---GTGAAAATCCTCGTTGATGAAAATATGCCCTATGCCCGTYpe CTGTTTTTCATCTGTATGGCAGTTCGCTGTCGGAGAGTAAAGTGAAAATTCTGGTTGATGAAAATATGCCGTACGCTGAG * * ** * * *** ** * ******** ** ***************** ** ** 123123123123123123123123123123123123123
Белковое выравнивание (ribD)
Eco V_____QDEYYMARALKLAQRGRFTTHPNPNVGCVIVKDGEIVGEGYHQRAGEPHAEVHA QD +M RAL LA +G +TT PNP VGCV VK+GEIVGEG+H +AG+PHAE A Hin MLEFSSQDCVFMQRALDLAAKGQYTTTPNPSVGCVLVKNGEIVGEGFHFKAGQPHAERVA
Eco GCGCGCCTGGAGGACTAA----G----------CCGTGCAGGAC-GAGTATTACATGGCGCGGGCGCTAA
Hin GAAAAATTAAAGGATTAATTATGCTTGAATTTTCCTCACAAGATTGCGTATTT-ATGCAACGTGCCTTAG * * **** *** * ** ** ** * ***** *** ** ** **
Множественное выравнивание
REC06584 109 tttttatttcaggcaatcggggtgaat---------gtggcgcaggcggaagtgttgaatRECO04717 109 tttttatttcaggcaatcggggtgaat---------gtggcgcaggcggaagtgttgaatRECS04752 109 tttttatttcaggcaatcggggtgaat---------gtggcgcaggcggaagtgttgaatRTY01088 51 tagcgcctgttttgatttatggtgaacggggttaatgtggcgcaggcggaagtgttgaatRSY05814 51 tagcgcctgttttgatttatggtgaacggggttaatgtggcgcaggcggaagtgttgaatREO01497 66 atagcgcctgtttgatttcattgaattggggaaggcgtgtctacggcggaagtattgaatRYPK00397 45 gccggcctgtgcagatctaatagttgggggaaaagtgtgtcgaccgcagcagtgataaacRYP04048 45 gccggcctgtgcagatctaatagttgggggaaaagtgtgtcgaccgcagcagtgataaacRYE04903 44 aaccggcctgtgcagatctcatagttggggaatagtgtgtcaaccgcagcagtgataaatRVFI01204 0 ........tattattgatgagttttttatgtccagcatgatcgcagagcaaccaatggaaREC06584 f l f q a i g v n = = = V A Q A E V L N RECO04717 f l f q a i g v n = = = V A Q A E V L N RECS04752 f l f q a i g v n = = = V A Q A E V L N RTY01088 * r l f * f m v n g v n V A Q A E V L N RSY05814 * r l f * f m v n g v n V A Q A E V L N REO01497 i a p v * f h * i g e g V S T A E V L N RYPK00397 a g l c r s n s w g k s V S T A A V I N RYP04048 a g l c r s n s w g k s V S T A A V I N RYE04903 n r p v q i s * l g n s V S T A A V I N RVFI01204 . . . i i d e f f m s s M I A E Q P M E
Эукариоты: сплайсированное выравнивание
• Ген с известными гомологами (Procrustes, GeneWise)– Операция вставки интрона– Блочная модель
• Использование сходства (BLAST) как дополнительного параметра (GenomeScan)– Отступление: динамическое программирование в задаче
распознавания генов• Вершины – сайты, ребра – экзоны и интроны
– Квадратичное количество ребер, линейное время оценки веса ребра• Вершины – сайты («рельсовый граф»)
– Линейное количество ребер
• Ген без известных гомологов, но в двух геномах– Экзон-интронная структура в нуклеотидном выравнивании
(Rosetta, SGP) – Геномное сплайсированное выравнивание (Pro-Gene –
динамическое программирование, DoubleScan – HMM распознавание+выравнивание, SLAM).
Динамическое программирование
Четвертая степень, если всякий раз выбирать оптимальный интрон, но внутри прямоугольника это делается один раз
HMM (DoubleScan)
Match in exon
Insertion in exon
Match in exon
Match in intron
Match in intron
Insertion in intron
Match in exon
Match in intron
Match in exon
Match in exon
Inserted intron
Matching
intergenic re
gion
Matching
intergenic interval
Регуляция транскрипции
• Phylogenetic footprinting – прокариоты. MENTERIC, Gibbs samplers
• Phylogenetic footprinting – эукариоты. rVISTA
• Phylogenetic shadowing
• Проверка соответствия (consistency check). Регулоги
Low conservation in upstream region
yjcD
ST AAA-GCATAAAAAGCGGCAAAGTTCAGTTGAAAAAGCGTTGATGATCGCTGGATAATCGTTTGCTTTTTTTTG---CCACEC AAA-GAGAAAAAAGCAGCAAACTTCGGTTGAAAAAGCCGCTATGATCGCCGGATAATCGTTTGCTTTTTTTA----CCACYP AAATGTATTAAATGTCGCATTCGGGTGTTGATTAGTCACCACTGATGGCTAGATAATCGTTTGCCTTAAATGACATCTGC *** * *** * *** ***** * * **** ** ************* ** * * *
ST CC--------GTTTTGT--------ATACGTG----GAGCTAAACGTTTGCTTTTTTGCGGCGCCCCG-G-TTGTCGTAAEC CC--------GTTTTGT--------ATGCGCG----GAGCTAAACGTTTGCTTTTTTGCGACGCAGCA-AATTGTCGCAAYP CCTAAACTTCGATTTTTTTTCAGTCATGCGTTCTCCCAGCTAATCGTTTGCTATTTTTCCCCGCTCTATGAGTCAGGGAG ** * *** * ** ** ****** ******** **** * *** * * *
ST ATGTAGC----------ACAAGGA-GATAACGTTGCGCTGTTAGTGGATTACCTCCCACGTATACCGACGAATAATAAATEC ACCTGGA----------GCAGGAA-GATAACGTTTCGCTGGCAGGGGATTGTCCGCCACGCATCTTGACGAAAATTAAACYP AGTTAGTGAGTTCATCGACAGGAACGGAAACGATTACGTAGAGAAGGGCGCTTGGCTTGGCATGCTATTTTAAAATGA-C * * * ** * * * **** * * ** * * ** * * * *
ST TCTCAGGGGATGTTTTCT-ATGTCT------ACGCCTTCAGCGCGTACCGGCGGTTCACTCGACGCCTGGTTTAAAATTTEC TCTCAGGGGATGTTTTCTTATGTCT------ACGCCATCAGCGCGTACCGGCGGTTCACTCGACGCCTGGTTTAAAATTTYP ACACAGGGGACATCACC--ATGTCTAGCAGCAACCCTCAAGCACAGCCAAAGGGCACGCTTGATGCATTCTTTAAGCTTA * ******* * * ****** * ** *** * * ** * ** ** ** * ***** **
High conservation in upstream region
purL
ST AGCGGCATTTTGCGTAACAATGCGCCAGTTGGCAACTT-ATT-CGCAACGATAGCCGCACC--GTATGACAAGAAAAAGCEC AGCGGCATTTTGCGTAAACCTGCGCCAGATGGCAACTT-ATT-ACAGCCATTGGCGGCACG--CGTTGCTAATTCACGATYP AGTGGCATTTTGCGCAACAAAACGCCAGTGTGCAACTTTATTGCGAGCTATTTGCTGAGTCTGCGTTACACACACATAGC ** *********** ** ****** ******* *** * ** * * * *
ST GG-TGATT---------TTATTTCT-------ACGCAAACGGTTTCGTCGGCGCGTCAGATTCTTTATAATGACGGCCGTEC GG-TGATT---------TTATTTCC-------ACGCAAACGGTTTCGTCAGCGCATCAGATTCTTTATAATGACGCCCGTYP GGCTGTTTCTGACTGAATTATTAATAATAGATACGCAAACGGTTTCGTCGGCGGCTCAGATTCACTATAATGGCGCGCGT ** ** ** ***** ***************** *** ******** ******* ** ***
ST TTCCCCCC-------------------TTGCGCACACCAAA--------------GCTTAGAAGACGAGAGA--CTTA--EC TTCCCCCCC------------------TTGGGTACACCGAAA-------------GCTTAGAAGACGAGAGA--CTTA--YP TTTGCCCTGTTGTTGCGCCAATGAATGTTGCGCCCAATGAAGTGCTGTTCCAGCCGCTTCGAAGACGAGAGAAACTTAGA ** *** *** * ** ** **** ************ ****
ST TGATGGAAATTCTGCGTGGTTCGCCTGCACTGTCTGCATTCCGTATCAATAAACTGCTGGCGCGCTTTCAGGCTGCCAACEC TGATGGAAATTCTGCGTGGTTCGCCTGCACTGTCGGCATTCCGAATCAACAAACTGCTGGCACGTTTTCAGGCTGCCAGGYP TTATGGAAATACTGCGTGGTTCACCCGCTTTGTCGGCTTTTCGTATCACCAAACTGTTGTCCCGTTGCCAGGATGCTCAC * ******** *********** ** ** **** ** ** ** **** ****** ** * ** * **** ***
Menteric
Multiple sites (nrd genes): FNR, DnaA, NrdR
nrdD:пром.DnaAFNR NrdR
Phylogenetic Shadowing (E.Rubin’s lab)
Ген apo(a) есть
только у приматов
Consistency filtering: the basic procedure
Genome 2Genome 2Genome 1Genome 1
Set of known sitesSet of known sites ProfileProfile
Genome NGenome N
Accounting for the operon structure
«Old» genome «New» genome
A
A
BC
BC
D
XD
EF
E
F
X
X
X
X
Regulogger (W.Wasserman)
Упражнение: чем это плохо?
микроРНК
• ~22 нуклеотида• Комплементарны мРНК (неточно, 3’-конец –
животные; точно, кодирующая область - растения)• Подавляют трансляцию или способствуют
деградации мРНК (растения)• Предшественник – шпилька специального вида,
длина ~70 нт.• Человек – минимум 800 (экспериментально > 200),
дрозофила – 200, нематода – 100, растения – минимум сотня
• Независимые гены (м.б. полицистронные) или в интронах
• Регулируют минимум треть генов человека• В основном – гены развития?
Как искать
• Экспериментально• Консервативность
– В далеких геномах– В близких геномах – shadowing
• Наличие и консервативность мишеней (трудно, если в белок-кодирующей области)
• Синтения, кластеризация генов• Кластеризация сайтов в мРНК-мишенях• Проверка функции